外弹道估计的核心问题是弹道估计的精度，传统的处理方法多是采用各种线性、非线性参数估计理论估计弹道参数。但是，随着现代空间科学技术的快速发展，各种武器装备的性能有了较大的提高，各种常规战术导弹也呈现出了小型化、智能化及精确化的发展趋势，同时，测量设备和处理手段都在不断丰富和发展。传统的一些弹道数据处理方法在处理一些新问题时，往往不能保证轨道参数的逼近精度。经验模态分解（EMD）方法作为一种新兴的分析工具，分解方法完全由数据驱动，能够自适应地将数据信号分解成若干个本征模态函数之和。正是由于这样的特点，本文围绕靶场进行的常规战术导弹跟踪数据的处理问题，着力从EMD方法的角度进行了研究，作者主要工作如下：一、针对靶场常规战术导弹试验中外弹道测量数据的随机误差问题，引入经验模态分解方法，深入研究了EMD的自适应滤波特性，并且针对基于连续均方误差准则的EMD去噪方法的不足，结合小波去噪理论提出了一种改进方法，并与传统的多项式滤波方法、小波变换方法做了比较，基于经验模态分解的外弹道降噪方法保证了数据信息的完整性，有效地降低了噪声的不利影响。二、结合某基地靶场事后处理实际工作问题，建立了测量数据融合处理整体方案，介绍了EMBET方法与基于样条函数的弹道表示方法。并进一步结合EMD方法，利用基于经验模态分解的外测数据去噪方法，用经过EMD方法预处理的测量数据进行弹道解算，提高了弹道的估计精度。三、针对传统的样条方法不能有效处理小型化的、机动性较强的导弹弹道问题，提出了基于EMD方法的弹道重构方法。该方法无须预先设定任何基函数，而是通过数据驱动自适应构造基函数IMF(本征模态函数)，再由ARMA模型和样条模型表示分解后的本征模态函数，避免了对复杂弹道数据的直接建模和计算。通过仿真表明该算法确实能有效表示高度机动的弹道，相比传统的样条模型参数估计方法，弹道估计精度有较大提高。