弹道目标的跟踪和识别是弹道导弹防御系统的核心任务之一,是后续进行有效目标拦截的基础。本文基于弹道导弹攻防对抗的相关项目背景,研究了再入弹道目标的跟踪和基于质阻比的识别技术。第一章阐述了课题研究的背景和意义,简述了国内外再入弹道目标跟踪和识别技术现状,介绍了论文的研究内容和整体框架。第二章研究了再入弹道目标的跟踪技术。首先介绍了跟踪坐标系、地球重力模型和大气阻力模型,给出了弹道目标的运动方程和弹道轨迹的生成方法;然后介绍了扩展Kalman滤波(EKF)算法的滤波流程和滤波器初始化方法,给出了弹道目标的状态方程和量测方程;最后基于龙格库塔(Runge-Kutta)积分,提出了一种改进的不敏Kalman滤波(UKF)算法,该算法能够很好地解决运动模型为连续非线性常微分方程组的跟踪滤波问题,避免对运动方程进行线性化和离散化处理,减小了离散化误差,仿真表明性能明显优于常规算法。第三章研究了基于质阻比的再入弹道目标识别技术。首先介绍了扩维Kalman滤波算法的原理和流程,研究了基于质阻比估计值的目标识别方法的原理和不足;然后,为了能够有效地避免质阻比估计的收敛过程和对大气模型的建模,通过分析各类再入弹道目标的质阻比差异、目标在大气中的减速效应以及不同目标之间的相对速度和位移,研究了利用目标相对运动差异进行目标识别的可行性和方法的适用范围;最后提出了三种基于相对运动差异的目标识别方法:基于相对速度的识别方法、基于相对能量差异的的识别方法和基于运动状态差异的识别方法,这三种方法分别利用不同目标的相对速度、目标单位质量机械能的损耗和目标的速度归一化误差表征目标质阻比的相对大小,从而实现对目标的识别,仿真表明上述方法具有良好的识别性能。论文最后对全文的主要工作进行了总结,对今后工作方向提出了一些参考意见。