随着国民经济的不断发展，人们对海洋环境的探索、海洋资源的开发活动逐渐深入，无人船也逐渐成为了研究的热点。无人船具有智能化程度高、机动性好的特点，因而广泛应用于海洋货物运输、海洋灾害预警甚至军事防御等诸多领域。要实现对周围物体的准确识别与跟踪，无人船必须具备较强的环境感知能力，因此目标跟踪成为了其关键的技术支撑。然而，无人船自身的特殊性及其复杂的使用环境将导致传感器量测值中可能含有野值噪声，导致传统的目标跟踪估计算法难以得到精度较高的估计结果。并且，无人船的目标跟踪问题要求估计算法能够对非线性系统进行估计，这限制了经典的卡尔曼滤波算法的应用。因此，本文针对复杂量测环境下的无人船目标跟踪问题开展研究，主要的相关工作包括以下三个部分：
　　1)无人船目标跟踪模型与量测噪声分析。分析了无人船自身特点及其复杂的使用环境，结合无人船目标跟踪的数学模型，建立了无人船传感器系统的复杂量测误差模型。通过对量测误差的分析，揭示了量测误差影响目标跟踪算法性能的机理，并通过仿真实验进行了验证。仿真结果表明，在复杂量测环境下，目标跟踪算法性能将严重退化，必须采取鲁棒的目标跟踪算法以提高算法的鲁棒性能。
　　2)鲁棒的非线性目标跟踪算法研究。首先介绍了几种经典的非线性估计算法以及常用的鲁棒化方法。随后基于容积卡尔曼滤波算法的求解框架提出了一种新的鲁棒估计算法，并分析本文方法与已有估计算法的区别。通过仿真实验验证了本文提出的算法具有较好的鲁棒性，通过Wilcoxon符号秩检验验证了本文方法与其余算法的估计结果具有显著差异。
　　3)通过数学工具对目标跟踪算法之间的性能差异进行理论分析。仿真实验显示本文算法与其余算法的性能具有显著差异，但是没有反映造成这一差异的本质原因。因此，首先引入了影响函数，推导并计算了几种算法的影响函数，计算结果表明本文方法具有较好的鲁棒性。随后介绍了矩阵病态与条件数，通过条件数验证了本文算法具有较好的数值稳定性。