低信噪比下红外弱小目标的检测与跟踪是光电探测跟踪体系的核心技术。随着现代科学的发展,各种空中飞行器的机动性和反隐身性越来越高,这就对弱小目标的检测手段提出更高的要求。将随机集理论应用到多弱目标的检测与跟踪领域,并用各种多目标跟踪算法与检测前跟踪(Tracking Before Detection,TBD)相结合实现低信噪比环境下未知弱小目标数目的检测与跟踪,丰富了随机集理论的内容,凸显了TBD算法的优势。本论文基于多目标多伯努利(Multi-Target Multi-Bernoulli,MeMBer)滤波器的弱小目标TBD方法研究,提出一些新的改进算法并给予实现。首先,详细介绍了MeMBer滤波器和红外弱小目标TBD模型,重点讲解MeMBer-TBD算法原理及其基于高斯粒子的实现。针对在多目标交叉和相邻的复杂场景,传统的修剪合并算法存在合并错误而丢失目标信息及稳定性差的缺陷,提出一种采用标号思想的改进合并方法。多个场景下的仿真实验表明新的合并方法能很好地实现稳定检测并跟踪,特别是在低信噪比条件下,仍能准确地完成目标合并。其次,针对传统TBD算法存在高存储空间和高复杂度的难题,提出一种点扩散函数下的阈值化量测TBD算法,并将其与MeMBer滤波结合应用到红外多弱目标的检测并跟踪。用索引集代替图像数据作为量测集,由检测概率计算似然函数。仿真结果表明算法能高效的实现多弱小目标的检测与跟踪,降低算法复杂度和存储空间。同时适应现有的阈值化传感器,使得算法在实际工程应用中有良好的前景。最后,针对传统图像预处理算法存在的虚警和漏检严重的问题,提出一种改进的Robinson Guard背景抑制算法;针对图像序列中多弱目标跟踪的不稳定性,提出一种基于SCK-MB-TBD的滤波跟踪方法。实验表明改进Robinson Guard方法对强起伏背景的抑制效果更好,保留弱小目标信息的能力更强。SCK-MB-TBD算法可以保证跟踪的实时性和数值稳定性,而且随着状态维数的增加,算法的滤波性能也会得到一定程度提升。