随着科学技术的发展,现代战争环境发生了巨大变化。原有的战略手段已经不能满足实战的需要,突出表现在网络化作战思想的出现和信息融合技术的发展。日趋复杂的战争环境和各种新式武器的不断涌现给航迹管理带来了很大的挑战,针对此种情况,本课题以与航天集团某部的合作项目为背景,主要研究了航迹起始、航迹融合以及航迹跟踪等问题,并针对高机动目标跟踪展开了前瞻性的研究。本文首先从工程角度出发,研究了现存的主要航迹起始算法,针对顺序起始方法无法用于复杂环境,批处理方法计算量大不利于实现的缺点,提出了基于一步延时的航迹起始算法,该算法采用改进的多假设算法处理数据关联,同时采用多重滤波以更好的适应复杂环境,仿真结果表明,本文使用的算法简单易于实现、正确航迹起始概率高,有很好的工程应用前景。其次,针对传统航迹融合方法在复杂干扰及机动组网等情况下融合效果差的问题,本文建立了NFE模型,并提出基于此模型的航迹融合算法。该算法充分利用模糊神经网络和专家系统的自学习、自推理及容错能力,能够适应系统环境的变化,推理出最佳的融合算法,使融合解得到优化,并且通过仿真实验验证了其有效性。再次,为解决机动目标跟踪问题,本文分析了交互式多模型跟踪算法,针对固定结构多模型算法为提高跟踪精度而增加模型数目,从而带来巨大的计算负担问题,重点研究了自适应网格多模型和变结构增强多模型两种变结构多模型算法,仿真结果表明,两种算法具有较好的性能,并且具有很高的工程应用价值。最后,伴随着导弹垂直发射全方位快速转弯技术的发展和第五代战机概念的提出,常规机动目标跟踪方法已经不能满足大速度、快速转弯目标跟踪的需要。因此,我们在多模型机动目标跟踪研究的基础上,针对现有算法跟踪高机动目标存在的问题,提出了一种基于分段航迹识别的新的机动目标跟踪方法,该算法具有一定的创新性。仿真结果表明,与现有的机动目标算法相比,在高机动目标跟踪环境下,本文提出的算法拥有较大的优势。