随着现代社会科技的飞速发展,现代化武器和现代化的作战环境都随之发生了翻天覆地的变化。与过去的单一化机械作战相比,现代化作战的目标机动性能逐渐趋于智能化、自动化,所以现代化目标追踪技术已经成为各国军事应用的热点话题。本文主要研究了目标追踪的过程,从获取目标图像、经算法分析、理论建模等方面对机动目标跟踪技术进行了研究,论文的主要工作有：分析了目标追踪图像获取方法,在获取运动轨迹的基础上研究了跟踪过程中的轨迹的运动特性,由于干扰和障碍的存在,运行轨迹往往呈非线性特性。然后对目标的非线性运动轨迹进行滤波,介绍了几种常用的卡尔曼滤波,并对其进行了分析研究,经仿真验证后对目标运动轨迹的预测进行了状态估计和稳定性分析,找出了适合本文的滤波方法。确定了滤波算法之后,对目标的运动轨迹预测过程进行了建模,首先对目标预测跟踪过程的当前统计模型理论和目标自适应算法进行了介绍,分析了它们的自身特性,发现用当前统计模型对目标进行追踪过程中由于目标机动性能比较大,机动频率的初始值很难确定,并且它的频率不能随着机动目标的变化进行调整,导致当前统计模型对机动目标的预测能力比较低,难以达到要求的跟踪精度。针对这一问题,本文采用了基于机动频率的自适应算法,建立模型仿真验证了当目标的加速度发生机动变化时模型的可行性。文中还指出了用修正瑞利分布函数来描述基于当前统计模型的运动加速度时,当前统计模型本身存在局限性,对做非机动运动和弱机动运动的目标的跟踪效果不理想。针对这一点,本文提出了采用加速度极值自适应的算法,该算法是利用铃形模糊隶属函数对加速度的极值进行修正。并且本文利用时变的渐消因子的调节对加速度进行修正以增强算法在目标加速度突变的情况下的跟踪能力。最后结合前面提到的滤波方法和建模理论对被遮挡情况下的目标运动进行了预测估计,并进行了仿真实验,得到了良好的目标跟踪效果,验证了本文的模型与算法的可行性。