目标跟踪技术自上世纪50年代提出以来,经过半个多世纪的研究与发展,已经成为了现代社会不可或缺的高端技术。无任是在军事应用上,还是在日常生活中,目标跟踪技术都发挥着广泛的作用,并在这些领域取得了丰硕的成果。多目标跟踪问题是目标跟踪技术中比较受关注的问题,在实际的应用中,多目标是一种普遍的趋势,而在多目标跟踪技术中,数据关联技术又是其最重要最困难的方面,数据关联技术应用的好坏直接关系到最终跟踪的效果,目前,国内外许多研究机构也在开展相关的研究工作,但是要将这些技术真正广泛的应用于实际的工程中,还需要进行较多的理论研究工作。本文在以此为目标的基础上,做了一些研究工作,现在将主要的研究内容阐述如下:1.本文就多目标跟踪技术中核心部分的数据关联算法进行了详细的分析阐述,并着重介绍了一些典型的数据关联技术以及由此形成的滤波算法,并就几个基本的滤波算法进行了仿真实验和对比分析,如卡尔曼滤波算法和概率数据关联算法,卡尔曼滤波在线性高斯单目标的情况下有着较好的滤波性能和较少的时间开销,而概率数据关联滤波算法计算时间开销稍大,但跟踪性能较好。不过对于密集的多目标跟踪,这两个滤波算法都达不到理想的跟踪效果。2.联合概率数据关联滤波算法在多目标跟踪中显示出很强的跟踪性能,但是它需要计算可行事件,当目标数目较多且较密集时,可行事件的数量成指数倍增长,因而计算机开销太大,实际工程中很难应用,针对此问题,本文提出了一种改进的联合概率数据关联算法,引入了分支定界的算法思想,在拆分生成可行事件的确认矩阵时,将扫描那部分没有落入跟踪门内的回波的计算省略,这样生成的可行事件没有变化,跟踪精度也不变,但是时间开销有了明显的减少,有利于实现跟踪效果的实时性。3.最后在多目标跟踪中,还有一种目标数未知或随时间变化的问题,前面的一些跟踪算法都是在目标数确定的情况下进行的,由此提出基于高斯模型的概率假设密度滤波算法,该算法将目标集合数看成一个随机集,避免了数据关联问题,仿真实验表明利用概率假设密度滤波算法能稳健的跟踪目标的状态和目标数,最后将该算法与联合概率数据关联滤波算法进行比较分析,并说明了两种算法的优劣和适用性。本文还介绍了有关目标跟踪技术最新研究动态和发展趋势,并就接下来进一步的工作进行了展望。