在众多领域，比如军事上的战场监视、防空系统，民用上的交通管制、机器智能、医疗器械，目标跟踪都是一个基本的或重要的问题。随着应用的推广，各种新的技术被应用到目标跟踪中来适应更加复杂的环境。而目标跟踪中的一个核心部分就是滤波算法，本文重点研究了卡尔曼滤波在目标跟踪中的应用。本文首先介绍了目标跟踪的基本原理，重点分析了基于卡尔曼滤波的经典跟踪方法，此类跟踪方法对于线性或者弱机动性的目标有很精确的跟踪性能，但是在非线性或者强机动性的目标的情况下的跟踪性能会下降。其次介绍了多目标跟踪的基本原理，随后重点研究了常用多目标数据关联算法：“最近邻”算法、概率数据关联算法(PDA)、联合概率数据关联算法(JPDA)以及广义概率数据关联算法(GPDA)。 本文最后给出了一种改进的快速卡尔曼滤波算法，并将快速卡尔曼滤波应用到多目标跟踪中。该算法用统计模型(时间序列)来代替状态方程，大大减少了算法的复杂度，在速度估计的时候采用时间序列模型方法进行速度估计，通过Matlab仿真，证明在一定情况下此方法有效、可行。