无论就生存还是生活而言，目标跟踪是自然界的一个基本问题。在过去的二十多年中，随着科学技术的进步和现代战略战术的发展，机动目标的跟踪理论和方法已经获得很大发展。 本文详细讨论了具有代表性的PDA算法，IMM算法以及基于“当前”统计模型的均值与方差自适应算法和基于神经网络的卡尔曼滤波算法。多雷达或多传感器工作时，它们在开机时间是不一样的；或者它们可能有不同的脉冲重复周期和扫描周期，即有不同的采样率；或者在扫描过程中，来自不同雷达或传感器观测数据通常不是在同一时刻得到的，存在着观测数据的时间差。这样在融合之前必须将这些观测数据进行同步，或者称为时间对准。针对传感器对目标观测的不同步的情况，本文采用了序贯滤波方法，在某雷达单独观测时，即为通常的卡尔曼滤波方法，在重叠观测区，不管是哪个传感器观测，按时间顺序，先到的航迹先进行滤波，这样就省去了时间同步这一步处理，又增强了航迹的连续性，通过计算机仿真，我们也可以看出序贯滤波在跟踪机动目标时的有效性。