随着电子技术的飞速发展,战场环境中的电子设备越来越多元化,传感器的类型和数量不断增加,这也使得以往使用单一传感器获取信息的方法不再能够满足作战需求。多传感器系统由于具有信息互补、鲁棒性强等优点已经受到了各方的青睐。传感器管理问题是多传感器目标跟踪系统中的一项关键技术,像大脑一样控制着整个系统针对不同的跟踪任务做出不同动作。本文主要对目标跟踪中的传感器管理问题展开了研究,研究内容以及主要贡献如下:首先,考虑到战场环境中机载传感器平台在对目标进行跟踪的同时需要隐蔽自身,提出了一种基于状态转移方程结合被动传感器量测的辐射控制方法,该方法可以对跟踪性能进行预测。当预测出的跟踪性能无法满足需求时打开主动传感器,接着引入信息几何方法中的Fisher信息矩阵对传感器的跟踪性能进行衡量,选择Fisher信息矩阵最大的传感器对目标进行跟踪,然后采用基于粒子滤波的融合算法将多传感器的量测值进行融合处理实现对目标的精确跟踪。最终结果表明,在跟踪误差略微上升的基础上实现了机载平台辐射量的大幅度下降。然后,针对一种更为通用的面向目标跟踪的传感器网络的管理问题,引入信息几何方法对跟踪精度进行分析,基于目前对Rao距离的研究,在目标跟踪的框架下分别从状态空间与量测空间出发推导出了两个新的可适用于传感器管理的Rao距离下界,并将该下界作为信息增量的度量应用到传感器管理中,从而提升了跟踪性能。最后,针对不同参数下的传感器管理问题开展研究并对结果进行了理论分析。在监视区域内部署数目不同的传感器并分别进行实验后发现,对目标的跟踪精度随着在监视区域内部署传感器总数量的提升而增加,然而跟踪精度同传感器总数目之间并不是简单的线性关系,当传感器的总数超过一定的数目后再继续增加时,跟踪精度的提升极其有限。当每一时刻被选择的传感器数目增多时,同样会使得跟踪精度随之提升,但跟踪精度的提升速度会随着被选传感器数目的增加而放缓,同时传感器的噪声越大信噪比也就越小(Signal Noise Ratio,SNR)从而跟踪性能就越差,且相比于测距噪声,跟踪性能对测角噪声的变化更为敏感。