以临近空间高超声速目标作为研究对象，提出一种迭代简化平方根容积卡尔曼滤波算法(IRSRCKF)。该算法以平方根容积卡尔曼滤波算法(SRCKF)为理论框架，针对SRCKF算法对于系统的状态方程为线性时需用容积点进行加权求和的缺点，对SRCKF算法的时间更新环节线性简化，提高了实时性；结合迭代运算的思想，充分利用量测信息，对量测更新过程进行迭代运算，提高了跟踪精确度。仿真验证结果表明，该算法具有较高的精确性和有效性，为临近空间高超声速目标的跟踪提供了一种新方法。

为解决容积卡尔曼滤波器对机动目标跟踪过程中因模型不准确出现的加速度跟踪超调问题，对消隐记忆滤波和平方根滤波理论进行了研究，提出了一种消隐记忆因子改进的平方根容积卡尔曼滤波算法（Memory Attenuation Square-root Cubature Kalman Filter，MASCKF）。首先推导了基于线性状态方程的简化平方根容积卡尔曼滤波算法，提高了算法的实时性; 其次在简化算法的时间更新环节引入消隐记忆因子，提高新量测数据在最优估计中的比重，使得加速度跟踪超调得到了很好的抑制。通过实验比对，验证了新算法对加速度跟踪超调的抑制效果，提高了对目标跟踪的实时有效性和准确性。