光电跟踪测量设备是目标跟踪测量领域中的重要设备，在实际应用中，如何有效的完成对机动目标的稳定跟踪，不仅是光电跟踪测量系统的研究重点，也是现代目标跟踪系统中的热点问题。光电目标跟踪的核心问题是对跟踪目标选择合适的运动模型和滤波算法，以获得对目标状态的准确估计，并且对目标后续的运动状态做出预测。文章针对目标模型的选择和滤波算法的确定两个问题，对机动目标跟踪的基本理论、滤波预测技术、多模型目标跟踪方法进行了分析与研究，主要研究内容包括以下几个方面：　　文章对机动目标跟踪的基本原理及组成机动目标跟踪理论的五个基本要素：量测数据的形成、机动目标模型的建立、机动检测与机动辨识、预测滤波技术的应用以及状态变量的选取等进行了详细阐述。对于机动目标跟踪而言，任何跟踪算法都是以数学模型为基础的，因此，文章研究了多个运动模型。并利用数据处理仿真技术讨论了目标运动模型的仿真实现以及跟踪误差的统计评估指标、异常值剔除等。　　滤波预测算法是机动目标跟踪的一个重要组成部分。文章研究了传统的针对非机动目标的两点外推滤波算法、α-β滤波算法、α-β-γ滤波算法、滑窗最小二乘滤波算法、Kalman滤波算法和扩展Kalman滤波算法。同时，对于机动目标，研究了Singer算法、当前统计模型算法、交互多模型算法和强跟踪滤波算法，并分析和比较了它们在实际应用中的跟踪效果及各自的特点。　　多模型方法是近年来提出的一种有效的机动目标跟踪方法，文章阐述了多模型方法的发展及现状，研究并总结了多模型方法的基本思想、算法流程及传统多模型方法在机动目标跟踪中存在的问题。针对这些问题，文章研究了变结构多模型方法，对其进行了深入的理论剖析，对变结构多模型方法的基本思想和模型集合自适应策略进行了总结。　　针对经典变结构多模型方法，分别从理论基础、算法思想、模型集自适应策略(Model Set Adaptive，MSA)、程序实现流程、模型集合拓扑结构演变等五个方面进行了研究，并通过程序实现分析和比较了它们的跟踪效果和特点。这些方法包括：自适应网格算法(Adaptive Grid Method，AG)、改进AG算法(Improve Adaptive Grid Method，IAG)、模型群切换算法(Model Group Switch，MGS)、可能模型群算法(Likely Model Group Switch，LMS)、期望模型扩张算法(Expeet Model Augment Method，EMA)。　　在对经典变结构多模型方法(VSMM)研究实现的基础上，分析EMA方法的局限性，并对其基本思想进行延伸，提出一种混合模型网格构造方法，并阐述了其优越性。进而，在该方法的基础上从优化算法所使用模型集入手，对变结构多模型方法进行改进，提出了自适应双层网格变结构多模型方法(Two Layer Grid Variable Structure Multiple Model Method，TLG-VSMM)，基于STF的模糊变结构多模型方法(STF-VSMM)。最后，对在机动目标处于不同机动的情况下，实现并分析了上述改进算法在实际应用中的跟踪效果。　　文章利用系统仿真技术建立了机动目标运动轨迹，通过典型的非线性算例仿真实验对各种改进的多模型算法进行了验证，分析其运动目标位置、速度、加速度等状态参数的跟踪效果、运行时间及算法使用模型个数均值。实验结果的分析表明本论文提出的算法是合理的，能有效地改善对机动目标跟踪的精度，对机动目标和非机动目标均保持了较高精度的跟踪，同时算法运行时间没有大幅度提高，做到了跟踪精度和运行效率之间的均衡，是机动目标跟踪中较好的变结构多模型方法，可以为实际跟踪系统的研制和设计提供有益的理论支持。