目标跟踪是生物生存的基本技能之一，作为已研究多年的科技领域，在军事、交通等方面有广泛的应用。目前，目标跟踪的研究主要集中在提高算法的机动目标跟踪性能和多传感器信息融合两个方面。 本文主要做了以下工作： 一、单传感器单机动目标跟踪 1．以常速模型为基础，分析了根据机动输入来调整过程噪声协方差矩阵Q的原则。并根据新息在目标机动时出现偏移的特点，提出了一种基于新息偏差的自适应滤波方法。该算法以单模型的运算量实现了多模型的跟踪效果。 2．以圆周运动模型为基础，设计了角速度的估计方法。分析了自适应交互多模型算法AIMM的模型集结构设计，提出了模型集大小、模型间距以及模型转移概率的设计方法。根据这些方法，设计了比传统AIMM机动适应能力更高的算法。 二、多传感器多机动目标跟踪 1．从几何角度提出了根据传感器视线交点的密集程度进行多传感器数据关联的方法。分析了表示视线密集程度的代数指标，在多目标、漏检等情况下保证关联足够正确的传感器数目下限。利用改进的遗传算法，设计了有状态转移先验知识和无状态转移先验知识情况下的多目标全邻状态估计算法。 2．为了防止当目标密度或杂波密度较大时，交叉定位融合需要传感器过多，根据同一目标的声压分布一定的特点，设计了一种消除交叉定位中虚假目标的广义似然比检验法。 3．以无人监视地面传感器UGS网络系统为背景，分析了针对静止目标的点优化布局和针对运动目标的面优化布局，得到了传感器均匀地分布在圆周上是较好的网络初始化布局的结论。并设计了神经元阈值可调的自适应Hopfield网络，用于实现网络自组织中目标跟踪器的形成。该方法可以在保证满足跟踪精度的前提下使用尽可能少的传感器，并具有实时应用的能力。 上述各部分算法可以结合为自组织传感器网络下的机动目标跟踪系统。