随着工业科技的进步,运动目标存在高机动性,低检测度的特点,对目标跟踪算法的机动判断、状态估计精度、实时性提出更高的要求。目前,对于运动目标跟踪方面研究大都以基于KF的IMM算法开展。然而,IMM算法在滤波估计,模型集优化和算法结构方面依然存在不足,因此,本文针对运动目标的机动特性,研究运动目标机动检测交互式多模融合跟踪算法。首先,在滤波估计方面,针对KF增益矩阵计算运算量大的问题,采用SS-KF并行滤波器,提出基于机动检测理论的SS-IMM算法。SS-KF算法复杂度低,易于工程实现,SS-IMM算法在复杂度上有很大的降低,但过程噪声对跟踪性能影响较大。因此,引进机动检测策略,结合不同过程噪声下的SS-IMM算法,能有效降低运算时间,提高跟踪精度。其次,从模型集优化和算法结构调整出发,针对IMM算法使用固定模型集进行跟踪存在无效模型交互,以及采用标量权值进行模型概率更新引起计算溢出的问题,引入扩展维特比方法,结合标量权重矩阵思想,提出SIMM-EV算法。SIMM-EV算法在解决无效模型交互问题的同时,集成了标量权重矩阵可以弥补算法结构缺陷的功能,能够有效的提高机动目标跟踪精度,尤其是速度跟踪。最后,在MD-SS-IMM和SIMM-EV算法的基础之上,通过算法融合的方式优化跟踪性能,加入机动检测策略判断目标运动状态,根据机动检测结果实施算法切换,提出机动检测稳态滤波多模型扩展维特比的融合跟踪算法。针对本文提出的三种算法,论文首先进行相关算法的对比仿真研究,然后利用差分GPS设备和普通GPS设备采集的数据分别作为真实航迹和观测值进行车辆跟踪实验分析,实验结果显示本文所提算法在跟踪精度、复杂度上都具有明显的优势,可以作为IMM算法在实际应用中的替代。