目标跟踪最初是为适应现代军事发展的需要而被提出的,经过众多国内外学者的研究,已经发展成为一个具有普遍实用性的领域。在空中侦察与预警、弹道导弹防御、战场监视等军事领域,以及空中交通管制、智能车辆系统、交通导航、机器人视觉等民用领域都得到了广泛的应用。随着工业技术的发展,被跟踪目标的性能相比以前也有了质的飞跃,目标跟踪精度的要求越来越高,这些因素均对目标跟踪技术提出了更高的要求。论文分析了目标跟踪多模型法中的交互多模型法,通过对其缺陷和优点的研究,设计了一种在目标机动特征确定时,可以得到更好的跟踪精度的多模型方法CMM。论文主要进行的工作有：(1)研究了目前最主要的目标跟踪算法,分析了它们所适用的环境和优缺点,总结出了分别适用于3种机动类型目标的自适应滤波算法,并将它们做为CMM算法中的主要滤波算法。(2)研究了多模型跟踪算法中的IMM算法,根据IMM算法在目标机动恒定时滤波精度较低的缺点,设计了一种基于机动特征分类的多模型方法CMM。该方法在目标机动特征恒定时采用单一的最优滤波器滤波,可以得到更高的滤波精度。(3)研究了大量的基于Kalman滤波的改进滤波算法,通过对滤波过程分析找到了一种用于目标机动分类的机动检测方法,并且分析了机动检测结果与目标机动类型的对应关系。(4)研究了CMM算法的实现过程,进行了目标跟踪仿真实验,测试了当目标处于不同机动强度时目标机动检测和目标机动分类的有效性；模拟了强机动目标的跟踪过程,在整个过程中目标的机动均能及时检测到,并且能对目标进行正确的机动类型分类,具有较高的目标跟踪精度。论文研究工作表明：当目标机动类型确定之后,CMM算法会为每个目标提供独立的最优滤波器进行滤波,相对于IMM算法的多模型交互方式,不仅可以提高滤波精度,计算复杂度也会降低。通过实验发现,将CMM算法用于机动目标跟踪时,目标机动类型可以通过机动检测正确的识别,目标跟踪的效果也跟算法分析的结果一致。