中段防御中,为了保证拦截器能够成功碰撞杀伤目标,需要借助拦截器红外导引头来进行精确末制导。多目标跟踪是拦截器红外末制导信息处理的重要组成部分,是保证拦截成功的关键技术之一。由于成像距离远,来袭目标在大部分时间内表现为红外探测图像中的点目标,可用于跟踪的信息主要为目标运动信息。拦截器在飞行中存在剧烈的抖动,耦合到红外图像中使得目标成像点在图像中剧烈运动。因此,实际中通常采用捷联安装的惯性测量设备来获取成像平台的实时姿态信息,以补偿平台抖动造成的目标运动。论文以捷联平台红外末制导多目标跟踪技术为研究对象,针对跟踪中由于目标运动机动性、目标数目的随机变化、弹上计算资源限制、红外杂波干扰等不利因素造成的问题展开研究,主要包括以下三个方面内容:1)拦截作战中捷联平台对中段目标进行跟踪的运动和测量建模。针对在高速拦截运动中,中段目标在红外图像中的运动会随着目标距离的变化呈现出由弱变强的机动性的问题,论文提出一种基于参数自适应“当前”统计(Current Statistical,CS)模型的中段目标运动建模方法。该方法利用在线信息实时设置CS模型的机动频率和加速度方差,提高目标加速度估计的准确性,更有效地描述中段目标运动的特征。针对捷联平台姿态运动惯性解耦时测量模型中存在的复杂性问题,论文在对成像测量误差、惯性测量误差和解耦误差进行对比分析的基础上,提出将三种误差进行统一建模,从而简化测量模型的方法。实验表明,利用论文提出的目标运动模型和传感器测量模型可以准确地对中段目标进行跟踪。2)中段动态场景中的快速多目标跟踪。在目标数目变化的动态场景条件下,传统基于数据关联的多目标跟踪方法准确度和计算效率都急剧下降,无法满足捷联平台红外末制导的要求。近年来出现的有限集统计学理论(Finite Set Statistics,FISST),具有优于传统方法的效率和准确度,可以用于中段动态场景中的快速多目标跟踪。在对FISST理论进行研究的基础上,论文首先基于线性复杂度势分布概率假设密度(Linear Complexity-Cardinalized Probability Hypothesis Density,LC-CPHD)滤波的高斯混合(Gaussian Mixture,GM)实现,即GM-LC-CPHD滤波,来构建红外末制导多目标跟踪的基本框架。针对常规GM-LC-CPHD滤波的新生目标模型需要对新出现目标进行全局搜索,导致算法计算效率低下的问题,论文提出一种利用测量数据来自适应设置新生目标模型的改进方法。该方法利用M/N测试算法累积多帧红外图像数据的信息,自动捕获新生目标的初始状态,从而有效地缩小搜索的范围,提高算法的计算效率。针对常规GM-LC-CPHD滤波的结果未包含目标身份信息,不能输出每个目标的连续轨迹至后续目标识别模块的问题,论文引入标签关联方法来实现GM-LC-CPHD滤波的轨迹管理,并提出一种改进的高斯元素修剪与合并方法,从而稳定快速地输出每个目标单独的连续轨迹。实验表明,利用论文提出的方法可以准确而高效地完成中段动态场景的多目标跟踪。3)密集红外杂波干扰条件下的稳定中段多目标跟踪。针对密集红外杂波导致算法极容易出现错误跟踪的问题,论文提出一种引入幅度信息(Amplitude Information,AI)来抑制杂波干扰的GM-AI-LC-CPHD滤波多目标跟踪方法。该方法首先利用高斯分布模型来对中段红外点目标的幅度进行建模,并在信噪比(Signal-to-Noise Ratio,SNR)未知的条件下,通过最近的L帧数据对目标的幅度和检测概率进行估计;然后推导了引入幅度信息的GM-AI-LC-CPHD滤波算法,得到在滤波中利用幅度信息来区分目标和杂波的多目标跟踪方法。实验表明,论文提出的GM-AI-LC-CPHD滤波可以有效地减小错误跟踪到杂波上的概率。