目标跟踪技术，就是通过各类不同的传感器来获取目标的位置，航向角等信息，并且对目标的当前和未来的运动状态所做的一系列的估计和预测运算的一种科学研究方法，它不论在军事应用还是民用产品亦或是别的很多领域，都得到了广泛应用。它的基本研究内容是从已经获取的不精确的目标信息中，尽可能准确的估计和预测得到目标的当前真实状态，这个过程中必不可少的步骤便是对获取到的目标信息作相关的滤波处理。经过几十年的发展研究，卡尔曼滤波算法已经被证明是一种性能优越的滤波算法。同时，一般滤波过程都是建立在一定的跟踪模型基础上的，从而可以得出，机动目标跟踪理论主要包括两大研究对象：目标运动模型的建立和滤波算法的选择。伴随着近几年科学技术的飞速发展以及飞行器的机动性能不断增强，本文也是通过对前人研究的借鉴，针对高速高机动目标，进行了下面的学术研究：首先，归纳了这几年机动目标跟踪的发展状况和国内外学者的研究成果，总结得出了机动目标跟踪问题的组成元素和相关原理，涵盖了形成并处理量测数据、建立机动目标的运动模型、运动轨迹的自适应滤波与预测以及目标的机动检测与辨识。其次，详细地介绍了机动目标跟踪领域的两大研究对象：机动目标模型的建立和目标的状态估计。分别概括了适用于目标非机动情况下的匀速、匀加速基本模型，以及适用于目标处于机动情况下的Singer模型、协调转弯模型、Jerk模型、“当前”统计模型等机动目标基本模型。同时，对于组合模型，包括交互式多模型以及CS-Jerk模型的基本原理等做了较为详尽的分析。对于目标的状态估计，重点介绍了一些常用的线性滤波方法：卡尔曼滤波器、线性自回归滤波器、滤波器及两点外推滤波器；非线性滤波方法：粒子滤波器、扩展卡尔曼滤波器、强跟踪滤波器和无迹卡尔曼滤波。最后，通过对CS-Jerk模型的分析，针对机动频率的大小是由人为确定的问题，提出了一种更加合理的基于CS-Jerk模型的改进机动目标跟踪算法。此算法中首先设计出机动频率模糊自适应实现的模糊控制器，然后根据量测新息及其变化率，通过前面设计的模糊控制器自适应地调整CS-Jerk模型中机动频率的大小。接着通过分析强跟踪滤波器的原理及特点，选择将它作为本论文的滤波算法，因为它具有对高速高机动目标非常良好的滤波效果。最后利用蒙特卡洛方法对改进后的算法和原算法进行仿真。结果表明，提出的改进目标跟踪算法显著提高了原模型对高机动目标的跟踪性能，而时间复杂度相当，达到了预期的目标，对工程应该有良好的参考价值。