弹道修正弹是一种介于普通弹箭和导弹之间的弹药,它是普通弹药和现代高新技术相结合的典范。弹道修正弹通过实时测量特定弹道弧段的参数,并对测量参数进行数据处理,形成控制指令控制弹丸向预定目标靠近。在此修正过程中,数据处理是弹道修正的核心内容。本文正是对数据处理中的参数辨识过程和弹道落点预报过程展开研究。考虑到气动力参数对弹道的影响较大,本文对气动力参数进行了在线辨识和估计。综合考虑所测参数的数量和种类、辨识过程的实时性和准确性,建立基于扩展质点弹道模型的状态方程和基于GPS测量数据的线性测量方程；分别选用扩展卡尔曼滤波(衰减记忆混杂卡尔曼滤波和基于极大似然准则的自适应卡尔曼滤波)、Sigma点卡尔曼滤波(无迹卡尔曼滤波和中心差分卡尔曼滤波)和求容积卡尔曼滤波进行参数辨识,对各个算法进行数值仿真并比较分析仿真结果。仿真结果表明：衰减记忆混杂卡尔曼滤波能在一定精度条件下极大地减小在线计算量,提高参数辨识过程的实时性；基于极大似然准则的自适应卡尔曼滤波能够自适应模型误差,提高参数辨识准确度；采用最小偏度单形采样能够减小无迹卡尔曼滤波的计算量,提高算法的实时性；中心差分滤波通过差分的方式来计算非线性传递,该算法具有较高的计算精度及计算过程无需计算其雅可比矩阵,但是其采样点多、计算量大,实时性较差；求容积卡尔曼滤波通过2n个等权重求积点的求容积规则来计算非线性传递,该算法具有易于实现、数值精度高、滤波稳定性好等优点。在参数辨识过程完成后,还需预报出弹道落点,以便为弹道控制解算提供依据。本文详细讨论了弹道方程组解算法与系数解算法两种预报方法,并对这两种算法进行对比、分析及数值仿真。分析结果表明,前者的精度较高,适应性较好,但是所需参数要求严格和实时性较差；后者的实时性很好,所需参数要求不严,但是其适应性较差。