在目标跟踪技术研究中,机动目标的精确跟踪始终是一个不易解决的难题。由于目标运动速度快且运动状态越来越复杂多变,目标运动参数估计的精度以及运动模型与目标运动状态的匹配程度是限制机动目标跟踪性能的两个重要方面。获得精确的目标运动参数估计,有利于跟踪滤波时得到更优的滤波输出,而构建匹配程度高的目标运动模型则是确保滤波不发散的关键。基于上述考虑,本文在MIMO雷达系统基础上开展了机动目标跟踪技术研究,主要工作内容如下:1、对MIMO雷达工作原理进行了简要介绍;分析了MIMO雷达波形设计与目标跟踪之间的相关联系,并通过发射能量方向图进行了说明;讨论了MIMO雷达两种信号处理流程,分析了MIMO雷达虚拟孔径扩展及测角精度提高的特性,并与相控阵雷达进行了对比。2、针对MIMO雷达DOA估计算法进行研究,首先详细介绍了几种经典DOA估计算法的工作原理,分别是Capon算法、MUSIC算法和ESPRIT算法;然后将梯度下降方法应用到DOA估计技术中,提出了一种“继承式”梯度下降DOA估计算法,描述了算法的基本原理,并与上述的几种经典DOA估计算法进行了仿真对比,分析了各算法的计算复杂度。仿真结果表明该“继承式”梯度下降DOA估计算法能够在较少的迭代次数下获得较高的DOA估计精度,有效降低了计算复杂度。3、针对目标跟踪技术中的运动模型构建问题进行研究,首先选取了非线性问题处理能力强的UKF算法作为后续仿真的滤波算法。然后从经典的Singer模型出发,依次讨论了“当前”统计模型、交互式多模型算法,并构建模型集进行了仿真分析。最后提出了一种改进的自适应“当前”统计模型,详细介绍了模型构建及机动频率自适应更新的过程,最后通过UKF滤波算法完成了目标跟踪仿真。仿真结果表明提出的改进自适应“当前”统计模型可以适应较大范围的目标机动情形,在目标加速度均匀变化的强机动情况下,仍能保证滤波不发散。