首先针对无源传感器目标跟踪中的非线性问题，将高斯-厄米特求积分规则运用于高斯混合概率假设密度滤波，提出一种求积分卡尔曼概率假设密度滤波。其次，针对未知时变过程噪声，将基于极大后验估计原理的噪声估计器运用到概率假设密度滤波中，同时依据目标状态一步预测与状态滤波结果之间的残差，提出一种对滤波发散情况判断和抑制的算法。最后通过无源传感器双站跟踪仿真表明：相较于已有的非线性高斯混合概率假设密度滤波，所提算法有更高的精度，并且在未知时变噪声环境中具有较好跟踪效果。

针对传统的交互式多模型(IMM)算法通常采用相同维数的模型进行滤波,存在较大的模型误差以及当前统计模型(CS)中的参数需要合理设定的问题,提出一种变维自适应交互式多模型(AIMM)跟踪算法.该算法首先利用维数变换,将不同维数的模型转换为统一的维数进行交互滤波,使之适用于一般的机动目标,减少模型跟踪误差;然后通过引入由残差信息定义的调整因子对CS模型中的参数自适应调整,提高模型与实际运动模式的匹配程度;最后将参数调整后的CS模型反馈到变维IMM算法中,来改善跟踪性能.仿真实验表明,与传统变维IMM算法相比,文中所提算法在有效跟踪机动目标的同时,提高了目标的跟踪精度.

属性信息具有提高数据关联算法性能的巨大潜力，是多无源传感器信息数据关联研究的趋势之一。对属性信息在多无源传感器数据关联问题中的应用进行了综述，分析了基于属性信息的数据关联问题的研究进展，抽象出属性信息应用的问题模型，给出了基于统计、不确定推理的属性信息关联规则，总结了属性信息应用于多无源传感器数据关联的处理结构模型，并比较了各处理结构的优缺点，最后指出了未来属性信息辅助数据关联要解决的关键问题。

针对单站无源跟踪系统非线性较强、传统跟踪滤波方法收敛速度慢且容易发散的问题, 提出了一种基于自适应因子化 H∞滤波的单站无源跟踪算法。该算法利用 sigma点转换和鲁棒 H∞滤波能够减小观测方程的线性化误差和降低观测误差不确定性的特点, 通过新息控制减小野值对滤波的干扰, 利用比例因子和渐消因子自适应调整采样点到中心点的距离和状态预报误差的协方差, 从而克服基于 UT变换的 H∞滤波采样时的非局部效应问题, 增强了单站无源跟踪系统对噪声的鲁棒性。仿真实验结果表明, 本文方法通过对 UT变换进行简化, 在自适应因子化的同时, 算法的计算量与基于 UT变换的 H∞滤波基本持平, 且跟踪精度优于基于 UT变换的 H∞滤波算法。该算法在保持高精度估计能力的同时, 具有较强的鲁棒性, 是解决非线性系统状态估计问题的一种有效方法。

航迹关联是分布式传感器信息融合的关键问题之一，其主要问题在于多目标平飞航迹难以关联，而实际工程应用中无法实时获取方差数据又增加了关联难度。将同一传感器获取的平飞航迹抽象为图论中无分辨的点，应用综合B型关联理论计算各点间距，进而构造反映航迹间关联关系的双向连通图，并用邻接矩阵描述其关联拓扑关系。不同节点的公共观测连通图对应的邻接矩阵必然是相似的，继而将图二分为单点图及其对应补图，利用辩证的思想将补图所对应的邻接矩阵的特征值抽象为对应点的特征向量，最终将平飞航迹关联落脚至多维分配问题。实验仿真表明，该方法具有较好的关联效果。

由于被动传感器只能获得目标的角度量测，因此杂波环境下基于被动传感器的关联问题较主动传感器更为困难。针对杂波环境下纯方位多被动传感器系统的单目标跟踪问题，提出了一种基于扩展卡尔曼滤波的模糊综合贴近度关联跟踪方法。该方法采用直角坐标系下多被动传感器系统的扩展卡尔曼滤波对目标进行跟踪。首先利用目标航迹的预测信息，针对每个传感器建立确认跟踪门;在获得候选关联组合后，直接利用角度信息建立各候选关联组合与角度预测值间的模糊综合贴近度，通过在所获得的全部模糊综合贴近度中寻求最优解完成量测到航迹的关联。仿真实验表明，该方法可以有效地解决杂波环境下多被动传感器系统的单目标跟踪问题。

分析了数据融合系统的内在特点，建立了数据融合系统性能评估的综合评估指标体系，提出了一种基于粗糙集和修正熵权的多层次综合评估模型。采用粗糙集理论对指标数据进行属性约减，消除冗余指标，计算属性权重，并对二级指标熵权进行修正；利用层次分析法计算主观权重对一级指标熵权进行修正。实例验证表明，该方法有效可行，提高了评估结果的客观性与可信性，为数据融合系统的开发、论证和实际使用提供了科学的理论决策依据。

在多部2D传感器组网目标定位中，为减小地球曲率对观测的影响，充分利用各传感器量测并解决观测方程的非线性最小二乘问题，提出了融合方位量测的测距最小二乘算法。该算法的实质是基于多部2D传感器设备的测距以及方位角信息，考虑地球曲率的影响建立等效的观测模型和非线性方程，通过数学变换将非线性系统转化为线性系统；利用纯距离最小二乘定位原理初步估算出目标的位置，然后融合各传感器的方位量测得到关于目标的最终位置估计。仿真实验表明，本方法在3部以上2D传感器观测并且测距误差较大而方位误差较小的情况下，可以修正测距最小二乘法在某些位置的定位误差，从而整体提高目标的定位精度。

航迹起始是多目标航迹处理中的重要问题。针对异步被动传感器系统航迹起始困难的问题, 提出了一种基于蚁群导航思想的异步被动传感器航迹起始算法。该算法首先利用各传感器在多个扫描周期的测量建立候选目标集, 采用极大似然法确定每一个候选目标的初始状态估计, 然后再利用蚁群导航算法实现真实航迹的检测, 最后由极大似然法估计出每一批目标的初始状态。仿真实验表明, 该算法不但能够有效实现航迹起始, 而且降低了虚假航迹的起始率。

为解决杂波、未知数目和被动传感器测量精度不一致情况下的航迹起始问题, 提出了一种适用于被动传感器系统的航迹起始算法。该算法首先根据启发式规则消除一部分虚假定位点, 然后利用概率网格的思想将观测空间划分为同一大小的网格, 同时根据被动传感器的测量精度计算得到每个网格内出现目标的概率, 最后利用序列 Hough变换进行航迹的检测。仿真实验表明, 该算法不但能够有效实现航迹起始, 而且降低了虚假航迹的起始率。