科技的进步促使航空航天领域技术的革新，使得运动目标机动性能向高速、高机动方向发展。在现代瞬息万变的战场环境下或复杂的空情状况监控中，如何精确完成高机动目标跟踪，成为了国内外学者研究的热点。　　本文对运动目标建模及滤波算法的研究和发展进行了总结和回顾，并对其适用范围和特点给予了重点说明。针对单模型滤波算法跟踪机动目标性能较差的问题，本文重点对交互式多模型算法(Interacting Multiple Model，IMM)进行了深入研究，详细介绍了其原理，且对算法性能进行仿真验证。结果表明:算法对机动目标具有较好的适应性带宽，但对于运动模式复杂的强机动目标跟踪精度较差。基于经典IMM算法模型集设计所存在的问题:(1)仅采用两种模型(匀速直线运动模型(constant velocity，Cv)和匀加速直线运动模型(constant acceleration，CA))的IMM算法对强机动目标的跟踪适应性能太差;(2)为了使构建的目标模型集和目标实际复杂运动模式相匹配，IMM算法只能增加模型数量，但由于模型间竞争，增加过多反而使跟踪性能下降。针对问题(1)，重新设计算法的模型集，分别引入两种新模型(协调转弯模型(coordinated turn，CT)和当前统计模型(currentstatistical，CS))，并对CS模型存在的缺陷进行了改进;针对问题(2)，结合变结构的思想（用时变模型集代替固定模型集），在常用变结构IMM算法分析的基础上，提出了一种新的变结构IMM算法:补尝式变结构多模型算法(compensationvariable structure interacting multiple model，CPVSIMM)，将上述改进算法进行蒙塔卡洛对比仿真实验，结果验证改进算法的有效性。　　依据平滑算法在改善目标跟踪精度方面的内在优势，在IMM框架下，对常用的平滑算法进行了分析，并针对其所存在的计算量大和时滞模型转换的问题，本文提出了一种基于IMM框架下新的平滑算法:基于IMM框架的交互式平滑算法。实验表明，本算法明显改善了机动目标的跟踪精度。　　对于杂波环境下的多机动目标跟踪问题，本文研究了两种常用的多目标跟踪算法:概率数据关联算法(probabilistic data association，PDA)和联合概率数据关联算法(joint probabilistic data association algorithm，JPDA)。针对两种算法在跟踪多机动目标算法方面的局限性，结合当前主流多模型思想，重点介绍了交互式多模型联合概率数据关联算法(IMMJPDA)。由于IMMJPDA算法存在计算量大、超调及对强多机动目标跟踪差的问题，本文提出了一种新的基于变结构思想的快速数据关联算法。仿真对比实验表明，本算法具有更好的性能。　　最后，基于VS2005开发环境，采用与MATLAB7.0混合编程的方式，构建了一个多源多目标跟踪算法仿真验证平台，用于算法的验证和工程实践研究。