Ground-based systems face fundamental limitations in tracking hypersonic glide ve- hicles (HGVs) across their full flight profiles. Due to their high speeds, manoeuvra- bility, and low-altitude trajectories, HGVs evade conventional surveillance methods, making space-based platforms a critical alternative. A key challenge in this domain is the limited accuracy of standard Kalman filters under target manoeuvring and model uncertainties. This research develops adaptive filtering approaches to enhance space- based tracking performance, focusing on Extended Kalman Filter (EKF) and Cubature Kalman Filter (CKF) algorithms. Both filters are augmented with fading memory logic and refined dynamic models tailored for hypersonic flight. Simulation studies compare conventional and enhanced filters across diverse manoeuvring scenarios. Results show that fading memory mechanisms improve tracking precision; although the de- gree of improvement varies between EKF and CKF across scenarios, the overall aver- age gain in accuracy is about 10%. The refined models further increase robustness under complex target manoeuvrers. These advancements significantly enhance space surveillance against emerging hypersonic threats, supporting the development of re- silient space-based tracking architectures.

Markbaserade system har grundläggande begränsningar när det gäller att spåra hypersoniska glidfordon genom hela deras flygprofiler. Deras höga hastigheter, manövrerbarhet och låghöjdsbanor gör att de kan undgå konventionella övervakn- ingsmetoder, vilket gör rymdbaserade plattformar till ett kritiskt alternativ. En cen- tral utmaning inom detta område är den begränsade noggrannheten hos standard- Kalmanfilter vid målmanövrer och modell osäkerheter. Denna forskning utvecklar adaptiva filtreringsmetoder för att förbättra rymdbaserad spårningsprestanda, med fokus på Extended Kalman Filter (EKF) och Cubature Kalman Filter (CKF). Båda fil- tren förstärks med fading memory-logik och förfinade dynamiska modeller anpassade för hypersonisk flygning. Simulationsstudier jämför konventionella och förbättrade filter i olika manövreringsscenarier. Resultaten visar att fading memory-mekanismer förbättrar spårningsprecisionen; även om graden av förbättring varierar mellan EKF och CKF i olika scenarier, är den genomsnittliga ökningen av noggrannheten cirka 10 %. De förfinade modellerna ökar dessutom robustheten vid komplexa målmanövrer. Dessa framsteg stärker rymdbaserad övervakning mot framväxande hypersoniska hot och stödjer utvecklingen av resilienta rymdbaserade spårningsarkitekturer.