在传统的多目标跟踪系统中,所考虑的传感器的采样间隔被假定为恒定的或先前已知的。然而,在TWS(边跟踪边扫描)系统中,由于雷达天线的通过电磁波扫描方式获得目标点迹信息,在天线扫描期间,天线与目标之间存在相对运动,因此目标与目标之间及同一目标的不同扫描周期之间的重访间隔各不相同且未知。TWS雷达主要有两种扫描方式,一种是圆周扫描,一种是扇形扫描方式,对于圆周扫描的TWS雷达,一次扫描中一个目标的重访间隔的精确值取决于目标状态以及过程噪声。传统目标跟踪系统中,以天线扫描周期为目标重访间隔建立系统模型会导致明显的建模不匹配。特别是在使用低扫描速率天线跟踪高速目标时,可能会出现性能下降,例如轨道精度损失和轨道连续性等。而对于扇形扫描方式的TWS雷达,除目标状态及过程噪声会影响目标扫描间隔外,天线的扫描方向同样会影响目标扫描间隔。对于同一目标,特别是扫描区域边界的目标,天线从顺时针到逆时针对目标的扫描间隔必然与天线从逆时针到顺时针的扫描间隔差距较大。鉴于以上问题,本文针对TWS雷达的时间不确定性问题做出了以下工作:(1)针对TWS雷达跟踪系统中模型不匹配的问题,考虑目标的状态与目标重访间隔的非线性关系,提出了由方程组而不是单个方程来制定具有重访区间不确定性的跟踪系统的系统模型。(2)针对圆周扫描的扫描特性,依据目标状态与重访间隔的空时关系,建立圆周扫描的TWS雷达目标跟踪系统模型,提出了一种迭代方法来同时计算目标状态和重访间隔。该时空联合处理过程被认为是一般的非线性函数,因此采用UT变换(不敏变换)来产生迭代变换输出的统计特性。基于UT变换及迭代法建立了一种新的跟踪滤波器,用于实现TWS中的准确一致估计。最后,基于所提出的滤波器和线性多目标集成概率数据关联(LMIPDA)构建多目标跟踪器。(3)分析了TWS雷达天线扇扫的扫描机制,包括匀加速扫描方式及三角函数扫描方式,针对这两种扫描方式,分别分析其目标重访间隔与目标状态及扫描方向的关系,建立了系统模型,给出了完整的目标状态估计算法及多目标跟踪方法,并进一步分析了算法性能。同时考虑机动目标的特殊性,应用IMM(多模型估计)算法实现了扇扫TWS雷达下机动目标的状态估计算法。