本文研究了基于DSP的汽车雷达目标跟踪算法并在DSP嵌入式环境中实现了汽车雷达目标跟踪系统。首先,针对Singer模型和CS模型等先验机动模型在应用于汽车雷达跟踪强机动目标时产生较大的误差,提出了基于支持向量回归的在线学习机动模型。该模型使用理论新息协方差与实际新息协方差的差值作为判断目标机动的准则,使用支持向量回归在线调整模型参数。大量实验表明,本文提出的基于支持向量回归的在线学习机动模型在跟踪强机动目标时跟踪精度优于CA模型和Singer模型。其次,针对SRCKF滤波实时性能不高的问题,提出了快速SRCKF。该滤波器结合线性卡尔曼滤波的时间更新和SRCKF的测量更新,在滤波效率上提高了 30%以上。大量仿真实验表明,本文改进的FSRCKF与SRKCF相比具有相同的滤波精度,但具有更高的滤波效率,适用于汽车雷达等实时性要求高但计算资源匮乏的嵌入式系统。最后,本文基于DSP嵌入式环境实现了汽车雷达目标跟踪系统,验证了部分运动模型和滤波器的实用性能,大量场地实验表明该系统具有高可用性,满足系统设计的指标要求。