《目标跟踪与数据融合理论及方法》介绍了目标定位与跟踪的目的、意义、基本概念和基本原理；目标定位的概念、方法和定位误差的度量；目标跟踪的基本方法；机动目标跟踪典型算法；基于纯方位的单站目标跟踪问题；水下目标被动跟踪算法以及平台的航路机动优化方法；目标跟踪中的多传感器数据融合；目标跟踪算法的仿真与验证问题等。《目标跟踪与数据融合理论及方法》适合相关领域的研究人员和工程技术人员阅读，也可作为高等院校相关专业研究生教材。 第1章绪论1.1引言1.2基本原理1.3内容组织第2章目标定位2.1概述2.2坐标系及坐标转换2.2.1地球椭球知识2.2.2常用坐标系2.2.3坐标转换关系及计算2.3定位误差的度量2.3.1三维正态分布2.3.2等概率密度椭球（误差椭球）2.3.3落人误差球的概率2.3.4球概率误差及圆概率误差2.4空间定位方法及误差分析2.4.1单站球坐标测量定位系统2.4.2多站斜距离测量定位系统2.4.3动目标定位的平滑第3章目标跟踪基本方法3.1概述3.2坐标系的选择3.2.1极坐标系3.2.2直角坐标系3.3数据预处理3.3.1野点剔除3.3.2数据压缩技术3.4目标运动模型3.4.1微分多项式模型3.4.2CV和CA模型3.4.3辛格模型3.4.4半马尔科夫模型3.4.5机动目标“当前”模型3.4.6二维转弯运动模型3.4.7三维模型3.4.8比例导引运动模型3.5量测模型3.5.1传感器球坐标模型3.5.2传感器直角坐标模型3.5.3两种测量坐标转换误差分析3.6基本的目标跟踪滤波方法3.6.1基于圆周运动模型的卡尔曼滤波算法3.6.2基于比例导引运动的卡尔曼滤波算法第4章机动目标跟踪方法4.1机动检测自适应滤波4.1.1机动检测方法4.1.2实现机动检测自适应滤波的各种方法4.1.3变维滤波算法4.2实时辨识自适应滤波4.2.1噪声统计特性的极大似然估计4.2.2噪声均值与协方差时变时的自适应滤波算法4.2.3输入估计法4.3“全面”自适应滤波4.3.1MM算法的一般描述4.3.2滤波器重新初始化和IMM算法4.4基于弹道特性的高速机动目标跟踪算法4.4.1高速机动反舰导弹的运动建模4.4.2基于参数辨识模型的机动目标跟踪算法4.4.3基于弹道规律的机动目标跟踪算法第5章基于纯方位的水下目标被动跟踪方法5.1概述5.1.1可观测性研究状况5.1.2定位与跟踪算法的研究状况5.1.3单站观测器机动航路优化的研究状况5.2单站纯方位目标运动分析的可观测性分析5.2.1引言5.2.2问题描述5.2.3确定性方位测量的图解分析5.2.4系统的可观测性5.3单站纯方位目标定位与跟踪算法5.3.1系统模型描述5.3.2基于辅助变量的伪线性递推最小二乘估计算法5.3.3近似线性化的两阶段滤波算法5.4纯方位观测器平台机动航路优化5.4.1定位与跟踪误差的下限5.4.2航路优化问题的提出5.4.3观测器航路对定位精度的影响5.4.4潜艇典型航路的定位精度分析5.4.5航路优化的方法第6章基于多传感器数据融合的目标跟踪方法6.1概述6.1.1数据融合的定义6.1.2多源数据融合模型6.1.3数据融合的主要处理内容6.1.4.一个典型的数据关联－状态融合跟踪环6.2时间与空间配准6.2.1问题描述6.2.2时间配准算法6.2.3空间配准算法6.3数据关联6.3.1数据关联举例6.3.2数据关联过程6.3.3数据关联的一般步骤6.3.4典型数据关联方法6.4航迹及其融合6.4.1基本概念6.4.2航迹管理6.4.3航迹关联6.4.4航迹融合第7章目标跟踪算法的仿真与验证7.1概述7.2系统分析法7.2.1多项式分析7.2.2Riccati方法7.2.3Cramer－Rao下界方法7.3MonteCarlo仿真设计7.3.1MonteCarlo仿真方法7.3.2随机数的产生方法7.3.3仿真设计与结果解释7.3.4一些常用的统计指标7.4目标跟踪算法的仿真7.4.1引言7.4.2软件结构设计7.4.3软件子模块设计参考文献