随着现代航海事业的不断发展,目标的机动性越来越高,这严重影响着水上交通的安全。模糊推理具有类似于人类大脑的思维,可用于目标机动状态的预测估计,以便提高机动目标的跟踪性能。为此,本文展开了基于模糊推理的机动目标跟踪算法的研究。首先,本文讨论了机动目标跟踪的基本原理和基于模糊推理的机动目标跟踪的基本方法,分析了目标机动的常用模型,讨论了交互式多模型以及模糊交互多模型的算法,仿真论证了几种常用运动模型的特性,为后续机动目标跟踪算法的研究建立基础。其次,本文提出了一种改进的基于模糊推理的“当前”统计模型(IFI-CS)目标跟踪算法。针对“当前”统计模型滤波算法在机动目标跟踪中加速度极限值不能自适应改变的问题,进而讨论了基于模糊推理的当前统计模型滤波算法,利用模糊推理系统自适应调整加速度极限值,但当目标发生突变时,其跟踪存在较大误差,因此本文提出改进的基于模糊推理的“当前”统计模型(IFI-CS),利用无突变的模糊隶属度函数加强对弱机动目标的跟踪,并引入了强跟踪滤波器加强对运动状态发生突变的目标跟踪,最后通过仿真实验,验证了本文改进的算法相对于“当前”统计模型滤波算法(CS)和基于模糊推理的“当前”统计模型滤波算法(FI-CS),在机动目标跟踪性能上均有所提升。最后,本文提出了改进的模糊交互多模型算法(IF-IMM)。由于目标机动的时变性和复杂性,仅仅利用单一模型很难实现准确跟踪,因此本文讨论了交互式多模型算法(IMM)。IMM因选取大量模型集会导致计算量增大、跟踪不准确的缺点,进而讨论了模糊交互多模型算法(F-IMM),在此基础上,提出改进的模糊交互多模型算法(IF-IMM),将模型协方差矩阵作为模糊推理系统的输入,利用升半梯形的隶属度函数将模型集中有用的模型留下,无用的模型剔除,可以减少模型集之间的竞争更新模型概率,最后通过仿真实验,将交互式多模型算法(IMM)、模糊交互多模型算法(IF-IMM)和本文改进的算法进行仿真对比分析,验证本文算法的有效性和优越性。