信息融合是一门新兴的多学科综合的技术,其应用技术涉及众多的学科门类,它具有增强系统的生存能力、减少信息的模糊性、改善系统的可靠性等特点,是当今国际上很有潜力和价值的研究方向。目标跟踪作为信息融合的重要环节,包括单目标跟踪和多目标跟踪两方面。在实际应用的融合系统中,环境瞬息万变,为了争取最佳的跟踪效果,多目标跟踪技术显得尤为重要。在实际跟踪过程中往往存在多种干扰、杂波等非确定性问题,数据关联和状态估计变得异常困难,而且人们对于信息融合系统的性能要求也越来越高,所以将神经网络与模糊系统引入多目标跟踪技术是发展的必然。本文主要研究基于神经网络的多目标跟踪的信息融合算法,以期改善系统的可靠性,增强系统的健壮性。本文研究和介绍了多传感器信息融合技术的基本原理、结构及常用算法,并详细介绍了目标跟踪理论的基本原理和跟踪过程;然后,本文将神经网络跟踪理论和模糊技术结合起来,对神经网络在多目标跟踪中的应用问题进行了深入探讨。在研究Elman神经网络的结构、原理和学习方法的基础上,针对Elman网络的学习率对网络收敛速度及稳定性影响很大的特点,根据调节学习速率的准则,提出了一种可以根据训练误差连续两次变化的情况来改变学习率的自适应调整学习速率的改进的Elman网络学习算法;然后,基于Elman神经网络,采用模糊推理进行数据关联的方法,结合扩展卡尔曼滤波,提出了一种新的基于Elman神经网络的多目标跟踪方法。其中,Elman网络用于实现模糊推理功能,通过模糊概率的计算来实现数据的融合判断,据关联程度对各量测点进行决策处理。最后,应用以上方法,采用两个传感器对两个目标进行跟踪,用Matlab7.0进行了仿真实验。仿真结果表明两目标的位置非常接近时,基于Elman网络的方法仍能实施有效的跟踪,与基于BP神经网络的跟踪方法相比,在强机动情况下,重新跟踪上目标所需要的距离要短,总体效果比较理想。