轨迹融合是通过融合技术将属于相同目标轨迹融合到一起,使测量轨迹更接近真实轨迹,是目标跟踪的重要环节。随着现代科学技术的飞速发展,对轨迹融合精度的要求越来越高。另外,在复杂环境下实现多移动目标跟踪时,轨迹关联算法的优劣会直接影响轨迹融合的效果,而轨迹融合算法的优劣会直接影响到目标跟踪的精度和效率。鉴于此,本文在对现有目标跟踪算法进行分析的基础上,重点研究了多目标轨迹关联和轨迹融合技术,针对现有算法的不足,提出了自适应轨迹关联算法和基于局部状态估计的加权轨迹融合算法,从而提高轨迹融合预测精度,本文所取得的成果主要包括以下几个方面:首先,在轨迹关联时为了提高关联的精度和降低计算量,提出了自适应轨迹关联算法。该算法考虑到多目标轨迹状态信息不确定问题,通过多目标轨迹关联策略选择相应的轨迹关联算法,解决由于轨迹状态与关联算法选择不匹配所造成的计算量大的问题。同时,针对现有算法中双门限轨迹关联算法精度不够问题,提出了基于速度的双门限轨迹关联算法,提高了多目标跟踪中轨迹关联的准确性。其次,针对现有轨迹融合算法在数据处理过程中会由于传感器精度变化导致的误差问题,提出了基于局部状态估计的加权轨迹融合算法,该算法利用各传感器局部状态估计完成多传感器的加权组合滤波,解决了由于传感器精度变化导致的误差问题,从而提高了轨迹融合精度。最后,利用SystemVue平台中雷达发射接收信号机制模拟基于雷达传感器的多目标轨迹融合系统,对上述成果进行了仿真测试。仿真结果表明,与现有算法相比,本文提出的算法提高了多目标轨迹融合系统模型中轨迹关联和轨迹融合方面的精度,达到提高目标跟踪精度的目的。