多目标跟踪技术是信息融合领域的重要研究内容之一,在军事和民用领域有广阔的应用前景,备受国内外学者和工程领域专家们的重视。本文主要研究了基于对称量测方程(SME)的多扩展目标跟踪算法,取得的主要成果如下:针对SME对称函数带来的量测方程非线性问题,提出了基于积分卡尔曼滤波器和无关变换滤波器的SME滤波算法,所提算法通过SME对称函数对量测方程进行非线性变换,然后利用非线性滤波器来估计目标状态。仿真实验表明所提算法均能对目标进行有效跟踪且能正确地区分不同目标和跟踪多个目标的航迹。针对扩展目标在近邻交叉场景下目标漏估的问题,提出了基于核划分的量测划分算法。该算法将量测划分给似然概率最大的相应的状态并通过设置阈值来滤除杂波,实验表明核划分算法能有效地滤除杂波和解决近邻场景目标漏估问题。在SME方法和核划分基础上,将SME算法应用到多扩展目标跟踪,并通过选用高斯核函数作为对称函数,解决了目标数目过多导致传统SME对称函数非线性程度过高的问题。仿真实验验证了所提算法的有效性。针对多扩展目标形状估计的问题,提出了基于乘性噪声模型的概率假设密度滤波算法。该算法结合了乘性噪声模型和随机集滤波框架中的概率假设密度算法,实验表明所提算法可有效地估计多椭圆扩展目标的运动状态和扩展形态。针对随机矩阵模型的多扩展目标跟踪问题,将SME算法与随机矩阵模型结合,提出了基于随机矩阵的SME多扩展目跟踪算法。仿真实验表明所提算法能有效地估计扩展目标的运动状态和扩展形态,且能正确区分多个目标的航迹。