无论是在军事领域还是民用领域,机动目标跟踪技术都有着广泛的应用。近年来,国内外专家学者对此进行了深入的研究并取得了丰硕的成果。但是,由于跟踪环境的复杂性以及目标不断增强的机动性,目标跟踪系统被提出了更高的要求来应对日益严峻的挑战。因此,寻求适应性更强的机动目标跟踪滤波算法具有重要意义。本文研究了建立在粒子滤波算法基础上的机动目标跟踪,提出了实时有效的跟踪算法,解决跟踪的过程中计算复杂、精度低的问题。首先,在AIPF算法的基础上提出了一种新的重采样方法,通过合理的筛选机制高效优化粒子集合,提高目标跟踪的实时性；其次,提出了禁忌搜索粒子滤波算法,在重采样环节引入禁忌搜索思想,通过驱散局部最优的粒子集,进行全局搜索,提高采样粒子的有效性,使得新的粒子集合更加逼近状态的后验分布,实验证明,该算法在保证跟踪精度的前提之下,时间消耗显著降低；最后,针对在跟踪近距离较大机动目标过程中量测系统受到闪烁噪声干扰的问题,将交互式多模型和禁忌搜索粒子滤波算法相结合,完成了复杂环境下机动目标跟踪任务,仿真结果表明,IMM-TSEKPF算法跟踪精度高,时间消耗短,其估计性能要优于IMM-PF。