本文是在中科院长春光机所的光电经纬仪的基础上，在光电跟踪的过程中引入了机动目标跟踪技术，在传统的光电经纬仪的应用领域内，它跟踪目标的方法以电视跟踪为主，包括捕获电视、测量电视、红外电视等不同的形式，电视跟踪采用的方法就是通过连续的获得被观测飞行器的拍摄图像，然后对每个图片进行图像处理，如图像识别，形心跟踪，得到目标相对于观测的主轴的偏差量，即所谓的脱靶量，然后将所得到的偏差信息传递给光电经纬仪的执行机构，即通过力矩电机来调整偏差量，使观测的主轴瞄准目标或者减小与目标的偏差来完成对目标的跟踪。但是光电经纬仪的测量设备存在观测误差，而且测量过程需要一定的时间，另外，在对观测得到的数字图片进行图像识别，形心跟踪等图像处理算法处理也需要运算时间，由此可见电视跟踪方法得到的修正信息一直都是滞后的，无法适应高速运动的机动目标。 由于光电经纬仪所采用的传统的光电跟踪方法本身具有时间滞后的缺陷，因此，提出了在光电跟踪过程中使用状态估计的算法，根据当前的观测值，给出被跟踪目标的下一个状态的估计值，来提高光电经纬仪对观测目标的跟踪精度和光电跟踪的整体性能。由于卡尔曼滤波算法既适合平稳随机过程也适合非平稳随机过程，而且滤波估计在工程中得到了广泛的应用，因此本文仍然采用这种算法。在理论分析的基础上，本文提出了在基于当前统计模型均值自适应卡尔曼滤波算法中的在线自适应参数调节的方法，根据一维情况下基于“当前”统计模型的均值自适应卡尔曼滤波算法推导x-y平面上的二维状态空间表达式，得出状态噪声和观测噪声的方差阵的计算公式，通过Matlab编程对屏幕上鼠标的随机移动和几种典型的目标机动曲线进行了仿真，通过仿真实验对仿真结果进行MonteCarlo分析。 本文的研究工作分为以下三个部分： 1、通过对光电经纬仪的基本结构功能及其应用领域的介绍，提出了在光电跟踪过程中使用机动目标算法，来提高光电经纬仪对观测目标的跟踪精度。总结了机动目标跟踪发展的现状，并列举出机动目标建模和状态估计的主要算法。 2、对机动目标跟踪问题建立离散系统状态空间表达式，列举了几种常用的跟踪坐标系，介绍了正交定理和卡尔曼滤波算法推导过程。重点分析了机动目标数学模型的建立方法，以及论文中要用到的“当前”统计模型，分析了三维空间中建立基于当前统计模型的均值自适应算法。 3、利用一维系统的当前统计模型推导出x-y平面上的基于当前统计模型的均值自适应卡尔曼滤波算法，根据卡尔曼滤波过程中新息向量的大小在线调节状态转移矩阵、输入控制矩阵、状态噪声方差阵、观测噪声方差阵的机动频率和加速度的最值，对观测序列使用了有限记忆和强制平均等处理方法。在Matlab环境下，通过编程生成一个图形界面，响应鼠标运动的消息，对屏幕鼠标随机运动进行跟踪；另外，对阶跃运动，直线变圆周运动等几种典型跟踪曲线进行仿真，分别从位置误差，速度误差和加速度误差三个方面对仿真结果进行分析，从仿真结果可知将机动目标跟踪技术应用到光电跟踪过程中，可提高光电经纬仪的精度，减小丢失目标的可能性。 4、最后在总结全文的基础上，指出了若干有待深入研究的问题，分析了机动目标跟踪未来发展的方向。 虽然论文的讨论在深度和广度上还不够，但由于机动目标跟踪技术的广泛应用，相信本文的工作对机动目标跟踪技术在光电经纬仪应用中的进一步研究有一定的参考价值。