现代战争中,雷达所探测的目标往往具有高速度、高机动性的特点,这给现代雷达探测跟踪技术带来了极大的困难。针对传统目标积累中遇到的距离走动、多普勒走动和在杂波密集的环境下如何对机动多目标进行精准跟踪的问题,本文分别研究了匀速微弱目标长时间相参积累算法、加速和变加速机动微弱目标长时间相参积累算法和机动多目标跟踪算法。本文的研究工作具体如下:1.针对匀速微弱目标的线性距离走动问题。本文给出了一种基于模糊数修正的keystone变换算法来校正目标长时间相参积累过程中出现的线性距离走动,在不受限于目标运动的前提下,就可以完全校正目标的线性距离走动。对于使用keystone变换补偿目标时需要知道目标多普勒模糊数的问题,本文使用了单目标模糊数修正和多目标模糊数修正方法;仿真实验和实测数据结果证明了该算法有效去除了匀速微弱目标线性距离走动,并且适用于匀速微弱单目标和多目标的场景,同时为下文研究机动微弱目标的高阶距离走动和多普勒走动问题奠定基础。2.针对加速和变加速机动微弱目标的高阶距离走动和多普勒走动问题。本文首先给出了一种基于keystone变换和匹配滤波器组的加速、变加速机动微弱目标长时间相参积累算法,该算法分别针对加速和变加速机动微弱目标,先使用了keystone变换来对目标的线性距离走动进行校正,再设计基于加速度和变加速度的匹配滤波函数来校正目标因加速度、变加速度带来的高阶距离走动和多普勒走动,实现目标能量的相参积累;仿真实验结果证明了该算法对校正加速和变加速类运动目标走动的有效性,并且适用于机动微弱单目标和多目标场景;然后又提出了一种基于慢时间序列反转变换的变加速机动微弱目标长时间相参积累算法,该算法先利用慢时间序列反转变换来校正速度带来的线性距离走动和变加速度带来的高阶距离走动和多普勒走动,再设计多线性函数来校正加速度带来的二阶距离走动和线性多普勒走动,实现目标能量的相参积累;仿真实验结果证明了所提算法对校正变加速类运动目标走动的有效性,并且适用于机动微弱单目标和多目标场景;最后从算法运算复杂度和检测性能对比分析可知:本文的两种算法的检测性能都优于PHAF算法、RFT算法、RFRFT算法和RFRAF算法,相对于GRFT算法有更低的运算复杂度且第二种算法不需要参数的搜索。3.针对机动多目标的跟踪问题。本文从降低算法运算复杂度、减小OSPA距离误差和提高目标数目估计精确度三个方面进行了研究。首先通过采用EKF和UKF两种算法对GMPHD滤波算法进行了扩展并与GMPHD滤波算法进行了仿真实验对比。在此研究基础上,本文给出了一种基于多普勒信息的UKF-GMPHD多目标跟踪算法,自动实现了更新新生目标的强度函数,并利用了UKF算法来更新高斯分量,从而减小了对量测方程的预测误差。经过仿真实验对比分析可知,本文所用算法在算法运算复杂度方面更低,在OSPA距离误差方面更小,在目标数目估计方面更精确即跟踪精度更高。因此本文所用算法具有复杂度低、OSPA距离误差小和跟踪精度高的优点。