空间目标自主定向跟踪是空间信息获取的主要手段，对于自主交会对接、卫星的编队飞行、卫星在轨服务、空间碎片清理等多种任务实施有着重要的应用价值。空间目标自主定向跟踪包括对监视星的自主控制和对目标的相对导航，其目的在于提供目标实时可靠的相对运动状态，为目标的辨识、分类、编目和其他的决策提供依据。然而在目标具有非合作性且机动的情况下，基于常规卡尔曼框架滤波方法的相对导航由于在稳态时协方差阵趋于小值，很难适应状态突变下的滤波跟踪，可能会造成监视星丢失目标，使对目标的监视变得十分困难。本文针对这一问题开展研究，主要研究成果为:　　1.采用容积卡尔曼滤波(Cubature Kalman Filter，CKF)算法在质心惯性坐标系下完成监视星的指向姿态确定，为监视星对目标进行高精度定向做准备。仿真表明，与传统的扩展卡尔曼滤波(Extended Kalman Filter，EKF)算法相比，当姿态角和陀螺漂移的初始值与先验统计不匹配或存在一定误差时，CKF算法的收敛速度和滤波精度明显好于EKF算法。　　2.由于目标具有非合作的性质，其轨道姿态信息难以精确知道，当对其进行导航的时候，目标相对于监视星的初始位置、速度与真实值之间存在较大的误差。利用CKF算法在初始估计值偏差较大的情况下，依然能够获得较快的收敛速度和较好的滤波精度的特点，将CKF算法应用于对非合作目标的相对导航中，相较于EKF算法能够在较短时间内获得足够高的滤波精度。　　3.当非合作目标为了自身轨道维持，以及根据飞控任务进行热点区域的定向观测而进行轨道调整机动的时候，会引起目标相对于监视星的状态产生突变，这会导致CKF算法滤波效果变差。为了解决这一问题，推导出一种强跟踪CKF算法(Strong-Tracking Cubature Kalman Filter，STCKF)，该算法通过在预测协方差矩阵中引入渐消因子，对增益矩阵进行调整，使得在目标机动引起状态突变时，依然能够对突变的状态保持跟踪，提高了监视星对空间非合作机动目标的导航跟踪能力。　　4.在相对导航中，采用一种普适的状态转移方程，不仅适用于圆轨道的相对导航，而且也适用于带有偏心率轨道的相对导航。尤其是对于带有偏心率的轨道，普适的状态转移方程比CW方程具有更高的精度。