多传感器信息融合是一门多学科交叉技术。近年来，随着微电子技术、计算机技术、网络通信技术以及控制技术的飞速发展，使得多传感器信息融合中的目标跟踪技术在军事及民用方面的应用日益广泛。而多传感器信息融合中目标跟踪技术主要包括数据的关联和目标状态估计融合两方面。本文在假设目标检测、数据校准和关联已完成的前提下，在对已有的融合结构模型及算法进行改进的基础上，主要研究了依赖于实际应用背景的多传感器目标跟踪技术中的状态融合估计问题。首先在给出扩展记忆因子递推最小平方(EFRLS)滤波估计的基础上，提出了噪声方差未知情况下多级式多传感器信息融合中目标跟踪的状态估计融合算法；其次针对多传感器采样速率的不同步性，提出了多传感器系统存在反馈和不存在反馈两种情况下异步多传感器的极大验后(MAP)估计融合算法；针对实际应用中未考虑组合导航系统所处环境因素及系统噪声统计特性通常不能精确确定而导致融合估计精度下降的问题，提出了采用环境背景下不同传感器的有效性概率加权GPS/IMU组合导航自适应衰减记忆滤波的融合算法。最后考虑到目标跟踪中目标机动性未知的问题，提出了基于最小方差无偏输入、估计的分布式多平台交互式多模型(IMM)多传感器融合估计算法。本文对所提出的算法均进行了数值仿真分析，仿真表明了算法的可行性和有效性，并对近一步研究的问题进行了展望。