利用多传感器组网获取监视区域中各种信息是实现实时检测、目标定位、跟踪与识别的一种重要手段,被广泛应用于智能监控、低空飞行器、无人驾驶和移动机器人等诸多领域。尤其在大范围监视空域,由低空雷达、光学传感器以及广播式自动相关监视(ADS-B)设备等构建的多传感器跟踪系统及其相关技术,日益受到国内外广泛关注。在实际中,由于传感器性能差异、目标运动模式、目标个数的不断改变、监测环境的动态变化及组网系统数据处理的不精确,导致空域多目标跟踪过程种存在大量的不确定性。另外,由于空域目标的种类繁多、性能差异大、飞行高度低和变化快等影响,也导致目标的机动情况复杂,进一步增加了目标跟踪的难度。因此,如何对多传感器不确定信息进行处理与融合、形成统一的目标航迹态势,是空域多目标跟踪的难点和热点之一。本人在多年防空预警雷达装备实操以及理论学习工作基础上,总结和分析多传感器多目标跟踪过程中的不确定问题,同时受到国家自然科学基金青年基金项目(No.61703280)和省自然科学基金项目(No.20JR5RA378)的支持,进一步研究多传感器空域目标的不确定信息处理,本文则重点探索雷达组网系统误差的校准算法研究。具体工作如下:第一章绪论。首先介绍本文研究的背景、意义以及国内外研究现状;然后,介绍了多目标跟踪过程中传感器数据和目标运动的特点,以及多传感器跟踪系统中数据处理的不确定性,重点介绍雷达网系统误差的产生以及对整个信息融合过程的影响,以及简要介绍常见系统误差的校准算法。最后,给出本文的主要研究成果和内容安排。第二章介绍雷达组网中数据融合前的预处理技术,主要有时间配准,空间配准,野值去除等相关技术。另外,简要介绍ADS-B技术特点,并将ADS-B与雷达进行对比,并分析ADS-B与雷达进行数据融合的优势。第三章针对两坐标雷达和ADS-B传感器搭建的多传感器跟踪平台,提出一种联合ADS-B的最小二乘系统误差估计方法,用于提高多雷达跟踪系统中雷达的跟踪精度以及融合结果的精度。该方法首先建立ADS-B和雷达的统一坐标系,并对多传感器量测数据进行时间配准、空间配准、野值剔除等预处理,然后采用最小二乘算法(LS)估计雷达系统误差。该方法能够更有效地估计雷达系统误差,可以进一步降低雷达航迹数据在平均斜距和方位角分量的误差。第四章针对系统中雷达观测数据的时空不确定性问题,本文探索出一种改进迭代最近点算法用于两坐标雷达系统误差估计。该算法在两坐标雷达观测数据存在质量差、异常点多以及时空不确定的情况下,不要求对雷达观测与ADS-B观测进行时间配准处理,能够降低对传感器性能的依赖。经过仿真数据和实测数据实验证明,相对传统配准算法,提出方法能够快速、准确地估计雷达系统误差,具有更高的配准精度。第五章对全文进行总结,并对下一步工作进行展望。