机动目标跟踪因其在军事与民用领域的广泛应用而备受国内外研究人员的关注。如何利用单一模型实现快速高精度机动目标跟踪,及时有效的目标机动检测显得至关重要。基于此,研究目标机动检测算法在单模机动目标跟踪领域具有重大的理论意义和工程实践价值。在当前的目标机动检测算法当中,可调白噪声模型、变维算法和输入估计算法是比较常用的经典算法。输入估计算法因其无需作任何有关目标机动的先验假设而且能直接从新息当中估计出目标机动的大小,在目标机动检测当中具有独特的优势。但同时,输入估计算法也存在本身固有的缺陷。本文主要针对当前输入估计算法的几点不足加以改进,以达到改善跟踪性能的目的。本文首先回顾了目前常见的目标机动检测算法,通过模拟航迹对各种算法的跟踪性能进行仿真验证,并据此分析各算法的特点。在此基础上,给出输入估计算法在单模机动目标跟踪中相对于其他几种算法的优势。然后,针对Bogler算法进行了改进,得出改进的输入估计算法的递推实现,并推广至多维情形。仿真结果表明改进之后的算法具有较好的跟踪性能。接着,以位置的前向预测与实际观测之差来构造输入估计,实现检测器与估计器设计上的解耦。最终达到有效减小算法运行过程中的计算负荷和提高计算效率的目的。最后,就当前机动检测在工程应用中的难点,综合考虑了统计量、滑窗长度和虚警率等要素的选取问题,并推导出机动检测各个要素与平均检测延迟之间的关系式。根据各个要素的特点,分别从定性和定量方面探讨了各要素对平均检测延迟的影响,并结合算例仿真给出了算法的优化方案。