随着现代航空航天技术的飞速发展，各种飞行器的航行速度和机动性能越来越高，因此，对机动目标跟踪，特别是杂波环境下的多机动目标跟踪的研究具有重要的理论意义和应用价值。另外，由于被动传感器具有隐蔽性好，抗干扰能力强等优点，在现代防御和武器系统中得到了广泛的应用。本文重点针对被动多传感器机动目标跟踪问题展开研究，主要内容包括机动目标跟踪模型，高斯噪声和非高斯噪声下的机动目标跟踪算法，基于数据关联和随机集理论的多机动目标跟踪算法，取得的主要研究成果如下：首先，提出了一种改进的维特比交互式多模型算法。在详细阐述维特比算法原理的基础上，将其与交互式多模型算法相结合，提出一种基于维特比的交互式多模型算法，有效改善了特定运动状态下的目标跟踪性能。在此基础上，提出一种切换维特比交互式多模型算法，通过引入一个机动检测机制在目标运动状态之间进行切换，从而能够在不同的维特比参数下对目标运动状态进行更好地描述。其次，在研究马尔可夫链蒙特卡罗近似采样方法的基础上，提出一种新的多机动目标跟踪算法。该算法通过对关联事件进行采样，避免了传统联合概率数据关联中对所有可行性事件的一一列举，从而极大地降低了计算复杂度。另外，由于改进算法采用关联事件对多目标跟踪问题进行描述，在降低计算量的同时对问题也进行了简化。最后，针对复杂环境下的目标新生、消失和衍生等情况，研究了基于随机有限集的多机动目标跟踪问题，提出一种改进的多模型概率假设密度滤波算法，提高了模型转移概率过小时的多机动目标跟踪性能。另一方面，针对随机集滤波的航迹维持问题，在深入研究交叉熵最优理论的基础上，将其引入估计与航迹关联算法中，通过交叉熵方法的循环迭代采样和参数自适应调整过程，有效改善了随机集滤波的航迹维持性能。