为解决电视跟踪中目标被短时间遮挡的跟踪问题，本文研究了非线性自适应滤波器及其在电视跟踪中的轨迹预测应用。　　 首先建立了目标的多项式运动模型和状态空间模型。　　 针对目标的多项式运动模型，探讨了轨迹拟合外推算法及其在电视跟踪中的应用。提出了基于最小绝对偏差估计的轨迹拟合外推算法，提出的算法比基于最小二乘估计的轨迹拟合外推算法具有更强的抗伪目标干扰能力。　　 探讨了非线性自适应滤波器在电视跟踪中的应用。(1)针对目标的多项式运动模型，提出了无记忆多项式最小均方(MLPLMS)自适应滤波器和无记忆多项式递归最小二乘(MLPRLS)自适应滤波器，并将其应用于电视跟踪。提出的滤波器的跟踪性能分别优于最小均方(LMS)自适应滤波器和递归最小二乘(RLS)自适应滤波器。(2)针对状态空间模型的特点，提出了混合系统的无迹卡尔曼滤波器(MSUKF)和混合系统的无迹粒子滤波器(MSUPF)。MSUKF滤波器和无迹卡尔曼滤波器(UKF)具有相同的跟踪性能，MSUPF滤波器的跟踪性能略优于无迹粒子滤波器(UPF)。且提出的算法具有计算步骤更简单、计算量更小和数值稳定性更好的性能。　　 研究了结合图像处理技术和轨迹预测抟术的电视跟踪算法，与单纯依靠图像处理技术的电视跟踪算法相比，该算法能够有效解决目标被短时间遮挡的跟踪问题。　　 探讨了电视跟踪测量中涉及到的一些工程设计问题。(1)提出了一种基于差商判据的异常值检测剔除算法。提出的算法计算简单，能够适应信号和噪声的变化，可用于轨迹拟合外推前的数据预处理。(2)采用基于三次样条插值的采样率匹配算法，为电视跟踪系统中编码器和图像传感器之间的采样率匹配提供了一种有效解决途径。　　 最后，综合分析和评价了滤波器的性能。重点分析了算法参数对跟踪精度的影响以及算法的时间复杂度。