本文较系统地研究了近程多基地雷达探测系统对高速机动目标进行精确跟踪的几个关键问题。计算周期短、实时性强是近程跟踪系统最典型的特点，快速跟踪方法的研究可以促进此项技术的广泛应用和深入发展。针对近程多基地雷达探测系统中具有高实时性要求的状态估计问题，本文在扩展kalman曼滤波器(EKF)的基础上提出了并行扩展kalman滤波(PEKF)算法，将三维加速度矢量引入到目标运动模型中，并采用并行处理机制，将关于目标位置和速度的高维迭代滤波过程拆成两个并行的低维子滤波进程。为了保证双进程的并行实时性，PEKF的速度滤波子进程采用目标当前位置的预测值作为输入以估计目标的当前速度。仿真结果表明，即使被赋予很差的初值，PEKF仍然能够精确估计到具有高加速度机动目标的运动状态，同时，跟踪过程能够迅速收敛并保持稳定。针对提高多基地雷达网较大空域探测性能的问题，本文基于根据空域分割机制优化传感器布局后的多基地雷达网提出了可变观测自适应跟踪算法(VOAT)。VOAT引入了观测分布矩阵，在目标跟踪的计算过程中，根据机动目标当前的位置估计，确定其所在的子空域，并自适应调整观测方程组，剔除测量精度比较差的观测方程，保留高测量精度的观测方程。仿真结果表明，VOAT不仅能保证状态估计的精度还能降低观测方程组的维数，提高了机动目标跟踪的精确性和实时性。针对杂波环境下T-R~S多基地雷达系统跟踪多机动目标时的初始航迹计算问题，本文提出了一种融合距离和信息和多普勒速度信息的快速初始航迹算法，使用观测组合预处理模块和航迹跟踪门大量剔除冗余组合，使用S-D分配算法选择最小代价量测组合，计算航迹初值点，使用并行扩展卡尔曼滤波算法进行确定目标的状态跟踪，并提出将多个目标的跟踪进程和S-D分配进程并行化以提高算法的实时性。数值仿真分析表明，本文提出的算法不仅能快速跟踪到多目标的初始运动状态，而且具有很好的收敛特性和稳定性，适合跟踪近距离多高速机动目标的初始航迹。针对近程多基地雷达多目标跟踪中“量测—航迹”关联问题，本文提出了一种基于并行处理机制的快速跟踪算法，用于跟踪杂波环境下多个高速运动的机动目标。该算法将整个观测数据的关联过程拆分成若干个并行子关联进程，采用并行扩展kalman滤波算法，同时对融合了前端距离和观测与多普勒速度观测的MSJPDA拟测值进行迭代滤波。每个确定目标的条件概率计算过程被拆分为N(接收机数目)个并行子进程，且能扩展到多目标情况。仿真结果表明，该算法不仅能够在杂波中有效地跟踪多个机动目标，而且跟踪过程能够迅速收敛到较高精度并保持稳定，其并行处理结构保证了算法的快速实时性，适合近程多高速机动目标的精确跟踪。