在雷达数据处理中,目标跟踪是一个非常重要的研究课题。目标跟踪的主要难点在于目标的不确定性,包括目标的机动性和多目标的问题。由于目标机动的不可预知性,为了防止跟踪发散,必须对普通的滤波算法进行调整,自适应滤波是一个很自然的思路。本文首先讨论了雷达数据处理中基本的线性滤波方法包括卡尔曼滤波(Kalman Filter,KF),α-β与α-β-γ滤波方法,两点外推滤波以及线性自回归滤波方法等,并将做滤波方法的性能比较。因为后面主要分析滤波的自适应性,因此讨论了自适应α-β滤波方法。这些线性滤波方法是完成雷达数据处理的基础。其次探讨卡尔曼滤波改进算法及其它非线性滤波方法,这些滤波改进算法根据其各自特点在实际工程领域有其特有的应用。再次讨论对于将要进行滤波处理的数据进行的预处理,包括野值剔除、坐标变换和数据压缩技术。量测数据预处理技术是对雷达数据进行正确处理的前提条件,有效的预处理可以降低数据处理的计算量和提高目标的跟踪精度。最后对雷达机动目标的基本原理和机动模型进行讨论。结合卡尔曼改进算法,对其自适应性进行深入研究。对基于X~2分布的检测自适应滤波和基于新息偏差的自适应滤波做了仿真说明和分析,通过仿真试验验证了算法的良好跟踪能力。