目标跟踪技术作为现代高科技战争和航空航天等领域的关键技术之一，一直以来都受到各国专家学者的广泛重视和深入研究。随着无线传感器网络、分布式计算的迅速发展，非传统量测已成为目标跟踪算法亟待解决的难题之一。箱粒子滤波作为一种“广义粒子滤波”算法，是新近出现的处理区间量测的有力工具。与此同时，针对多动态系统的随机集最优贝叶斯滤波的实现算法是工程计算必须要解决的问题，目前有四种近似的实现算法：贝努利滤波（联合目标检测和跟踪滤波）、概率假设密度滤波、势平衡概率假设密度滤波和多贝努利滤波。本文主要在区间量测条件下，围绕箱粒子滤波及其在上述四类目标跟踪算法中的应用展开相关研究工作。1、研究了箱粒子滤波的形成、发展和实现。主要包括贝叶斯框架、非传统量测、区间分析和量化量测等问题，以及箱粒子滤波在贝努利滤波和概率假设密度滤波中的应用。箱粒子滤波是在集员估计基础上发展起来的一种序贯蒙特卡罗方法，它用箱粒子和误差界限模型来取代传统的点粒子和误差统计模型，相比于粒子滤波，箱粒子滤波具有所需粒子数少、算法复杂度低、运行速度快和适用于分布式计算等优点。2、研究了箱粒子CBMeMBer滤波的多目标跟踪方法。首次提出将箱粒子滤波应用到势平衡多目标多贝努利滤波器中，形成Box-CBMeMBer滤波器。此滤波器不仅能够估计目标数随时间变化的多目标状态，还可处理随机不确定性，量测不确定性和数据关联不确定性。此外，为了解决高杂波场景下目标状态和目标数估计精度降低问题，对广义似然函数进行了改进。相比SMC-CBMeMBer滤波，所提算法不仅能保持良好的跟踪精度，同时滤波所需箱粒子数和计算时间也大幅度减少。3、研究了量化量测条件下的机动目标跟踪算法。为了处理量化量测条件下的机动目标跟踪问题，本文提出了交互多模型箱粒子滤波(IMMBPF)算法。提出的算法既可以处理非线性、非高斯情况下的单机动目标跟踪问题，又继承了箱粒子滤波具有的粒子数少、复杂度低、运行速度快的优点。仿真结果表明IMMBPF算法具有良好的性能。