今天雷达目标跟踪已广泛应用于军用及民用领域。随着雷达工作场景日益复杂,噪声、杂波等因素给多目标跟踪造成了极大干扰。多数传统多目标跟踪算法主要利用量测点迹的位置信息对目标进行跟踪,使得目标航迹更容易与错误的量测点迹关联,导致跟踪准确性下降,有时无法满足实际应用要求。针对这一问题,本论文探究了基于多特征匹配的多目标跟踪方法,同时利用量测点迹中包含的位置信息和其它特征信息进行目标匹配,提升了量测点迹关联的准确性,改善了复杂场景下多目标跟踪的精度和稳定性。并且通过仿真实验和海洋环境下的实测数据处理检验了提出方法的有效性。论文主要内容安排如下:第一章主要介绍了论文的研究背景、意义、历史及现状,并概括了论文内容安排。第二章主要介绍了目标跟踪领域的基础知识。首先,介绍了目标跟踪的基本流程。然后,对目标跟踪领域中广泛使用的相关波门的概念进行说明。最后,回顾了目标跟踪领域经典卡尔曼滤波算法及其衍生算法。第三章首先梳理了传统航迹起始算法,并针对传统方法在复杂场景下可能产生多条疑似起始航迹的问题,引入了雷达目标检测领域常见的目标的特征信息检验统计量取值和多普勒频率估计值改进起始航迹质量。随后,给出了基于多特征的起始航迹质量评价方法。最后,利用实测数据证实了该方法能够提升航迹起始的效率和准确性。第四章研究了多特征匹配在点迹关联中的应用。首先,介绍了三种常见的传统点迹关联方法。随后,针对传统关联方法在复杂场景下关联准确性下降的问题,对上述三种关联方法进行改进,提出了基于多特征匹配的点迹关联方法。最后,通过仿真实验证明:不同杂波密度环境下基于多特征匹配的点迹关联方法在单目标、多目标跟踪场景中均有比传统方法更好的性能。第五章利用多特征匹配对GM-PHD滤波器进行改进。首先,介绍了随机有限集理论及GM-PHD滤波器原理。然后,针对GM-PHD滤波器在高斯项迭代时权值计算不够准确的问题,给出了基于多特征匹配的GM-PHD滤波器。最后,利用仿真实验表明:改进的GM-PHD滤波器能更有效适应目标航迹交叉、目标新生和目标消亡等场景,对目标数量和位置给出更准确的估计。第六章对全文的工作进行了总结陈述,并展望了今后的研究方向。