雷达数据处理是空中交通管制系统中的关键技术，它接收雷达传感器获取的数据并进行相应的处理，形成表示目标运动轨迹的航迹，提供目标的位置，速度，机动情况和属性识别，对目标进行跟踪和监视。在本文中，我们主要讨论了雷达数据处理中的航迹相关问题，它是将雷达传感器所获取的观测和已有的航迹正确配对的问题，是雷达数据处理中的关键步骤。 航迹相关算法中的两个主要方面是确定正确的相关波门形状大小和航迹观测配对算法。相关波门是以航迹预测值为中心的一个空域，它是航迹相关的第一个部分。相关波门形状大小应该使与航迹相关的观测落入波门内的概率很高，同时又要减少与航迹无关的观测和虚假观测。相关波门的形状大小取决于系统的随机误差，目标的运动速度，目标的机动规律，雷达的扫描周期，外推算法等因素。本文讨论了航迹相关波门的形状大小的确定。航迹配对算法是将落入航迹相关波门内的观测和航迹进行正确配对的算法。我们讨论了最近邻域法(NN)，这种配对算法只考虑了航迹和观测之间距离的因素，根据实际应用环境中不同雷达的性质，我们在最近邻域法算法的基础上，增加了雷达数据中一些目标属性的相关规则计算以得到最准确的配对结果。 随后我们讨论了在多传感器多目标环境中，由多个传感器获取的同一目标的观测融合而成的系统航迹和单雷达航迹的相关问题。由于各部单雷达报告的数据类型，周期等都有很大差别及地理分布位置的不同，使多雷达数据处理中的相关处理变得很复杂，本文给出了一种比较实用的单雷达航迹和系统航迹相关的算法，该算法消除了实际应用中出现的航迹相关错误，在实际实用中取得了良好的效果， 最后我们讨论了和航迹相关密切联系的航迹融合中的融合加权系数计算方法。在多雷达数据处理中，并不是每一部单雷达的航迹跟踪都是用Kalman滤波完成，在这种情况下不能用Kaiman滤波估计误差的均方差来计算航迹质量因子，我们给出了一种航迹质量因子的计算方法。实际使用表明该算法有效可靠。 本文讨论的部分算法己经在新一代的空中交通管制系统中得到了实用，获得了较好的效果。