本文针对光电跟踪设备在实际应用环境中跟踪精度与平稳性不足的问题，对光电目标跟踪中的滤波、预测方法和数据融合方法进行研究，主要研究内容与结果包括以下几个方面： 在目标跟踪的滤波、预测方法方面，提出一种在目标跟踪中利用一定数量的某类目标的观测数据，以其某阶差分与理想模型之差来近似确定Kalman滤波方程中模型噪声水平的方法，使得对模型噪声的估计尽量准确以提高目标状态估计精度，解决了Kalman滤波中模型噪声难以确定的问题；还提出在使用多尺度方法确定观测数据噪声特性的基础上实现自适应跟踪的方法。 根据光电跟踪设备目标跟踪的特点，提出广义合作目标的概念，将小视场光电跟踪系统跟踪的目标都归结为广义合作目标的某种类型；并在此基础上提出广义合作目标的误差空间估计方法，将机动水平不同的目标的跟踪转换为弱机动目标的跟踪，使得同样的目标运动模型能适应更宽的目标机动范围。 通过对单站式光电目标跟踪系统中的观测噪声来源及其关系进行分析，在通常的合成位置融合方法之外，提出脱靶量融合方法，并给出两种融合方法中观测数据方差特性的计算方法。同时，证明了脱靶量融合方法的融合结果只与探测器静态噪声方差有关，而与机架运动噪声无关，从而在融合时可以不用计算动态噪声水平，减小计算量。本文还将相关条件下多传感器的最小方差融合估计算法推广到n传感器的情况。 量测有效性不确定和量测不等维数是多传感器应用系统的两个典型特征。针对量测有效性不确定的问题，提出多传感器环境中非确定性量测条件下不确定性的衡量与表示方法以及对应的量测融合估计算法，并证明了该算法更具有普遍性，标准的量测融合算法只是其特例。针对观测向量维数不等的问题，提出按照观测数据的物理意义来构造维数较低的全局观测空间，将维数不等的局部观测向量扩展成全局观测空间中的等效表示形式，从而用复合量测滤波法进行融合的方法。该方法可以克服复合量测滤波法要求观测向量等维的局限，降低不等维数观测向量融合时的计算量。 针对天体跟踪中进行目标位置预测时动力学模型方法与运动学模型方法存在的问题，根据两种方法的预测误差来源与类型，提出利用动力学模型方法离线预测数据与测量数据来计算并补偿预测数据位置误差的误差空间估计方法和修正预测数据时间误差的序列匹配算法，并对这两种算法进行了一系列改进和推广。实验结果表明这两种算法结合使用时能取得较好的目标位置预测效果，且计算时间亦能满足实时应用的需要。 尽管本文以光电目标跟踪为背景，但以上几方面中除了脱靶量融合方法外，研究的都是目标跟踪中具有普遍性的问题，因此本文的方法和结论对其他类型的跟踪系统也同样适用。