在雷达数据处理中，目标跟踪是一个非常重要的研究课题。随着分辨率的提高，雷达具有检测到目标多个强散射中心的能力，面临扩展目标跟踪问题。采用传统跟踪算法时，目标是作为点目标来进行跟踪滤波的，当目标为扩展目标时，面临数据关联复杂度高、跟踪发散等情况，无法实现对扩展目标的稳定跟踪。本文首先讨论了适用于点目标跟踪的典型起始算法、滤波算法以及数据关联算法。起始算法包括逻辑法航迹起始以及Hough变换方法。对滤波算法，介绍了卡尔曼滤波、EKF以及UKF等滤波算法并给出了以上方法的性能比较。数据关联算法主要介绍了最近邻域滤波及其改进方法强近邻域滤波以及概率数据互联方法。以上算法是点目标跟踪的基础。然后讨论了扩展目标的一些方法，其中一种将目标形状建模为椭圆模型，将目标长度信息扩展到目标状态向量中，另一种方法采用随机有限集的概率假设密度（PHD）方法，该方法无需考虑数据关联问题，且计算量适中，特别适合多扩展目标杂波环境下跟踪问题。最后，对地面运动点目标进行检测时，目标的运动会导致点目标的扩展，从而占据多个距离-方位单元，本文分析了目标扩展情况与目标运动状态的关系，将扩展信息加入到状态方程中，提出了基于融合目标扩展信息的扩展跟踪波门的跟踪方法。该方法将波门建模为目标扩展信息的函数，能够充分利用了目标的扩展信息。仿真表明，经过扩展跟踪处理后，能较好的跟踪扩展目标，并能有效的提高跟踪精度。