机动目标跟踪广泛应用于军事和民用领域,一直备受人们的关注。随着目标的机动性越来越强,跟踪滤波器对目标机动常常不能够良好的匹配,为确保雷达稳定而精确的跟踪目标,如何设计优良的机动目标跟踪算法已成为一个具有重要理论和使用价值的热点研究课题。本文首先讨论了机动目标跟踪的一些基本算法,包括卡尔曼滤波、扩展卡尔曼滤波、不敏卡尔曼滤波(UKF)和粒子滤波(PF),通过对这几种算法滤波性能的对比仿真分析,研究这些算法在机动目标跟踪中存在的不足,为后续的研究工作做铺垫。UKF算法的核心是通过不敏变换来解决强非线性问题,多重时变渐消因子的引入可以解决当系统稳定后UKF算法会对突变状态丧失跟踪能力的问题,本文在此基础上,对多重时变渐消因子进行修正,提出了改进的带多重时变渐消因子UKF。PF算法的核心是通过重要性采样获得一组带相关权值的随机样本,并通过重采样来获得状态的最优估值,遗传算法的引入可以有效解决重采样算法造成的粒子匮乏现象,本文在此基础对遗传算法中的选择、变异操作进行了改进,提出了一种改进遗传重采样粒子滤波算法。多模型算法是一种自适应机动目标跟踪算法,变结构多模型算法采用时变模型集合来匹配目标的运动,可以有效解决固定结构偏多模型算法中存在的不足,本文对这两种算法进行对比仿真分析。有向图切换算法是一种改进的变结构算法,本文对有向图切换算法进行简化,并与改进的带多重时变渐消因子UKF算法相结合,提出了基于改进的带多重时变渐消因子UKF的简化有向图切换多模型算法。本文利用SDZ616作为硬件实现平台,将基于混合UKF的简化有向图切换多模型算法在DSP平台上进行了实现,针对DSP的硬件特性进行代码优化,测试DSP程序的运行效率,最终实现有效可靠的嵌入式软件。