随着现代信息技术和控制技术的发展,反舰导弹以其多变的机动形式和强劲的突防能力给各国的海上军事设备带来巨大的威胁,因此研究高精度的滤波跟踪算法,实时的对反舰导弹进行监控跟踪,对海上军事设备反导能力的提高有着重要的意义。本文是以交互多模型算法(Interacting Multiple Model,IMM)为基础进行研究,主要的贡献分为以下几个方面:首先,研究了几种常用的目标跟踪模型和非线性滤波算法。在跟踪模型方面,重点对反舰导弹的“蛇型”运动模型进行了研究分析。在滤波算法方面,对UKF算法、CKF算法以及5CKF算法进行了详细的理论推导和适用性分析,针对单纯滤波算法精度低的缺点,对Sage-Husa理论进行了研究,并与5CKF算法进行结合提出了一种基于误差协方差自适应的五阶容积卡尔曼滤波算法(Adaptive Five-Degree Cubature Kalman Filter,A5CKF),具有更好的跟踪精度和收敛速度。其次,针对由马尔可夫概率转移矩阵固定而导致的交互多模型算法的误差问题,本文提出一种基于马尔可夫参数自适应的交互多模型自适应五阶容积卡尔曼滤波算法(AIMMA5CKF),这是一种基于后验信息矫正的方法。该算法利用定义的误差压缩率之比实现对马尔可夫概率转移矩阵的自适应调整,促使在模型切换过程中增大匹配模型信息的同时减小非匹配模型的信息,从而减小了跟踪的误差。最后,针对传统交互多模型算法中由模型概率调整速度而引起的误差问题,本文提出了一种基于模糊自适应的交互多模型自适应五阶容积卡尔曼滤波算法(FAIMMA5CKF),该算法首先利用高精度的A5CKF算法以实现对误差协方差的自适应调整,然后利用模糊控制算法实现对模型概率的自适应更新,以此来加快模型概率的更新速度,进一步提高了系统的跟踪性能。