由于电子技术、导航和控制技术的飞速发展,低空飞行目标越来越多,其应用十分广泛。由于低空目标飞行低的特点,雷达接收到的量测数据中含有大量的虚警,且低空目标运动具有强机动性,这些都给低空目标的跟踪带来了很大的困难。如何对低空目标进行精准和高效的跟踪是现在急需解决的问题,对此本文主要从提高目标跟踪的精度性和实时性两个方面来优化低空目标跟踪算法的性能,主要工作如下:本文主要研究基于FCM的数据关联算法。首先针对JPDA算法存在计算量大的缺点,本文研究了基于FCM的JPDA算法(FJPDA),该算法通过FCM聚类求取隶属度来计算关联概率,避免了对确认矩阵的拆分,在很大程度上减少了计算量。同时还研究了基于FCM的NN算法(FNN),该算法通过FCM聚类执行最近邻域关联,其计算量简单,也能较好地对量测数据中虚警高的目标进行数据关联。通过仿真分析可知,FJPDA和FNN算法能够在很大程度上减少计算量,但其关联精度略有下降。为了提高关联精度,本文引入距离二次加权的思想对FJPDA算法进行改进(IFJPDA),并对公共量测的距离权值进行衰减,通过距离权值对关联概率进行调整。仿真实验表明,IFJPDA算法能够在减少计算量的同时,保证较高的关联精度。本文主要对自适应CS算法进行了研究。针对CS算法在跟踪弱机动或非机动目标时或目标加速度突然发生改变时,跟踪效果较差的缺点。本文研究了基于加速度隶属函数修正的自适应CS算法,该算法通过隶属函数对加速度极值进行修正,而自适应地根据目标实际加速度调整加速度极值,并引入修正因子来改善加速度突变时的跟踪时延。接着给出了一种基于新息隶属函数修正的自适应CS算法,该算法通过新息来对加速度极值进行修正,并对预测值进行修正来提高跟踪精度。最后考虑到机动频率对CS算法的影响,本文还分析了基于自适应CS模型的IMM算法,该算法因为使用两个机动频率不同的自适应CS模型,能更加完全地表征目标的实际运动特点,从而有效地提高了跟踪精度。通过仿真实验可知,使用隶属函数修正的自适CS算法和基于自适应CS的IMM算法能够在跟踪弱机动或非机动目标时和目标加速度突然发生改变时,有效降低跟踪误差。