随着雷达应用环境的日益复杂,探测区域内的目标和干扰也越来越多,跟踪目标呈现出类型多样、轨迹复杂和机动化的特点。这些给雷达目标跟踪工作带来了严峻的挑战。因此,如何在大量杂波干扰下对多个机动目标进行准确、快速地关联跟踪,是雷达目标跟踪过程中亟待解决的关键问题。针对上述关键问题,论文从提高精度和降低计算量两个角度,探索了一套多机动目标跟踪的自适应处理算法。具体研究工作如下:（1）为解决联合概率数据关联算法（Joint Probability Data Association,JPDA）中“组合爆炸”的问题,提出了模糊概率数据快速关联算法（Fast Association of Fuzzy Probability Data,FPDFA）。该算法采用多种紧密度模糊评价函数综合刻画了跟踪目标与回波的关联程度;利用联合关联概率来替代组合事件概率,避免了确认矩阵的拆分;同时衰减公共回波和虚假测量情况下的联合关联概率,减少了公共回波和虚假测量对数据互联的影响。实验表明,FPDFA算法不仅大幅减少了计算时间,还保证了较高的跟踪精度。为解决机动目标状态突变导致航迹关联失败的问题,参考“当前”统计模型（Current Statistics,CS）中加速度过程噪声形式,给出了关联门自适应的解决方法。实验表明,关联门自适应的FPDFA算法改善了机动目标加速度突变时的跟踪误差。（2）对多目标自适应跟踪模型进行了优化和改进。针对模糊自适应当前统计模型（Adaptive Current Statistical Model,FACS）应对机动目标加速度突变时的跟踪缺陷,提出一种改进的模糊自适应当前统计模型（Improved Fuzzy Adaptive Current Statistical Model,IFACS）。该算法重构了一种修正的logistic模糊隶属函数,提高了滤波增益对目标状态突变时的响应速度;根据加速度噪声模型推导了机动频率与目标加速度的递推关系,完成对机动频率的实时修正;利用累积残差来调节加速度极值的增益,提高了跟踪同步率。仿真实验表明,IFACS有效提高了机动目标加速度突变时的跟踪精度。