目标跟踪技术产生于战争年代，发展至今已经取得了不少丰硕的成果。由于监控区域内大多情况下存在着多个目标，且目标个数随时间变化，因而针对多个目标跟踪一直以来都是目标跟踪问题中的热点与难点。对于多个目标跟踪需要大量的传感器监测数据，因而单个传感器往往不能满足需求，需要多个传感器获取监控区域内多个目标全方位、多层次的探测数据。利用数据融合的方法，将多个传感器所获得的具有冗余性、互补性的数据进行关联与滤波，最终形成监控区域内多个目标的轨迹信息。此外还应考虑由传感器本身特点或被跟踪目标属低空、弱小目标的范畴导致的传感器低检测概率，给多目标跟踪问题带来的巨大困难。本文首先在研究传统的混合式与多级式数据融合处理结构的基础上，提出了一种新形式的串联型混合式数据融合处理结构。该融合处理结构兼具分布式与集中式融合处理结构的特点。基于该新形式的融合处理结构以及分布式融合处理结构，给出了概率假设密度滤波状态估计方法的两种可实现的融合处理结构。其次，依据数据融合中心前端的系统数据融合处理结构，将数据关联方法分为分布式航迹关联与集中式数据关联，并分别进行深入研究。对基于模糊推理的数据关联与联合概率数据关联进行仿真对比，验证了在复杂环境下的多目标跟踪，前者关联表现更优。最后，对贝叶斯滤波框架下的卡尔曼滤波、粒子滤波等传统的状态估计滤波方法进行了研究，并重点对基于随机有限集的概率假设密度滤波方法进行了分析研究。针对非线性非高斯系统的多目标跟踪，提出了一种改进的边缘化粒子概率假设密度滤波方法，解决了多目标跟踪中目标漏跟的问题。针对传感器低检测概率下的多目标跟踪，提出了一种概率假设密度平滑器的解决方案，降低了传感器低检测概率下的目标漏跟率和误跟率。