近年来,随着传感器技术、计算机技术、通信技术和信息处理技术的发展,特别是军事上的迫切需求,多目标跟踪技术的研究内容日益深入和广泛。多目标跟踪的实现主要依靠数据融合技术。数据融合是一种新兴的信息处理技术,尽管它在近几十年发展迅速,但它仍是一个未成熟的领域,有许多问题需要解决。多目标跟踪也有许多内容还需进一步探索和深化,以满足实际应用的需要。 论文首先阐述数据融合的原理、定义、结构模型和应用,提供了有关数据融合研究领域的一个概观,介绍了数据融合中的一些算法,如:bayes理论、D-S证据合成理论、kalman滤波等。基于互补思想,将模糊理论、神经网络、粗糙集理论三者结合起来引入数据融合中,构造基于粗糙集的模糊神经网络的多目标跟踪框架。论文的主要研究内容如下: (1)根据模糊理论的基本原理,给出了一个基于卡尔曼滤波的模糊推理目标跟踪算法。 (2)在模糊推理的目标跟踪算法的基础上,提出一种将BP神经网络与模糊理论相结合,并与卡尔曼滤波一起构成一个闭环系统的多目标跟踪方法。 (3)将粗糙集理论、模糊理论和神经网络结合起来,提出一种基于粗糙集的模糊神经网络的多目标跟踪方案,通过简单的范例验证了将粗糙集与模糊神经网络互补的思想,为多目标跟踪提供了一种新思路。