无论是建设军事强国还是实现工业现代化，多传感器目标跟踪都有着广泛的应用领域。尽管多传感器目标跟踪是一个历史悠久的研究领域，但又是一个不断发展、常做常新的领域。特别是近年来，随着感知环境与感知对象更加复杂多变、目标感知手段日趋丰富、感知需求日益提高，使得复杂环境下目标跟踪愈发呈现出多模态、不确定、非线性、网络化等诸多复杂系统特性，本论文重点围绕多检测回波系统（如远程预警天波超视距雷达、无源相干定位系统）和无线传感网这两类典型的复杂环境下目标跟踪技术难点，开展了以下研究：　　1.针对电离层探测设备地理布置受限以及采样速率限制导致电离层信息不实时可得这一问题，提出了基于前置接收机的天波超视距雷达（Over-the-Horizon Radar，OTHR）联合模式识别与定位提升算法。该算法不依赖于电离层探测设备，主要包括以下四部分：前置接收机联合模式识别与估计，含目标高度的坐标变换，OTHR模式识别以及定位提升。该算法在模式识别方面，能够实时估计出电磁波反射电离层高度，同时有效地识别出 OTHR传播模式/杂波；在定位方面，能够粗略估计出目标高度，利用此粗略的目标高度估计可对目标属性进行判别，为态势估计提供辅助信息。此外，利用前置接收机量测与 OTHR关联量测融合，相比不考虑目标高度、无前置接收机情形，明显提高了径向距和方位角估计精度。　　2.以远程预警天波超视距雷达为应用对象，开展了联合状态估计与传播模式识别研究，提出了基于MCMC-Gibbs采样的天波超视距雷达联合估计与识别算法。该算法通过极大化似然函数寻求当次迭代当前拍关联矩阵估计，进而利用同时多量测滤波器进行状态更新，最后通过联合估计与决策风险函数寻求最优的状态估计与模式识别结果。不同仿真参数下仿真结果表明该算法的有效性，该算法在径向距和方位角估计精度上优于传统的多路径概率数据关联算法。　　3.以多检测回波系统目标跟踪为应用背景，开展了联合状态估计与传播路径识别研究，提出了基于广义贝叶斯风险的多检测系统联合估计与识别算法（Joint Identification and Estimation for Multi-Detection System，MD-JIE）。该算法分别采用似然比函数和条件概率密度函数作为决策风险和估计风险，考虑多检测系统量测、目标与模式之间的约束条件，将多检测系统联合估计与决策框架转化为在线约束优化问题通过优化算法实时求解。以 OTHR为应用对象的仿真结果表明本文的MD-JIE算法比传统的多探测多假设跟踪算法具有更优的RMSE估计性能，比传统的多路径 Viterbi数据关联算法具有更优的识别性能。以无源相干定位系统为应用对象的仿真结果表明本文算法比传统的S+1-D算法具有更优的估计性能。　　4.以无线传器网联合预警与跟踪为应用背景，提出了面向多传感器网协同探测的传染病仿生协同优化模型。该算法主要包括以下四部分：“直接感染”、“交叉感染免疫/免疫缺失”、“交叉感染”和“病毒量积累”。与常用的传染病模型不同，本文提出的分布式传染病模型描述感染个体自身的行为，而非通过传染病动态差分或微分方程描述群体中易感、已感、恢复人群所占的比例。此外，通过多传感器网节点唤醒与传染病传播之间的对应关系，提出了基于分布式传染病模型的节点唤醒控制算法。仿真结果表明，本文算法可在精度-能耗折衷意义下实现联合目标预警与跟踪。　　5.以无线传感网室内定位为应用背景，针对如何将辅助信息引入到传统滤波框架中进行了研究，提出了一种应用于无线传感网室内定位的非线性约束滤波算法。该算法将人体节点之间的先验几何信息作为额外约束引入到传统的EKF滤波系统中，以进一步提升个体自定位的精度。通过对非线性约束进行线性化，提出了一阶、二阶线性化非线性约束EKF滤波算法。仿真结果表明约束EKF相比传统的EKF具有更优的估计性能，并且二阶线性化非线性约束比一阶线性化非线性约束具有更优的估计性能。