随着现代监视环境日异复杂化,人们对侦察系统态势感知能力的要求不断提高。侦察系统的主要功能包括目标检测、跟踪和分类,由于三者是相互关联的过程,利用其耦合关系对提高侦察系统效能具有重要意义。随机集理论作为一种处理多目标跟踪问题的新方法,为实现多目标联合检测、跟踪和分类(JDTC)提供了有效的理论工具。然而,现有基于随机集的JDTC算法只处理单传感器应用问题,无法适用于多传感器系统。此外,该算法没有考虑平滑滤波,因此估计和分类性能有待提高。　　本论文主要针对多目标JDTC中的多传感器融合问题和平滑滤波问题进行探讨,主要研究成果如下:　　1.针对多机动目标联合检测与跟踪问题,提出一种基于模型交互的粒子PHD滤波器。该方法多滤波器并行结构清晰,且具有良好的多目标检测与跟踪性能。　　2.针对线性高斯条件下的多传感器JDTC问题,提出了一种基于高斯混合概率假设密度滤波器(GM-PHD)的多传感器JDTC算法。该算法在单传感器GM-PHD JDTC算法基础上,采用序贯融合方法对目标状态和类别信息进行处理,实现多传感器的多目标联合检测、跟踪和分类。　　3.提出了基于粒子概率假设密度滤波器(PF-PHD)的多传感器JDTC算法,处理非线性、非高斯条件下的多传感器JDTC问题。针对目标属性量测提取问题,提出了一种基于雷达回波信噪比的属性量测建模方法。　　4.为提高多目标JDTC效果,在PHD-JDTC算法基础上,采用平滑滤波方法,推导了基于前向.后向平滑PHD的多目标JDTC算法,并给出了粒子实现方法。仿真结果验证了该算法在目标检测、跟踪和类别判断方面的优势。