多源信息融合是对来自多源的信息和数据进行检测、关联、估计等处理，以得到更精确的位置和身份估计。多源信息融合技术在军事和民用领域都有着广泛的应用。目标跟踪是多源息融合技术的重要研究内容之一，但随着一些新型机动目标的出现，如高超声速目标、低小慢目标等，使得传统的目标跟踪算法面临着巨大的挑战。针对机动目标跟踪中目标运动模式和量测来源的不确定性，以及多目标跟踪过程中存在的数据关联问题，本文结合现有变结构多模型算法的优点，提出了一种基于“当前”统计模型的混合网格多模型算法，并基于跟踪效果构建了多机动目标跟踪的闭环结构。论文的主要工作如下：首先，简述了本文的研究背景及意义，对目标跟踪算法的研究现状进行了综述，并介绍了目标跟踪技术相关的理论与方法。其次，针对混合网格多模型算法中用于描述目标运动模式的加速度估计不准确引起跟踪精度下降的问题，提出了一种基于“当前”统计模型的混合网格多模型算法。该算法以基于“当前”统计模型估计得到的加速度均值为依据进行网格划分，在线生成目标可能的模型集合，并采用交互式多模型算法进行目标跟踪。在一般机动及强机动场景下进行了算法性能测试分析，仿真结果表明，该算法提高了对机动目标的跟踪精度。再次，针对多机动目标跟踪过程中跟踪精度不高甚至出现漏跟的情况，将上述提到的基于“当前”统计模型的混合网格多模型算法应用于多机动目标跟踪问题，提出了一种基于效果反馈的多机动目标跟踪算法。将基于“当前”统计模型的混合网格多模型算法将得到的目标跟踪协方差信息反馈到下一时刻的新息和滤波增益时，其一方面用于调整目标跟踪门，另一方面作为多目标关联算法的选择依据，从而实现了多目标跟踪过程中的多级闭环。仿真结果表明，该算法能有效提高多机动跟踪的精度及实时性。最后，对本文工作进行了总结与展望。