目标跟踪在军事和民用领域有着广阔的应用背景,其研究已经受到广泛的关注,而机动目标跟踪问题更是当前的一个研究热点。目标跟踪所面临的挑战在于两种离散的不确定性:量测起源的不确定性和目标运动方式的不确定性。本文以海事雷达为背景,为了准确、有效、稳定的跟踪机动目标,在学习前人研究成果的基础上,对机动目标跟踪进行了深入、系统的研究。本文首先分析了目标跟踪的基本原理,包括目标建模以及基本的跟踪滤波方法,重点分析了卡尔曼滤波算法和非线性条件下的卡尔曼滤波算法,在此基础上研究分析了机动检测和机动辨识的算法,研究了交互式多模型算法和模糊交互式多模型算法,最后针对实际工程中存在计算量大的问题研究了简化滤波算法,本文的主要工作如下:首先,研究了扩展卡尔曼滤波和去偏转换测量卡尔曼滤波两种非线性滤波算法在量测非线性条件下的应用,仿真结果表明在海事雷达目标跟踪中,两种算法都能很好的解决量测非线性问题。其次,研究了机动目标跟踪算法,通过对基于“当前”统计模型的自适应滤波算法分析提出了改进的滤波算法,该算法有利于工程上的实现,并且具有很好的跟踪效果,同时还研究分析了一种基于新息偏差的机动自适应滤波算法,该方法以CV机动模型为跟踪模型,状态噪声矩阵调整策略简单,有利于机动目标跟踪。然后,研究了基本交互式多模型算法并引出了模糊交互式多模型算法,该算法利用模糊推理得到模型集中各模型的匹配度,代替了交互式多模型中模式概率的计算,从而降低了计算的复杂度,有利于机动目标的实时跟踪。最后,研究分析了简化卡尔曼滤波,通过对分段循环卡尔曼的研究分析提出了一种自适应的分段循环机制,并将其应用于机动目标跟踪滤波算法中,简化了计算量,有利于实时跟踪。