雷达利用电磁波实现目标的定位、跟踪和识别,在军事和民用领域均有广泛应用。雷达目标跟踪在现代雷达系统中具有极其重要的地位。随着科技社会的发展与进步,目标所处的环境背景日趋复杂、目标的机动性能日益增强,对雷达目标跟踪技术提出了更高的要求。因此,开展复杂环境下运动目标跟踪方法的研究工作具有重要的理论研究和实际应用价值。本文主要内容如下:首先,针对噪声背景下目标跟踪问题开展研究工作,重点分析对比了几种噪声背景下的目标跟踪算法。对于非机动目标跟踪问题,卡尔曼滤波算法具有良好的目标跟踪性能。对于机动目标跟踪问题,Singer模型算法、当前统计模型算法和交互式多模型算法均可获得较好的处理结果。仿真实验结果表明,与Singer模型算法相比,在一般机动水平和高机动水平条件下当前统计模型算法的跟踪精度较高,但在低机动水平条件下两者的跟踪精度接近。而在上述三种目标机动条件下交互式多模型算法的跟踪精度整体上均高于另外两种算法。其次,针对目标个数较多、杂波密度较大情况下联合概率数据互联算法计算量迅速增大的问题,引入了基于m-best的联合概率数据互联算法,并对杂波环境下的几种经典目标跟踪算法进行了理论分析与仿真实验对比。研究结果表明,最近邻域法和概率数据互联算法均可实现对杂波环境下的单目标跟踪处理。但当杂波密度较大时,最近邻域法可能会出现失跟现象。不同于杂波环境下单目标跟踪问题,杂波环境下多目标跟踪问题需要综合考虑位于相交相关波门内的候选回波的来源情况。联合概率数据互联算法通过拆分确认矩阵来确认各候选回波的来源,从而实现对杂波环境下的多目标跟踪。但确认矩阵的拆分是组合数问题,联合概率数据互联算法的计算复杂度将随目标个数的增多、杂波密度的增大而迅速增高。针对这一问题,本文引入了基于mbest的联合概率数据互联算法。该算法将搜寻联合事件过程转换为线性规划问题,并通过迭代求解线性规划的前m个最优解,使联合概率数据互联算法的处理时间明显降低。最后,针对杂波环境下的多机动目标跟踪问题,提出了一种改进的交互式多模型联合概率数据互联算法。对于该问题,本文首先将适用于机动目标跟踪的交互式多模型算法与适用于多目标跟踪的联合概率数据互联算法相结合,实现了交互式多模型联合概率数据互联算法。其次,当目标个数较多、杂波密度较大时,针对交互式多模型联合概率数据互联算法的计算量较大这一问题,在利用统一波门选取候选回波的基础上,结合基于m-best的联合概率数据互联算法,提出了一种改进的交互式多模型联合概率数据互联算法。仿真实验结果表明,对于杂波环境下的多机动目标跟踪问题,交互式多模型联合概率数据互联算法和改进的交互式多模型联合概率数据互联算法均能取得较好的跟踪效果。但在目标个数较多情况下,与交互式多模型联合概率数据互联算法相比,本文所提出的改进交互式多模型联合概率数据互联算法的计算量较小、跟踪精度略高。