随着计算机、智能控制以及传感技术等学科的发展，将多传感器信息融合技术应用于机器人运动轨迹研究是当前机器人技术中的一个热门研究方向。移动机器人的运动轨迹跟踪效果将直接影响到机器人的任务完成情况，因此，研究基于多传感器信息融合的移动机器人轨迹跟踪具有重要的理论和实际意义。全文主要内容为:　　本文首先使用扩展卡尔曼滤波(Extended Kalman Filter，EKF)对非线性系统进行轨迹跟踪仿真。然后进行了基于EKF的机器人的里程计和超声波传感器融合设计，并通过仿真，实现了移动机器人匀速直线运动模型下的里程计、超声波传感器信息融合的轨迹跟踪。　　其次，针对多传感器观测同一运动目标的情况，先使用EKF进行分步跟踪，每一个传感器得到一个跟踪轨迹，再使用最小二乘估计进行拟合融合，得到最优跟踪轨迹。并通过实验验证了算法的有效性。　　最后，对移动机器人的多数量，多种类的传感器信息融合进行了研究。通过实验采集得到多组传感器的信息，然后针对EKF的线性化误差过大，需要计算雅克比矩阵等问题，引入无迹变换(Unscented Transformation，UT)的卡尔曼滤波对多传感器的信息进行融合。实验使用UKF对贴墙运行的机器人进行轨迹跟踪融合，仿真结果表明融合算法的有效性。