综合利用来自多种传感器输出的目标和环境信息,及时、准确、有效的实施对海陆空天各路目标的状态估计与信息融合(即数据处理),是战场预警、精确打击、空中交通管制、智能监控等重要领域的关键技术之一。随着感知环境与对象复杂多变、感知手段日益丰富、感知要求日益提高,使得目标跟踪问题越来越呈现出复杂系统的不确定、非线性、多模态等复杂系统特性。本论文紧密围绕目标跟踪系统中的非线性估计、数据关联、弱小目标检测与跟踪、多传感器融合等关键技术进行研究,主要内容与创新点如下:(1)针对固定采样数目粒子滤波器效率低下以及KLD采样方法门限选择困难等的缺点,提出了一种平滑辅助的自适应采样粒子滤波方法。设计了一种基于粒子平滑器的在线度量指标,实时度量上一时刻的滤波结果,从而自适应选择下一时刻的采样粒子数量。由于采用了粒子平滑和自适应采用策略,使得算法具有较好的估计精度。仿真结果表明了算法的有效性。(2)针对雷达对某型靶机试验的机动目标跟踪问题,设计了一种交互式多模型不敏卡尔曼滤波器(IMM-UKF)。并与经典的模型切换方法进行了比较分析,通过实际工程验证,结果表明:虽然两种方法都能够对机动目标进行连续跟踪,但是基于决策逻辑的模型切换法在模型切换过程中跟踪误差超差严重,而多模型跟踪方法在整个跟踪过程中误差稳定。(3)针对传统联合概率数据关联方法(JPDA)在密集杂波环境下确认矩阵构造困难等不足,提出了一种基于粗糙集的概率数据互联方法。基于粗糙集理论来处理落在跟踪门内的回波量测,通过计算关联近似质量对目标量测进行分类,将跟踪门交叉区域内的量测区分对待,避免复杂的确认矩阵计算。通过某防空武器在复杂电磁环境下的适应能力试验表明:与JPDA算法相比较,本文提出的粗糙集概率数据互联在不损失估计精度的情况下,有效降低了计算量。(4)针对复杂环境下弱小目标检测与跟踪问题,提出了一种量测空间自适应划分的微弱多目标检测前跟踪方法。采用两层划分策略,先对量测空间进行粗划分,通过量测似然比检验目标可能存在的区域;再对目标存在区域进行细划分,设计了一种带有目标可见性和关联性指示信息的Rao-blackwellised粒子滤波器进行目标的检测和跟踪,从而自适应调整量测空间的划分粒度。仿真结果表明:本文提出的方法能够在较低的计算复杂度条件下有效提高目标检测与跟踪性能。(5)针对多传感器目标识别可能存在冲突问题,提出了一种基于局部冲突分配策略的证据合成规则。综合考虑了各传感器对不同目标识别结果之间的冲突和不同传感器对同一目标识别之间的冲突,进行冲突的局部分配和证据合成。通过多传感器联合识别算例,对该方法进行了验证。结果表明:所提出的方法具有良好的一致性,同时在冲突证据合成时,能够有效提高目标识别能力、降低决策风险。(6)针对低检测概率、密集杂波复杂环境下的多目标跟踪问题,提出了一种基于Rao-Blackwellized粒子滤波的联合多传感器多目标跟踪方法。通过建立目标数目的马尔科夫模型,多传感器多目标关联假设的贝叶斯全概率模型,采用Rao-Blackwellized粒子滤波进行统一联合处理。仿真结果表明:所提出的方法能够处理目标数目未知条件下的非线性、机动多目标检测、关联与跟踪问题。(7)工程中通常先用雷达对远距离目标进行探测和跟踪,等目标到达红外跟踪范围内以后,跟踪系统应用雷达输出的目标状态对红外跟踪系统进行导引。然而,由于红外只能输出关于目标的测角信息,要完成跟踪任务就必须要有其它辅助手段来获取目标距离信息,因此本文对雷达/红外联合跟踪方法进行了研究,设计了雷达/红外联合跟踪器,通过仿真对融合系统的性能进行分析。