由于机动目标跟踪在军事和民用领域有着广泛的应用前景,该问题受到国内外许多专家学者的关注。他们对这一领域进行了深入的研究,并取得了丰富的成果。机动目标跟踪是目标发生机动时不能准确描述目标运动的估计问题。由于跟踪环境的变化和目标机动性能的未知性,使得各种应用系统对机动目标跟踪提出了日益复杂的要求。本文在前人研究成果的基础上,结合国内外最新发展,对该问题进行较为系统,较为深入的研究。首先介绍了目标跟踪系统的组成要素和主要内容,概述了目标跟踪模型的建立过程,给出了几种常见的机动目标运动模型。研究并实现了主要的非线性滤波算法。然后,研究了基于“当前”统计模型的自适应跟踪算法,以及交互式多模型算法,并将非线性滤波算法应用到上述两种机动目标跟踪算法中,使之适用于非线性跟踪模型和量测模型。最后结合这两种跟踪算法的优势,提出了一种基于“当前”统计模型的交互式多模型跟踪算法,新算法能够自适应的调节加速度极值,减少极限加速度在选取过程中的问题,在一定程度上提高了跟踪精度。结合目标跟踪领域的最新研究成果,本文研究了一种基于Rao-Blackwellized粒子滤波的机动目标盲跟踪算法,该算法在目标数目未知的情况下能有效的跟踪目标,并能估计出每一时刻的航迹数目。但是在粒子数比较少的情况下,该算法的跟踪结果会出现比较长的延迟,不利于航迹数目的估计。针对算法中存在的这个问题,本文提出一种改进算法,即通过减小β的取值,连接有可能为同一个航迹的曲线,从而在不增加粒子数的条件下,提高了目标数目估计的准确率。