卡尔曼滤波是在线性无偏最小方差估计原理下推导得出的一种递推滤波方法,它引入了状态空间的概念,借助系统的状态估值和当前时刻的观测值递推新的状态估值。首先,介绍了Kalman滤波的发展现状,讨论了非线性Kalman滤波、自适应Kalman滤波的发展和应用前景,介绍了几种新的滤波方案,如粒子滤波、Unscented滤波等,研究表明,不同的应用环境需要使用不同的自适应Kalman滤波方法。然后,介绍了标准Kalman滤波和广义Kalman滤波的计算流程,为Kalman滤波在目标跟踪中的应用打下了基础。接着,讨论了卫星目标轨道的跟踪问题,利用广义Kalman滤波方法,应用雷达测距和测角原理,在获得了卫星的距离、高低角和方位角后,估计卫星轨道坐标和速度,并讨论了雷达测量精度对轨道位置和速度估计精度的影响。最后,讨论了再入飞行器弹道系数的自适应估计问题,将弹道系数作为未知参数,同时估计弹道系数和再入飞行器位置和速度,并分析了同时将弹道系数、噪声统计特性作为未知参数的自适应滤波方法。