目标跟踪技术在现代社会中发挥着重要作用,被广泛应用于交通流量分析、对空监视和空间物体动态感知等领域。目标跟踪算法也是雷达数据处理领域的重点研究方向。随着计算机技术和嵌入式处理技术的发展,目标跟踪技术在不同领域的应用推动了目标跟踪算法在复杂环境条件下的鲁棒性需求。为了提高雷达多目标跟踪算法的性能,本文从传统多目标跟踪算法入手,针对密集杂波环境下多目标跟踪算法的性能缺陷进行改进,提升了算法的鲁棒性。通过仿真实验与分析,验证了改进算法在多目标跟踪中应用的有效性。本文主要工作如下:首先,对目标跟踪的基本原理和流程展开分析,研究了线性和非线性卡尔曼滤波算法的原理和适用条件。分析了雷达目标跟踪中坐标系选取的基本原则,介绍了直角坐标系、极坐标系以及坐标系之间转换的基本原理。对目标运动模型进行了研究,包括匀速运动模型、匀加速运动模型、一阶时间相关模型和“当前”统计模型等,分析了目标运动模型的性能和适用条件。其次,对目标航迹起始算法进行研究,对常用航迹起始算法的基本原理、适用范围展开了讨论,包括直观法和逻辑法。针对密集杂波环境下虚假航迹问题,本文提出一种基于参数约束的改进逻辑法,通过分阶段加入速度约束和角度约束,进一步抑制了虚假航迹的起始。数据关联是目标跟踪的关键技术,本文对数据关联算法进行研究,介绍了最近邻域数据关联法、概率数据关联法和联合概率数据关联法的基本原理,并针对算法的适用环境,进行性能分析及仿真验证。最后,针对在密集杂波环境下最近邻域数据关联算法易出现错误关联的问题,借鉴受污分布模型的思想,提出一种基于鲁棒卡尔曼滤波的最近邻域数据关联算法。该算法通过计算错误关联值出现的后验概率,对新息协方差矩阵进行加权,抑制了错误关联值对目标跟踪性能的影响。通过仿真实验与分析,验证了改进数据关联算法在多目标跟踪中应用的有效性。在上述算法研究的基础上,开发了雷达多目标跟踪软件,实现了雷达多目标跟踪全流程仿真。通过测试,软件系统运行良好,满足对雷达多目标跟踪算法的仿真需求。