在当今国际上,目标跟踪一直是热门的科学领域,因为如何更快、更准地获得精确目标信息在军事上起着至关重要的作用。目前,在需要确定目标的位置、运动速度及数目的系统中(包括导航、避障、监控等)都已广泛的应用了目标跟踪技术,但是和已经很成熟的空中目标的跟踪技术相比,水下目标的跟踪技术存在着十分巨大的差距。水下目标跟踪技术经过了几十年的发展,研究学者提出了各种数据关联和滤波的等技术来解决问题,但是动目标跟踪技术仍然面临许多问题,如何对水下低速小目标进行跟踪依然是行业中亟待解决的问题。本文针对水下动目标跟踪问题进行了滤波估计理论、跟踪模型建立和数据关联方面的研究,并进行了仿真分析和试验验证。文章的第一部分主要研究的是目标跟踪中的估计理论和跟踪模型。估计理论从基础的滤波器入手,首先讨论了两种常用滤波器,卡尔曼滤波器(KF)和粒子滤波器(PF);然后建立了跟踪模型,在对CV模型,CA模型和Singer模型的研究基础上,重点研究了自适应高斯模型。文章的第二部分主要研究的是跟踪系统中的关联算法。在这一部分中,首先讨论了跟踪门在目标跟踪中的作用,然后从理论上研究推导了最邻近数据关联算法,概率数据关联算法(NPDA)以及联合概率数据关联算法(JPDA)。然后对三种算法形成的完整的跟踪策略进行了仿真分析。文章的第三部分主要是对水池实验数据进行处理。在数据处理之前首先说明了本文实验数据处理中的卡尔曼滤波初始化的问题,然后利用“KF+跟踪门”和“KF+跟踪门+NPDA”对单目标试验数据进行处理;利用“KF+跟踪门+JPDA”对双目标试验数据进行处理。通过处理若干组水池实验数据来验证跟踪算法的正确性。