地波超视距雷达已在多个国家投入使用,这种雷达普遍采用大型阵列天线,这种天线通常由上百个阵元组成,机动和隐蔽都十分困难,十分容易遭到敌方导弹的攻击。为了提高雷达系统的生存能力,本文提出了使用小型机动天线的设想。但是,天线越小,观测系统的角度分辨力越低[6],为了在角度分辨力非常差的情况下,保持一定的跟踪能力,本文提出了双基地无角度信息跟踪系统。这个系统利用从两个分开布置的雷达站得到的两组目标距离和径向速度观测值,来完成对目标的跟踪,而不需要目标方位角信息,因此,使用小天线而造成的角度分辨力下降的问题,不会影响跟踪效果。这样就可以通过使用小型天线使整个系统做到机动和隐蔽。但是,上面提出的跟踪系统具有很强的非线性,应用经典的线性滤波方法,比如EKF,难以得到令人满意的结果。本文的中心,是开发一种新的跟踪算法,以保证在上述非线性背景下的跟踪精度。本文首先简要回顾了在目标跟踪问题中已经被广泛应用的传统线性算法,如EKF、GHKF[13]。然后介绍了几种标准的数值积分方法。以这些数值积分方法为数学工具,推导出了非线性估计子加权融合滤波器,本文中简称TNF。TNF不是线性滤波器,它的输出不再是输入的线性组合,所以它的精度也就不再受到最优线性估计精度的限制,而在强非线性环境下,即使是最优线性估计的精度也可能很不理想。TNF使用数值积分技术,在线(on line)计算复杂积分,从而得到某些状态变量的条件数学期望的精确值,而这类运算是传统线性方法所无法办到的,TNF为此所付出的代价是很大的计算量。TNF可以得到比EKF算法更好的精度,原因在于TNF利用数值积分方法直接计算某些量的精确数值结果,而不是采用线性近似,这就避免了由于线性近似引起的系统偏差。因此,TNF在强非线性背景下将得到更好的结果。本文通过仿真实验检验了TNF、EKF和GHKF的性能。实验中,模拟了弱、中、强三种强度的噪声,以及非机动、弱机动和强机动三类目标。实验结果表明,TNF在所有情况下都优于GHKF,远远优于EKF。除精度优势外,TNF的稳定性也强于EKF,在强噪声环境下,EKF存在发散问题,但是TNF在仿真实验中没有发散现象。本文最后对双基地无角度信息跟踪系统与传统单基地跟踪系统进行了简单的比较,结果表明,在距离和径向速度分辨力相同的前提下,只要双基地系统合理选择观测站位置,就可以得到与传统单基地跟踪系统相同的精度。