随着科学技术的迅速发展和现代战争战场环境日趋复杂,现代目标的机动性能越来越复杂多变,而人们对跟踪的性能要求则越来越高,因而,使得现代机动目标跟踪技术无论是在军事上还是民用上的都是一个研究热点。在机动目标跟踪领域中,非线性滤波技术是机动目标跟踪的主要工具,机动目标运动模型的建立是对机动目标实施跟踪的基本要素,而模型的结构性是实施机动目标跟踪的重要手段,因此,本文从以上三个方面对机动目标跟踪技术进行了研究。首先本文介绍了机动目标跟踪的基本原理,分析了当代跟踪系统中非线性因素的存在。并对扩展卡尔曼滤波算法、无迹卡尔曼滤波算法以及容积卡尔曼滤波算法进行了理论分析。然后通过对机动目标跟踪的仿真,分析了三种非线性滤波算法的优劣。并在后续的仿真中对这三种算法进行了应用。接着,本文介绍了几种机动目标运动数学模型,并研究了当前统计模型以及Jerk模型的主要原理。通过实验仿真,分析了当前统计模型以及Jerk模型对机动目标跟踪的效果。并重点分析了当前统计模型对非机动段跟踪精度不足的问题。在此基础上研究了基于模糊自适应的当前统计模型,与原有的当前统计模型进行了仿真对比,验证了改进的当前统计模型在机动段以及非机动段较原有当前统计模型对机动目标都有更优跟踪精度的结论。对于模型结构性方面的研究,本文首先研究了固定结构多模型算法中应用最为广泛的交互式模型算法,并对模型数目不同的交互式模型算法进行了对比,由此引出了固定结构多模型算法的局限性。然后介绍了变结构多模型算法的基本原理并对当前最主要的四种变结构多模型算法进行了研究,包括模型群切换算法、可能模型集算法、自适应网格算法以及期望模式扩充算法。并对后三种算法与固定结构的交互式多模型算法进行了仿真对比。并在针对原有的期望模式扩充算法在机动段跟踪能力不足的问题进行了改进,改进了一种基于强跟踪滤波器的期望模式扩充算法,从而进一步提高了期望模式扩充算法在机动段的跟踪能力。并将期望模式扩充的思想引入到了可能模型集算法里面,改进了一种引入期望模式扩充思想的可能模型集算法。相比于固定结构的交互式多模型算法,该算法不仅提升了跟踪精度,同时采用了较少的模型,提升了算法的时效性。