随着现代传感器的飞速发展,扩展目标跟踪技术在反导、预警、制导以及战场监视等军事应用中的作用日益凸显。由于传感器获得量测信息的增多,扩展目标跟踪需要同时估计目标的运动状态和扩展状态。近年来,非椭圆扩展目标跟踪受到了广泛关注,该类目标的形状较复杂,无法使用基本几何图形描述。本论文以贝叶斯滤波为理论基础,研究了随机矩阵模型、随机超曲面模型和轮廓模型等形状建模方法,开展非椭圆扩展目标跟踪算法的研究。论文主要研究内容如下:1.针对转弯机动非椭圆扩展目标跟踪问题,提出基于自适应随机矩阵模型的非椭圆扩展目标跟踪算法。该算法将非椭圆扩展目标建模为多个椭圆子目标,每个子目标的扩展状态使用逆威沙特分布描述。为了准确估计目标形状,需要建立合适的扩展状态动态模型和量测噪声模型。根据前一时刻扩展状态估计值和当前时刻量测数据,实现了模型参数的自适应。仿真实验表明,所提算法在保证运动状态估计精度的同时,改善了扩展状态估计性能。2.针对非高斯系统的非椭圆扩展目标跟踪问题,提出基于椭圆随机超曲面模型的非椭圆扩展目标跟踪算法。针对刚体结构的非椭圆扩展目标,所提算法构建了统一运动学模型来描述所有子目标的运动状态。该算法用伪量测模型取代了传统线性量测模型,对椭圆形状参数进行估计,避免了对随机矩阵的处理。仿真实验表明,所提算法对量测的空间分布特性不敏感,当获取的量测较少时,也可以得到较理想的估计结果。3.针对遮挡情况下的非椭圆扩展目标跟踪问题,提出基于轮廓模型的非椭圆扩展目标跟踪算法。传感器获取到的量测按是否源于真实目标可分为两类:正量测和负量测。所提算法融合了源于目标的正量测和源于其他地方的负量测,修改了扩展状态更新方法。同时,给出其伽玛高斯逆威沙特混合实现,可同时估计目标量测数、运动状态和扩展状态。仿真实验表明,所提算法能够有效提高遮挡情况下的跟踪性能,具有更好的鲁棒性和普适性。