目标跟踪作为数据融合系统的关键技术,在现代军事及民用领域占有非常重要的地位,受到国内外学者的广泛重视和研究。近年来随机集理论在多目标跟踪中的应用得到了快速发展,它避免了传统目标跟踪的数据关联技术,为多目标跟踪带来了新的发展。但存在不能提供单独目标航迹的问题,为后续的数据融合处理带来困难。因此如何对随机集下的多目标跟踪并关联航迹是一项值得研究的课题。本文主要研究了多种基于随机集理论的多目标航迹关联方法,主要工作如下:首先,在随机集理论的基础上,介绍了几种经典的多目标跟踪算法,概率假设密度滤波和势平衡概率假设密度滤波,以及算法的高斯混合实现和粒子实现,讨论了两种滤波器的优缺点,并分析了基于随机集的多目标跟踪评价指标,对全文的后续工作做了坚实的铺垫。然后,针对GM-PHD滤波在目标交叉或靠近时状态提取不准确的问题,提出了一种合作惩罚GM-PHD滤波,通过重新分配目标权值并归一化提高目标状态精度,在此基础上与标记PHD算法相结合,提高了空间相近目标的正确关联率。由于目标数目对航迹关联有直接影响,针对PHD目标数目估计不够准确的问题,本文将标记CP-PHD的思想引入CPHD滤波框架中,改善了航迹的维持性能。最后,针对粒子PHD目标状态提取不够准确的问题,提出了一种新的目标状态提取方法,本文中将其与预测关联算法相结合,在提高位置估计精度的同时提高了目标航迹关联正确率。针对多目标密集靠近情况下航迹易关联错误的问题,提出了一种改进的航迹关联算法。改进算法使用距离矩阵来辨别目标的相互位置关系,并针对目标密集靠近的情况直接关联其航迹预测值,从而提高目标连续航迹的正确关联率,有效解决了多个目标在同一时刻交叉或者相互靠近时易产生分辨错误的问题,具有较强的抗干扰能力和鲁棒性,仿真实验验证了算法的有效性。