目标跟踪无论在空中侦察与预警、弹道导弹防御、战场监视等军事领域,还是空中交通管制、交通导航等民用领域均有广泛的应用,扮演着重要的角色。然而随着现今各类飞行器机动性能的提高,传统的目标跟踪算法已逐渐不能满足精确跟踪的要求,应用自适应滤波提高机动目标跟踪的性能,是一项颇具现实意义的研究课题。机动目标跟踪自适应滤波算法主要分三种类型,检测自适应滤波、实时辨识自适应滤波与全面自适应滤波,本文首先对三种算法中各自典型算法:变维算法(VDF)、当前统计模型均值自适应算法、交互式多模型算法(IMM)算法进行研究,通过仿真分析出综合性能上IMM算法有着明显的优势,而当前统计模型均值算法在高机动的情况下跟踪性能良好。当前统计模型算法存在着两个缺陷:弱机动目标跟踪能力差;目标实现跟踪需要对目标机动加速度进行合理的先验假设。本文深入研究当前统计自适应算法原理,应用模糊机理对当前统计自适应算法中先验假设进行适当修正,仿真表明其在一定程度上弱化了当前统计模型的缺陷。针对IMM算法中模型转移概率矩阵为固定值的情况,应用滤波过程中得到的模型概率,实时对模型状态转移矩阵进行修正,并对基于常速(CV)、常加速(CA)、机动转弯模型(CT)的改进IMM算法与传统IMM算法进行了对比仿真,验证了改进算法具备较高的精度,机动调节时间也相应减少。最后考虑到当前统计模型对高机动目标的良好跟踪能力,将改进当前统计模型融入修正转移概率的IMM算法中,结合用以描述非机动、弱机动的CV、CA模型作为IMM算法子模型集,增强了IMM算法的自适应性。