本文以高速机动飞行器为跟踪对象,研究核卡尔曼自适应目标跟踪算法,考虑高速机动飞行器在临近空间巡航段的飞行,并存在可能的机动（盘旋机动,C机动,S机动）,地面站采用雷达对该目标进行跟踪监视。以雷达的带噪声的量测值作为输入,采用基于卡尔曼滤波框架的核卡尔曼自适应目标跟踪算法,对雷达带噪量测值进行实时滤波处理和预测修正。本文主要研究内容分为4个部分:1.建立高速机动目标运动模型。考虑到模型特征及设计需求,在六自由度运动模型的基础上,添加气动模型、固体火箭发动机和超燃发动机结合的发动机推力模型、以及不同海拔高度的大气密度模型,建立面向控制的高速机动目标运动模型,模拟飞行器在运动过程中的可能存在盘旋机动轨迹、C机动轨迹,S机动轨迹。2.设计基于滑动窗的核卡尔曼目标跟踪算法（Adaptive Kernel Kalman Filter based on Sliding Window,SWA-KKF）。在希尔伯特空间中引入卡尔曼滤波框架,通过核技巧实现RKHS空间中量测值的实时预测估计和滤波修正,同时在核卡尔曼算法中引入滑动窗及时更新训练值,确保当前预测模型更符合目标真实运动状态。为了验证SWA-KKF算法的有效性,使用真实实测数据进行验证。3.设计基于滑动窗和最大熵准则的核卡尔曼自适应目标跟踪算法（Adaptive Kernel Kalman Filter based on Sliding Window and Maximum Correntropy Criterion,SWA-KF-MCC）。在SWA-KKF算法中引入最大熵准则（Maximum Correntropy Criterion,MCC）代替最小均方误差准则（Minimization Mean Square Error,MMSE）,算法可以取得更好的跟踪精度以及更强的鲁棒性。为了验证SWA-KKF-MCC算法的有效性,使用真实实测数据进行验证。4.以高速机动飞行器飞行过程中的盘旋机动、C机动、S机动3个典型机动行为作为跟踪轨迹,采用SWA-KKF和SWA-KKF-MCC对雷达带噪量测值进行实时滤波估计和预测修正,以KF,UKF算法作为对照组,并探索分析了核卡尔曼自适应算法中的参数自适应调节、不同强度噪声滤波效果、滑动窗长选取等问题。本文采用SWA-KKF及引入最大熵准则的SWA-KKF-MCC算法进行高速机动飞行器实时跟踪的研究,算法使用带噪声的训练值构造状态转移矩阵,引入最大熵准则和滑动窗实现参数自适应调节和训练值的更新,实现对雷达带噪量测值的实时滤波估计和预测修正,预测值更接近目标真实运动轨迹。