机动目标跟踪技术一直以来都是信息融合系统中的一个重要研究课题,其在民用和军事领域中均有着广泛的应用。随着目标机动性越来越强,以及对于机动目标跟踪精度要求越来越高,如何实现对机动目标的稳定、精确、可靠的跟踪,显得尤为重要,完善和改进现有目标跟踪技术有其理论意义和现实意义。多模型算法的出现为机动目标跟踪问题提供了很好的解决方法,随着多模型算法不断的发展和进步,变结构多模型算法逐渐成为了研究的主流,不断有学者提出不同的变结构多模型算法,使得目标跟踪精度、实时性得到了很大的提升。本文是在现有的变结构多模型算法的基础上,提出了三种新的变结构多模型算法,具体内容如下:1.基于可能模型集的最好模型集扩展的变结构多模型算法,该算法的主要思想是,首先利用可能模型集算法中的模型集合自适应策略删除基本模型集中的不可能模型,得到当前时刻的有效模型集合,然后利用最好模型集合扩展算法BMA的KL准则,从预先设计好的候选模型集中选择一个当前时刻的最好模型,最后基于有效模型集和最好模型进行模型集合序列条件估计,获得机动目标的总体估计。对该算法与现有算法进行仿真对比,验证了提出的算法具有较高的费效比。2.基于期望模式的最好模型集扩展的变结构多模型算法(EBMA),该算法的主要思想是,基本模型模型集先经过期望模式扩展算法(EMA)得到当前时刻的期望模型,然后利用期望模型与候选模型集合的欧式距离,将当前时刻距离期望模型最近的候选模型作为当前时刻的期望最好模型,最后基于基本模型集和期望最好模型进行模型集合序列条件估计,获得机动目标的总体估计。对该算法与现有算法进行仿真对比,验证了提出的算法具有较高的费效比。3.基于期望模式的折衷模型扩展的变结构多模型算法,该算法的主要思想是,基本模型集先经过期望模式扩展算法(EMA)得到当前时刻的期望模型,然后取期望模型与最近的基本模型所在的直线与两个最近基本模型所组成直线的中垂线的所在的交点为折衷模型。最后基于基本模型集和折衷模型进行模型集合序列条件估计,获得机动目标的总体估计。对该算法与现有算法进行仿真对比,验证了提出的算法在跟踪性能上有很大的提高。