近年来模糊聚类分析方法已经在诸多领域获得了广泛的应用,并取得了满意的工程效果。其应用范围涉及模式识别、图像处理、水质分析等诸多领域。在雷达进行多目标跟踪滤波时,数据关联是拟要解决的关键技术之一。在密集目标环境和交叉机动航迹较多的情况下,传统的航迹关联方法关联正确率降低。在此本文详细讨论模糊聚类分析方法在雷达多目标航迹关联的应用。本文采用模糊c-均值算法进行数据关联,从而实现对多目标的数据关联和精确跟踪,并给出了仿真实验结果,证明该方法的有效性。本文的研究课题来源于交通部基础研究科技项目“航海雷达中频信号数字处理方法的研究”,本文主要完成其中的雷达目标跟踪处理研究内容。本文主要工作如下：首先阐述了关于数据关联的基本概念和理论,相关波门设置,雷达点迹与航迹关联流程,卡尔曼滤波算法等。讨论了几种经典的数据关联算法：航迹分叉法、最邻近数据关联算法、概率数据关联算法与联合概率数据关联算法等,并给出了适用的环境和性能分析。其次分析了模糊c-均值聚类算法(FCM)的基本原理,将模糊分类的特点引入到目标跟踪系统中,在已知目标数情况下,计算测量点迹与目标预测位置之间的隶属度,然后结合Kalman滤波将隶属度作为权值系数对预测新息向量进行加权,来实现目标状态估计的更新。仿真结果表明在杂波密度高且目标密集的情况下,模糊聚类算法有它一定的优越性,计算量不大,并能保证多目标跟踪的可靠性。最后对FCM算法提出两点改进,将杂波作为边缘(c+1)类,更符合实际情况,降低由于杂波或干扰点迹引起的错误关联概率。另外在有两个或两个以上点迹对同一目标隶属度相当的情况下,用航迹分叉法都予以保留。