高机动目标轨迹跟踪预测是信号估计领域里一个非常重要的研究分支,在军事监控,民航管制等重要领域都有着重要而广泛的应用。高机动目标跟踪预测往往由于被跟踪目标不断改变的运动模型,以及运动模型以及观测模型具有的非线性,导致跟踪的精度常常不能达到要求。在本篇硕士论文中,针对高机动目标跟踪预测中所存在的问题进行分析研究,讨论并提出了基于多模型方法的高机动目标轨迹跟踪预测的算法。本文中,首先讨论研究了多种目标运动学模型,包括非机动模型,各方向轴非耦合的机动模型,到转弯模型,以及动力学模型等等;其次研究了坐标轴系统的选择以及对应滤波器选择的问题。在实际系统设计中实现多模型方法时,需要根据实际情况选择模型集合,确定观测坐标系统,以及对应的滤波器。为了验证和分析所设计的多模型方法的性能,首先设计了一个具有多种运动模式的目标运动轨迹,并将这个仿真目标轨迹作为评价算法性能的基准。在设计这个实验时,做出了不管预测以及跟踪误差多大,都不会丢失目标的假设。为了能够尽可能精确地描述目标的运动,以及不会产生过大的计算量,一共选择了三个运动学模型,即:匀速运动模型,匀加速运动模型,以及三维转弯运动模型。观测模型中则是根据保持观测噪声的白噪声特性,以及运算的简便,选择了混合模型,即目标状态在笛卡尔坐标系下表示,而观测量在传感器坐标系中表示。在基本滤波器的选择中,对于匀速运动以及匀加速运动,使用标准卡尔曼滤波,而对于具有非线性的状态转弯模型,选择使用了扩展卡尔曼滤波方法。通过比较预测轨迹以及真实轨迹的差值,可以明显看出使用了多模型方法的跟踪预测算法有效的提高了机动目标跟踪预测的精度。最后,讨论和研究了利用图像信息,增强多模型跟踪预测算法能力的方法。通常在视觉跟踪中,处理捕获目标的图像之后,直接给出对应位置信息,而诸如姿态,方向等等有关目标的重要信息被忽视。为了将这些信息引入多模型算法中,讨论并研究了对应的状态向量以及运动模型。