运载火箭的有效性与其精度是密切相关的,在精度方面一点较小的改善,也会大大提高运载火箭总的性能。高精度的弹道数据一方面对于鉴定和分析运载火箭的制导系统、动力系统以及其他分系统都是极为重要的。另一方面,高精度的弹道数据对于准确预报火箭各级落点,从而对火箭飞行的沿途城市和重要设施进行实时安全控制都是尤为重要的。因此,运载火箭测量数据高精度处理一直是航天发射的十分重要任务之一。自然,这一十分重要的课题也引起了众多学者的高度关注。基于提高火箭飞行测量数据处理精度的考虑,提出了火箭飞行测量数据处理的多尺度融合算法理论及应用研究这一课题,并着重在雷达测量数据的融合和多尺度分析两个方面进行研究。针对我国航天测量体制的特点,首先建立了适合我国运载火箭飞行测量数据多尺度融合处理的功能和结构模型。考虑到目前我国运载火箭飞行测量处理的应用实际,以建立起的融合的功能和结构模型为基础,确立了选择数据级集中式无反馈结构作为研究的出发点。第二,应用多尺度分析理论,建立了基于信号的时间—尺度表示方式的动态模型方程,并以此建立了不同坐标系下的多尺度表示的运载火箭飞行测量的动态模型。第三,以建立的动态模型方程为基础,提出了一种基于Kalman滤波的测量数据事后处理的多尺度融合算法。实际算例结果表明:(1)提出的算法是非常有效的,处理精度的改善是明显的;(2)尺度越小,处理精度改善的效果越明显;(3)较α-β-γ滤波算法精度上有较大改善。第四,通过建立基于数据块的动态方程,提出一种实时处理的多尺度融合算法,算法充分吸取了目标跟踪领域里常用的Bar-Shalom算法的思想。实际算例结果表明:(1)提出的算法是非常有效的,处理精度的改善是明显的;(2)尺度越小,处理精度改善的效果越明显;(3)较α-β-γ滤波算法精度上有较大改善。但是,与α?β?γ滤波算法相比,这种实时处理多尺度融合算法处理的时间更长一些。其实,这应该是可以预料到的。这也说明,在多尺度融合处理领域里,提高数据处理精度和提高处理运算速度还存在着矛盾。上述两种算法中,基于Kalman滤波的多尺度融合算法的改善效果比基于数据块的多尺度融合算法的改善效果好;同时,小波变换在不同尺度间起着桥梁作用。作为数据融合前的准备,还对火箭飞行多点测量数据的空间对准和时间对准进行了研究,在研究运载火箭飞行测量数据常用的坐标系统及坐标转换后,给出了一种坐标转换误差估计的算法以及仿真计算的结果。这种算法具有很大的通适性,有利于消除各类坐标转换误差,从而提高空间对准的精度。在论述时间对准