弹载或机载无源雷达具有系统简单、作用距离远、隐蔽性强等优点被广泛应用于军事和民用领域,例如导弹在远距离导引时需要对地面慢速运动目标实现远距离纯方位定位或跟踪。受地球曲率及不规则地形的影响,观测站相对于地面目标的高度信息未知,此时利用传统单站纯方位定位与跟踪方法所得到的估计结果存在较大误差。本文针对相对高度未知的单站纯方位目标定位与跟踪问题展开研究,分别提出基于加权工具变量的扩维目标定位算法和基于状态相关的扩展卡尔曼目标跟踪算法。具体的研究内容如下:1.对传统典型的单站纯方位地面慢速目标定位与跟踪算法进行了梳理,并进行了算法性能分析和比较,为观测站相对地面慢速目标高度未知的纯方位定位与跟踪算法研究奠定基础。2.针对相对高度未知条件下的单站纯方位地面慢速目标定位问题,提出一种基于加权工具变量的扩维目标定位算法。首先,通过对高度变化过程进行建模,将传统的地面二维目标位置估计转化为四维参数估计问题;然后,结合方位角和俯仰角测量方程,构造新的扩维伪线性测量方程;最后,分别提出加权工具变量和两步加权工具变量算法获得目标位置、观测站与目标相对高度及其变化率的估计值。仿真结果表明:在不同测量噪声标准差下,两步加权工具变量算法所得目标位置、观测站相对目标高度及其高度变化率估计值的均方根误差均比伪线性算法、工具变量算法以及加权工具变量算法更接近Cramér-Rao下界。3.针对相对高度未知条件下的单站纯方位地面慢速目标跟踪问题,提出一种基于状态相关的扩展卡尔曼目标跟踪算法。该算法采用Gauss-Helmert状态转移模型,建立目标位置与相对高度之间的约束关系,以解决常规的离散动态模型难以对目标状态进行准确预测的问题。仿真结果表明:与传统的扩展卡尔曼滤波算法相比,基于状态相关的扩展卡尔曼目标跟踪算法的收敛速度更快,所得估计值的均方根误差更小,且能够接近后验Cramér-Rao下界。