基于阵列天线的空间多目标跟踪在雷达、声纳、导航尤其是无线通信等许多领域中有着极其广阔的应用前景。本文研究了基于阵列信号处理的空间多个移动目标的跟踪算法。空间多目标跟踪可分为初始定位和动态跟踪两个阶段,初始定位估计DOA的初始参数,主要包括MUSIC和ESPRIT两种算法；动态跟踪则采用自适应算法进行实时跟踪,常用有梯度下降算法、LMS算法、RLS算法等。目前的算法研究以静态估计偏多,其复杂度较高,难以适应多目标的跟踪场景。本文从DOA自适应迭代和子空间跟踪的角度,提出了一些快速的低复杂度的动态跟踪算法。本文的主要成果：基于DOA的自适应迭代,提出了波束空间与锁角环路相结合的自适应空间多目标估计和跟踪算法,此算法采用正交波束空间进行目标DOA粗估计,保证了锁角环路的锁定速度并有着较低的计算复杂度,可以同时对多个快速移动的信号源进行跟踪。基于信号处理的滤波理论,提出了采用FFT算法的空域谱估计以及空域自适应陷波与梯度下降算法相结合的空间多目标DOA跟踪算法。FFT算法利用了空时等效性,仅对阵元输出的一次快拍数据进行傅里叶变换就可快速跟踪目标DOA；陷波方法则利用阵元个数的自由度信息,灵活调节空域滤波器的高阶零点,对干扰源进行陷波以提高跟踪的性能。基于信号子空间的方法,提出了跟踪阵列天线时变流向量的高效自适应算法,分别采用可变步长LMS算法与基于Givens旋转的QR分解的RLS算法,加快了跟踪的收敛速度并提高了数值计算的稳定性。基于特征向量子空间的方法,提出了双迭代奇异值分解与ESPRIT算法相结合的信号子空间DOA踪算法,同时提出了基于Toeplitz矩阵降维与Lagrange定理相结合的噪声子空间跟踪算法。它们都无需谱峰搜索,且在计算复杂度上有较大的降低。