目标跟踪是现代国防和民用领域的刚性需求。现如今在目标跟踪中将要面对的是庞大的数据,奈奎斯特(Nyquist)速率检测和处理已经变得不切实际,使用低采样率处理的压缩感知(CS)理论为信号处理提供了新的思路。当信号在某个基或字典中稀疏时,亚奈奎斯特速率获取是可能的。通过研究压缩感知理论,目标跟踪结合压缩感知能够有效提高跟踪实时性,提高算法的鲁棒性。研究压缩感知的基本理论。针对雷达图像高精度重构及跟踪中图像恢复时间长,提出了一种基于压缩感知的计算上高效的雷达图像重构算法,该算法应用于高分辨率雷达成像及跟踪,理论推导执行矩阵向量乘法时复杂度将会显着降低。实验证明提出的算法图像恢复速度快,用于跟踪时实时性提高。为了解决现有的比较先进的压缩跟踪(CT)、快速压缩跟踪(FCT)中对模糊跟踪等问题表现不佳,研究改进了实时压缩跟踪器和快速压缩跟踪器。所提出的方法引入模板匹配后,利用加权多帧采集更多可用数据来做出更明智的跟踪决策,而不是纯粹使用最高分类器输出,并且在跟踪过程中采用相似性度量归一化互相关(NCC)和余弦相似度(CS)。仿真实验比较了在18个常用公开可用图像序列上的跟踪效果。结果表明了所改进算法处理模糊跟踪问题的有效性。压缩感知与处理(CSP)方法极大的压缩采集信号,应用于跟踪时带来了实时性的大幅提高,但是导致输出信噪比(SNR)大幅度降低,跟踪准确性得不到保障。此外,目前压缩感知与处理技术仅应用于单目标跟踪。提出了基于自适应压缩感知与处理的雷达多目标跟踪算法。提出的自适应压缩感知与处理(ACSP)方法不仅提高了信噪比并且降低了模糊函数表面旁瓣,提升了跟踪性能。研究粒子滤波(PF)与联合数据关联(JPDA),使用结合联合数据关联的粒子滤波器用于目标状态的顺序估计,从而实现了多目标跟踪。实验显示与原始算法相比结果,提出的ACSP方法提高了信号的输出SNR,实现了多目标跟踪。