本文研究强机动目标跟踪理论与方法。第一章对论文的研究背景、机动目标跟踪技术的发展状况进行了较为详细的阐述,指出现阶段存在的问题,并介绍了本文的研究内容。第二章研究基于单模型的强机动目标跟踪技术。从一般意义上,定义了描述目标机动状态的机动频率和“急动”频率两个量;详细分析“当前”统计模型和Jerk模型存在的问题,指出跟踪精度与模型参数(机动频率和“急动”频率)有关;引入当前量测信息,对模型参数建立滤波模型,提出对单个模型参数在线估计的方法;对“当前”统计模型和Jerk模型进行参数估计,提出改进的“当前”统计模型和η-Jerk模型,并结合UKF方法给出完整的滤波算法。第三章进一步研究基于单模型的强机动目标跟踪技术。在第二章分析的基础上指出状态转移矩阵和状态协方差矩阵不但与机动频率有关,还与驱动白噪声有关;在本章中,不需事先对模型参数建立滤波模型,而是通过采用AR滤波器与MA滤波器直接估计当前机动频率和驱动白噪声方差两个参数,给出在线估计多参数的方法;提出适用于强机动目标跟踪的MS模型。第四章研究基于多模型的强机动目标跟踪技术。详细分析模型集选择和模型转移概率的设定问题;引入当前量测信息,对马尔科夫模型状态转移概率进行实时估计,提出基于时变马尔科夫转移概率矩阵的机动目标多模型跟踪算法,有效地消除了机动目标跟踪中人为因素对跟踪精度的影响;对X.R.Li模型集选择理论进行条件简化,给出实用的模型集选择方法;提出变结构的时变马尔科夫转移概率多模型算法。第五章研究基于Bayesian估计的强机动目标跟踪技术。详细分析粒子滤波算法的关键技术,归纳出一系列粒子滤波算法中亟待解决的技术难点;针对如何选择重要性函数和怎样保证跟踪系统实时性的难题,改进自适应强跟踪滤波器,给出基于UKF的粒子选取方法,并用其代替IMM算法中的Kalman滤波,提出性能更优的强机动目标跟踪算法。最后系统地总结本文的研究内容,给出了进一步研究的建议和设想。