目标跟踪技术在军事和民用领域有着广泛的应用,如远程预警、战场监视、民航交通等。目标跟踪技术是利用传感器获得被跟踪目标的相关信息,并通过相关滤波算法对目标下一时刻的运动状态进行预测和对当前运动状态进行估计的一门技术。随着目标所在环境的日益复杂,如在信息化战争中的存在的人为干扰因素,使得目标跟踪技术也在不断发展和更新以便实现对目标的精确跟踪,其中机动目标跟踪问题是当前的一个研究热点。本文主要工作如下:本文首先分析了目标跟踪的基本原理,其中介绍了常用的参数估计方法,最小二乘法和最小均方误差估计法,之后介绍了目标跟踪中的一些基本概念,如相关波门、航迹起始、数据关联等,并对航迹起始相关算法做了仿真和分析。之后详细地介绍了线性滤波方法中的卡尔曼滤波算法,分析了该算法的系统模型、滤波模型、初始化问题等,并对卡尔曼滤波算法做了仿真和分析。实际上,传感器量测与目标运动状态之间存在非线性关系,当这种非线性关系可用低阶近似时,扩展卡尔曼滤波器可以获得较好的跟踪性能,而当非线性较严重时,必须采用非线性滤波算法。因此介绍了非线性滤波算法,主要包括扩展卡尔曼滤波算法、不敏卡尔曼滤波算法、粒子滤波算法等。其次研究了数据互联问题,目标所在环境存在着杂波和人为干扰,数据的正确互联是对目标实现精确跟踪的前提条件,本文主要介绍了概率数据互联算法(PDA)和联合概率数据互联算法(JPDA),其中联合概率数据互联算法(JPDA)是适用于多目标的数据互联问题,并对这两种算法做了相关的仿真和分析。由于JPDA的运算量较大,不适合应用于工程实践中,之后简单介绍了经验JPDA算法,该算法是对JPDA算法的简化,使得运算效率进一步提高。最后研究和分析了机动目标跟踪问题,机动目标跟踪是当前目标跟踪研究的一大热点,常见的机动目标跟踪算法包括有机动检测和无机动检测算法,本文主要介绍了无机动检测算法中的交互式多模型算法(IMM),包括该算法工作原理,并对其做了相应的仿真和分析。由于交互式多模型算法只能应用于单目标跟踪问题,所以作者结合第三章中多目标跟踪算法中的联合概率数据互联算法(JPDA)和交互式多模型算法(IMM)实现对多个机动目标同时跟踪,并做了相关仿真和分析。