随着现代科学技术和产业的蓬勃发展,使得被跟踪目标的种类越来越丰富,目标的机动性也越来越强,从而人们对目标跟踪的精度提出了更高的要求。如何利用目标的观测量,通过应用目标跟踪滤波算法得到目标状态的估计,实现对目标的连续跟踪定位,是目标跟踪技术研究的重点和关键。本文以静止单测向站的定位数据作为观测量,以运动辐射源作为跟踪目标,对目标辐射源常见的运动状态建模,围绕着如何提高运动辐射源的跟踪定位精度,对目标跟踪算法展开了深入研究,将本文完成的工作及研究成果概括如下:1、研究了传统线性卡尔曼滤波算法,结合观测量特点提出了坐标转换卡尔曼滤波算法。研究了常用的非线性卡尔曼滤波算法,包括扩展卡尔曼滤波算法和无迹卡尔曼滤波算法,并提出了简化无迹卡尔曼滤波算法。通过仿真,将常规滤波算法与基于卡尔曼滤波的几种跟踪滤波算法进行了性能的分析和比较,发现在本文研究背景下,无迹卡尔曼滤波算法具有更好的跟踪滤波性能。2、研究了在跟踪滤波过程中对系统模型噪声和观测噪声进行自适应处理的方法,并且结合性能表现最优的无迹卡尔曼滤波算法,提出了自适应无迹卡尔曼滤波算法,并对可能存在的滤波发散情况进行了实时的判断和修正,提出了改进的自适应无迹卡尔曼滤波算法。通过仿真,验证了提出的算法防止滤波发散的可行性,以及通过自适应噪声处理过程能够提高目标跟踪精度的性能。3、研究了目标辐射源常见的运动状态,分别在二维平面直角坐标系和三维空间直角坐标系中建立了近匀速运动模型、近匀加速运动模型和近匀转弯运动模型。考虑到目标做机动运动,研究了交互多模型算法,并将交互多模型算法与无迹卡尔曼滤波算法相结合,提出了交互多模型的无迹卡尔曼滤波算法。为进一步提高跟踪精度,引入了自适应噪声估计器并进行防发散处理,提出了交互多模型的改进自适应无迹卡尔曼滤波算法。通过仿真和外场实验,验证了算法性能的优越性。