针对地面战场环境下相似背景对目标跟踪器产生的干扰，提出了一种基于相关滤波与改进颜色概率模型的目标跟踪算法。首先，在传统颜色概率模型的基础上，利用前景目标直方图与背景直方图的差异性提出了一种突出前景的颜色概率模型；然后，根据相关滤波器响应置信度和最大响应位置生成空间惩罚矩阵，用该矩阵惩罚相关滤波器判定的背景像素的似然概率，利用积分图的方法得到颜色概率模型响应图；最后，将相关滤波器和颜色概率模型得到的响应图进行融合，融合响应图的最大响应位置即为目标的中心位置。与核循环结构滤波器(CSK)、核相关滤波器(KCF)、判别式尺度空间跟踪（DSST）、SAMF、Staple等5种算法在跟踪性能上进行比较，在OTB-100标准数据集上的结果表明，所提算法的整体精度提高了3.06%至55.98%，成功率提高了2.24%至54.97%；在相似背景干扰下，其精度提高了10.28%至43.9%，成功率提高了8.3%至48.29%。在36段战场视频序列上的结果表明，所提算法的整体精度提高了2.2%至45.98%，成功率提高了3.01%至58.27%。该算法能够更好地应对地面战场环境下相似背景的干扰，为武器平台提供更精确的位置信息。

针对全球定位系统（GPS）信息滞后导致惯性导航系统（INS）/GPS组合导航系统实时性差的问题，利用因子图算法可以在一个信息融合时刻处理各信息源不同时刻量测信息的特点，提出了一种INS/GPS信息滞后处理方法。在系统接收到GPS信息之前，因子图模型中只添加关于INS信息的因子节点，经增量推理求出组合导航结果，保证系统的实时性。待系统接收到GPS信息之后，再将关于GPS信息的因子节点添加到因子图模型中，修正INS误差，从而保证系统长时间高精度运行。仿真结果表明，当上一时刻实时导航状态量对INS误差修正效果随GPS信息滞后时间变长而逐渐变差时，可以采用上一时刻刚刚完成量测更新的导航状态量实现INS误差的有效修正。因子图算法在保证系统精度的前提下，避免了GPS信息滞后对INS/GPS组合导航系统实时性的不良影响。