随着非线性滤波应用范围的不断扩展,实际目标跟踪系统往往表现出以往不具有的特性,如:噪声相关、状态突变等,针对这些特定系统的滤波方法尚不完善。因此,研究能够处理噪声相关和状态突变情况的非线性滤波方法具有重要的理论意义和实际应用前景。现代战争日趋复杂,各种面向应用背景的多传感器系统大量出现,非线性模型往往能够更准确地描述这些实际系统。因此,本文将针对非线性系统,给出基于扩展信息滤波器(Extended Information Filter, EIF)的三种多传感器融合算法,并通过仿真实验比较了各算法的性能差异。本文开展了如下工作:(1)给出了新的UKF-STF-CN滤波算法。首先,考虑过程噪声和量测噪声相关情况下的系统,给出了可应用与该系统下的UKF-CN滤波算法。其次,将渐消因子引入我们提出的UKF-CN算法,通过在线调整滤波增益阵增强了UKF-CN滤波算法应对模型不准和状态突变的能力,给出了可应用与噪声相关系统下的UKF-STF-CN算法。最后,通过纯方位角目标跟踪系统仿真实验验证了新算法的有效性。(2)给出了新的SCKF-STF-CN滤波算法。该算法优化了UKF滤波算法的采样策略,提高了UKF算法应对高维状态的能力和估计精度;并且,通过引入QR分解进一步提高了算法的滤波稳定性。同样,我们通过纯方位目标跟踪系统仿真实验验证了新算法的有效性。(3)针对非线性系统,给出基于扩展信息滤波器(Extended Information Filter, EIF)的三种多传感器融合算法,通过仿真实验比较了融合算法的功能等价性,并对三种算法的特点进行了分析介绍。