随着计算机技术的不断发展,作战形式的不断更新,以及“网络中心战”、“信息栅格技术”等概念的进一步延伸,分布式的防空火控目标跟踪系统逐渐成为现代信息化条件下作战发展的主要趋势。在分布式火控系统中,各观测节点对同一目标的运动状态进行观测时,各节点的状态观测值之间存在一定的相关性。然而在实际应用中,这种相关性很难精确获取,但是忽略这种相关性会对融合精度产生不良影响。另外,由于作战环境的变化、周围电磁环境的影响以及探测器自身故障等原因,局部探测器在目标跟踪过程中可能会出现量测时滞、数据丢失等数据不完全量测的情况。因此,为了进一步提高分布式火控目标跟踪系统的跟踪精度,本文从工程应用的角度出发,主要对节点间相关性未知时不完全量测情形下的分布式目标跟踪滤波融合方法进行相关的理论研究。本文的主要研究内容和取得的成果如下:（1）针对局部观测节点状态观测值之间相关性确切未知的情形,通过分析互协方差矩阵的传播规则,建立互协方差矩阵的相关系数模型,并对其进行数学分析,进而提出一种求解互协方差上界的方法。然后基于Bar-Shalom融合算法求取两个节点之间数据融合结果。针对多传感器融合的情形,提出了序贯融合的策略,最后通过仿真实验证明了所提算法的有效性。（2）针对分布式目标跟踪系统中出现观测时滞的情形,首先,采用了一种适用于带有观测时滞系统的滤波算法,再结合基于互协方差上界的Bar-Shalom算法对局部节点的估计值进行数据融合,最后通过仿真实验对融合性能进行了比较与分析。仿真结果表明:该方法能在满足一定融合精度的同时,具有较好的实时性。（3）针对分布式目标跟踪系统中出现量测数据丢失的情形,首先,建立伯努利不完全量测模型,采用一步状态预测来对观测丢失数据进行补偿,进而推导出一种改进的卡尔曼滤波算法。考虑到节点的融合顺序对融合结果的影响,采用序贯快速协方差交叉融合算法对局部节点的估计值进行数据融合。最后通过仿真实验验证了所提方法的有效性。（4）考虑到实际应用中某些跟踪目标的机动性,结合分布式火控目标跟踪系统中量测信息丢失的情形,首先,构建了分布式火控非线性目标跟踪系统的模型。然后,在构建不完全量测模型的基础之上,建立一个丢包补偿器以及增加一次sigma点集的选取来对无迹卡尔曼滤波进行改进。考虑到实时性的要求,采用了批处理形式的快速协方差交叉融合算法对多传感器的情形进行数据融合。最后通过仿真证明了所提方法的有效性。