面对日益增多的空间飞行目标和复杂的测试环境，如何对目标进行实时定位，对于提高武器系统在现代电子战环境下的生存能力和作战能力有着重要的研究价值和应用前景。　　 本文系统地研究了目标实时定位中的一些前沿和热点问题：仅有角度信息的多个无源定位子系统对目标的实时定位问题、仅有距离信息的多个有源定位子系统对目标的实时定位问题、目标实时定位的融合模型及融合算法等，提出了一些新的观点，取得一些研究成果。主要内容如下：　　 1.研究了仅有角度测量信息的多个无源定位子系统对目标进行实时定位的方法。根据测量时的空间几何关系，给出了目标实时定位的两站交会方法，然后提出了适于多站实时定位的多面最小二乘交会方法，该方法在只有两站交会时等同于异面交会法，具体是通过构造相交的多个垂直平面，不需要模型的切换，不需要增加过多的计算负担，能实时获取目标的位置信息。分析各个交会方法的适用范围和影响交会精度的各个因素，给出了交会角和测量基线联合的实时交会选优原则，为交会模型的切换提供参考依据。　　 2.研究了基于距离信息的实时定位方法。基于角度信息、角度—距离联合的定位方法不能实现远距离高精度的目标实时定位，在这种情形下，提出了基于距离的3R交会方法，推导了该方法的计算公式，得出该方法的最优交会点的两个必要条件，并进行仿真验证。　　 3.研究了多定位子系统组网时的实时融合模型。为了获得最佳的实时定位效果，根据组网定位系统的特点和要求，选取一种混合式融合结构，在系统级的结构为分布式，而中心级的处理采用集中式处理算法。用滑窗式最小二乘法对观测数据进行时空配准，此方法理论简单，计算量较少，可以降低融合中心的计算量，具有很强的工程实用性。　　 4.研究了目标实时定位的融合算法。将关于目标位置的实时数据分别用最近邻法、加权平均融合法、自适应加权融合法和Kohonen神经网络法进行融合处理，试验结果表明，传统数据处理方法的定位误差最大，kohonen神经网络法的定位误差最小，最近邻法优于传统数据处理方法，而加权平均融合方法优于最近邻法，自适应加权融合法优于加权平均融合方法。