随着跟踪目标的机动性能和跟踪环境的显著变化,目标跟踪系统为了适应复杂的目标机动和应用环境,各种新的技术不断被应用于机动目标跟踪中。通过机动目标跟踪技术的迅猛发展,满足了人们对跟踪性能的要求,实现可靠而精确的目标跟踪,从而为后续的指挥控制提供准确的数学基础,因而,机动目标跟踪越来越成为国内外研究的热门方向。论文的主要工作有:对目标运动模型、跟踪算法的研究现状进行了阐述。介绍了常见的运动模型,并总结了各个模型的应用特点。对目标跟踪中常用的几种滤波算法进行详细理论推导,通过理论分析了这几种非线性滤波算法的滤波性能,为后续的自适应滤波算法的研究提供了理论依据。并通过GPS/DR组合导航系统中的应用,验证了EKF算法、UKF算法和CKF算法的估计性能。针对由于目标运动状态发生突变时球面单形-径向容积卡尔曼滤波(SSRCKF)估计精度下降的问题,提出了一种基于STF的自适应球面单形-径向容积卡尔曼滤波(ASSRCKF)目标跟踪算法。通过引入渐消因子实时修正预测状态协方差,进而调整滤波增益,自适应减小跟踪误差,增强了算法的鲁棒性。实验表明在未知机动的情况下,该算法具有比AIMM-SRCKF更好的跟踪精度。其次,针对SSRCKF在噪声统计特性未知时滤波精度下降的问题,提出了一种基于Huber的HMSSRCKF算法。利用Huber M估计算法实现了SSRCKF算法的量测更新过程,由于HMSSRCKF不用直接求量测协方差,因此在噪声统计估计不准确的情况下,具有一定的鲁棒性。仿真实验表明该算法具有比SSRCKF算法更好的跟踪性能。针对在机动目标跟踪中,IMM-CKF在噪声统计特性未知时存在滤波精度低、模型切换速度慢等问题,提出一种基于简化Sage-Husa算法的IMM-ASSRCKF算法。该算法采用基于球面最简相径(SSR)容积规则的SSRCKF算法,可获得高于传统CKF的滤波精度,同时在SSRCKF算法的基础上引入一种基于Sage-Husa算法的适用于非线性系统的噪声估计器,并进一步结合IMM算法构成了IMM-ASSRCKF目标跟踪算法。将所提出的IMM-ASSRCKF算法应用于本文所建立的反舰导弹弹道进行跟踪,仿真结果表明,相较于IMM-CKF算法,改进的跟踪算法有更快的估计误差收敛速度和更强的鲁棒性。