本文以事后外弹道跟踪测数据处理过程为线索,将外弹道跟踪测速数据作为主要研究对象,对若干外弹道跟踪测速数据事后处理新方法进行了研究。其研究内容包括以下几个部分:（1）针对外弹道跟踪测速（测速测元）数据中的野值识别和特征点识别难题,本文研究并提出了基于随机样本一致性算法（RANSAC）算法的野值识别（修正）方法和基于重采样和邻近聚类的特征点识别算法,并针对每种算法分别给出了两种实现方法,仿真分析结果表明两种算法能够有效地识别出外弹道跟踪测速数据中的野值和特征点。（2）本文对多测速测量体制中一主多副跟踪测速自定位技术进行了研究,利用高精度的测速数据实现了飞行器弹道参数的自定位,摆脱了对低精度定位参数的依赖。（3）本文研究了一种基于数据驱动的线性无偏最小方差估计数据融合方法,该方法能利用滑动最小二乘拟合残差法挖掘测量数据的动态精度,并基于线性无偏最小方差估计（LUMV）准则实现测量数据的动态加权融合,仿真实验结果表明新算法的融合精度明显提高。（4）针对弹道参数最优估计问题,本文研究了基于变量差分法的最优卷积平滑算法和最优三次光滑样条平滑算法。两种方法基于最小化误差准则,通过迭代的方法寻找出模型参数的最优估计值,为弹道参数的最优估计提供了新的解决思路。（5）本文利用PYTHON编程语言开发了一套外弹道跟踪测速数据处理软件系统,将本文研究的所有算法内嵌到了该软件系统中,一定程度上实现了外弹道跟踪测量数据处理过程的自动化,提高了测量数据的处理效率。