El presente trabajo muestra el diseño de un filtro de seguimiento tridimensional para objetivos maniobrantes diseñado con la ayuda del Sensor Fusion and Tracking Toolbox™ presente en Matlab 2020a. Se emplea como método de estimación de las componentes tridimensionales de posición, velocidad y aceleración de cada objetivo, un banco de filtros Kalman extendidos con el objetivo de reducir los errores introducidos en la observación y la estimación de las variables de estado no medidas directamente. En el banco de filtros se implementan modelos de velocidad constante, aceleración constante y giro constante. La conformación de la estimación final se logra con un algoritmo de modelo múltiple interactivo (IMM), el cual se encarga de la combinación de hipótesis de estado de los múltiples modelos presentes en el banco de filtros, para obtener una mejor estimación del estado de un objetivo maniobrante.  El funcionamiento del algoritmo IMM está determinado por una cadena de Markov, encargada de controlar cómo ocurre la conmutación entre los modelos de movimiento Para comprobar el funcionamiento de este filtro, se generaron 50 trayectorias con velocidad de 900m/s y maniobras por los tres ejes en presencia de ruidos y sin este. Como resultado se obtuvo que la estimación de dichas trayectorias presentó elevada correspondencia entre la trayectoria real y la estimada para ambos casos.