机动目标跟踪在各个领域一直是人们密切关注的重要问题之一。然而,非线性,非高斯,机动等问题给机动目标跟踪带来了困难。粒子滤波(PF)是近年来兴起的一种最优非线性滤波方法。它摆脱了解决非线性滤波问题时随机量必须满足高斯分布的制约,而多模型算法(MM)适用于目标高度机动的情况。由此本文针对粒子滤波和多模型算法的特点,从以下两个方面进行了研究:(1)、多模型的模型集设计和自适应方法的研究。多模型估计包括模型集和自适应算法的设计。针对传统模型只适用于和目标真实模型一致的特定情况,本文提出用加速度模型集作为跟踪一般运动的模型集。而传统的自适应网格算法只用于跟踪二维坐标旋转系统中的机动目标,本文提出了一种修正的自适应网格算法用于跟踪平面上的一般机动运动。(2)、粒子滤波和变结构多模型结合方法的研究。传统的方法将粒子滤波和交互式多模型相结合。针对变结构多模型在机动目标跟踪的优秀性能,本文提出将粒子滤波和变结构多模型相结合,用于解决非线性非高斯机动目标的跟踪。在结合过程中,详细分析了粒子结合的各种方法,提出直接用各模型的均值和协方差产生粒子,使计算量大大降低。并将修正的自适应网格算法和粒子滤波相结合用于跟踪模型范围未知的目标。仿真表明,将粒子滤波和变结构多模型相结合的算法在计算量和误差上都有很好的性能表现。