目标跟踪在国防和民用领域均有着广泛的应用。随着飞行器机动性的提高,目标运动轨迹呈现出一定的复杂性、随机性和多样性。因此,研究机动目标跟踪是一个在理论与应用中均具有挑战性的课题。设计目标跟踪系统的主要目的是可靠而精确地跟踪目标,因此,对机动目标跟踪问题进行理论和应用方面的研究,具有重大理论意义及工程应用价值。当前对机动目标跟踪的算法研究主要集中在交互式多模型(IMM)算法,它已被证明是目前混合系统估计算法中性价比最好的算法。经典IMM算法采用匀速模型(CV)和匀加速模型(CA),本文通过理论分析和仿真验证,表明采用CV、CA和“当前”统计模型组成模型集的算法性能优于经典IMM。另外,本文通过理论分析结合数字仿真结果,指出了采用CV、CA和“当前”统计模型的IMM算法存在的一些不足,并在此基础上给出了相应的改进算法。首先,IMM算法所选择的模型精度会影响整体IMM算法的性能。“当前”统计模型存在跟踪弱机动目标精度低、加速度极值先验固定、跟踪范围小的缺陷。在IMM算法中将加速度极值不固定的“当前”统计模型与CV、CA模型相结合,能改善整体IMM算法性能。其次,IMM算法马尔科夫转移概率是先验确定的。本文充分利用隐含在当前量测中的系统模式信息,在线实时计算马尔科夫转移概率,从而获得了较准确的后验估计,提高模型融合的精度。最后,经典IMM算法只能处理测量噪声和动态系统噪声都是零均值独立白噪声下的航迹,但在实际工程中需要处理的数据往往是带有一定相关性的有色噪声而非白噪声。如果将有色噪声当作白噪声处理,估计精度会下降。本文考虑了有色噪声下的目标跟踪。从以上三方面对IMM算法进行改进后,提出本文改进的IMM算法,并对多条模拟航迹进行蒙特卡洛仿真,通过实例验证了算法的有效性,为工程应用提供了有益的参考。