机动目标跟踪技术在国防科研以及雷达、声呐信号处理及其他相关领域中是一个非常重要的研究课题。近几十年来，国内外众多专家学者对之进行了深入的研究，取得了丰硕的成果，这些成果在空中侦察与预警、弹道导弹防御、战场监视等军事领域，以及空中交通管制、智能车辆系统、交通导航、机器人视觉等民用领域都得到了广泛的应用。随着机动目标跟踪理论研究的日益成熟和深入，它在工程领域中的应用也愈加广泛；反过来，实际工程环境对传统的理论与算法也提出了新的挑战。 本文介绍了机动目标跟踪的组成要素、几种常用的机动目标运动模型、数据关联及状态滤波等关键技术，其中涉及的主要算法是自适应滤波及概率数据关联算法。在滤波算法中，针对基于“当前”统计模型的自适应滤波算法做了一些改进(IAF)，避免了计算加速度方差时对加速度极限值的选取，无需机动检测，增大了机动目标的动态跟踪范围，在一定程度上提高了跟踪精度。同时，对交互式多模型滤波算法进行了一定研究。针对密集回波环境中单机动目标跟踪问题，利用传统的交互式多模型概率数据关联(IMMPDA)算法的优点，将自适应滤波算法与概率数据关联算法相结合，同时引入一种新的结构模型，交互式自适应概率数据关联(IMMAPDA)算法实现了目标状态估计的准确性和实时性。 最后，将现代智能技术(神经网络及模糊技术)在机动目标跟踪中的应用做一介绍。BP训练网络用于信息融合的并行自适应滤波算法，无需模型交互，能够达到机动目标跟踪精度及实时性的要求；引入Hopfield网络模型减少了传统关联算法在进行量测与目标分配时的计算量。模糊理论在数据关联概率的求解上也有着重要应用。