目标跟踪是当前国内外的热门研究方向之一,在军事、医学、导航和安全监控等领域都有着广泛的应用,它是一类混合坐标系下对目标位置等信息进行估计并跟踪的技术。基于混合坐标系的目标跟踪中,常用的滤波算法是去偏转换坐标卡尔曼滤波(DCMKF)和Unscented卡尔曼滤波(UKF)。实际工程中,由于各种干扰的存在,测量的数据不可避免有一定探测概率,即不完全测量的情形,这将直接影响目标跟踪滤波器的性能,甚至造成跟踪目标的丢失。目前,国内外学者从理论上对不完全测量下标准卡尔曼滤波的统计特性进行了分析,本文以此为基础,采用不完全测量思想,设计了不完全测量下的DCMKF和UKF两类滤波器,并分析了其统计特性,为工程设计提供了理论依据。首先,本文对目标跟踪中常用的非线性滤波算法进行讨论,从计算量、滤波精度等方面,总结了去偏转换卡尔曼滤波(DCMKF)和Unscented卡尔曼滤波(UKF)的优缺点,接着通过残差检测,滤波器切换等方法将这两种滤波算法推广到不完全测量的情形。本文完成了两类滤波器的设计,并且给出了统计意义下的滤波器分析。对不完全测量下的去偏转换卡尔曼滤波,本文理论分析并证明了统计意义下探测概率和滤波器稳定的关系,指出当探测概率大于某一临界值时,滤波估计的误差方差有界,并给出了该临界值的上界。对于不完全测量下的UKF,本文通过分析完全测量下稳定的充分条件,证明了探测概率大于临界探测概率时,滤波器稳定。最后,理论分析以及仿真试验证明了上述论点的正确性和真实性,对工程设计具有一定的参考意义。