本文研究了火控系统中目标跟踪中的非线性滤波问题。分析目前火控系统目标跟踪中所存在的一些问题，并针对这些问题，基于unscented Kalman filter(UKF)算法提出一些有效改进措施。本文主要研究内容如下：首先本文基于贝叶斯框架结合火控系统的强实时性特点来研究目前主要的非线性滤波算法。针对火控系统强实时性的特点，选择合适的滤波算法；接着研究只有距离、高低角和方位角常规测量信息时的非线性滤波问题。传统的非线性滤波算法是扩展卡尔曼滤波(extended Kalman filter，EKF)算法，当线性化误差不可忽略时，将对目标估计产生较大的偏差。本文将在不同的探测精度下，对典型航路，分析比较EKF算法和UKF算法；然后本文研究在一定的探测精度下低速度高机动目标的不能精确跟踪问题。现有的滤波跟踪算法，大多采用的是上述常规测量摸型。针对这类问题本文引入雷达的多普勒测量信息，并基于UKF算法推导出相应的滤波算法。分析引入多普勒信息后对目标跟踪滤波器带来的影响，如：跟踪的动态性能、稳态性能及状态方差等；最后本文研究低频率测距高频率测角的非线性滤波问题。在光电跟踪设备中，测角设备的频率可以比测距设备的频率高的多，传统的光电跟踪设备对这些激光发射间隔内所测得的目标角度信息并未用于目标的航迹处理。对于测距间高频率测角信息，本文基于UKF算法设计相应的滤波算法，以期在不增加任何硬件成本情况下提高航路估计精度。对于上述的非线性问题，理论分析及数字仿真结果显示UKF方法比EKF算法具有更好的效果，基于UKF算法所提出的滤波算法对于上述火控系统目标跟踪中的非线性滤波问题是有效的，对工程应用提供了一种有益的参考。