目标跟踪是现代战争面临的重要问题。随着军用装备的持续进步以及电磁环境的日渐复杂,目标跟踪正面临着诸多难题,复杂场景下的密集多目标跟踪以及群目标跟踪问题逐渐成为目标跟踪领域的研究热点。跟据实际应用中雷达测量精度的不同,本文采用广义标签多伯努利（GLMB）滤波器,研究可分辨群和不可分辨群跟踪融合技术,主要研究内容如下:（1）可分辨群目标跟踪。针对可分辨群目标,不仅要对群内所有目标的运动状态进行估计,群结构信息在可分辨群情况下至关重要,此时,考虑对其群结构和群内每个目标运动状态进行跟踪估计。本文利用演化网络建模可分辨群结构,同时采用标签RFS解决目标航迹问题,利用GLMB滤波器对可分辨群跟踪。（2）不可分辨群目标跟踪。针对不可分辨群目标,难以分辨群内量测来源,考虑跟踪估计群质心位置及群扩散形态。本文研究基于自适应星凸随机超曲面（RHM）模型对群扩散形态建模,解决圆形先验RHM难以快速准确逼近目标形状的问题;同时利用均值漂移（MS）对群目标量测划分,降低运算量,通过建立第二层群结构提高群距离较近时的群数目估计准确度,最后利用GLMB滤波器对不可分辨群跟踪。（3）群目标分布式融合技术研究。针对传统分布式融合严重依赖航迹关联,且仅实现状态融合,损失多目标相关性等高阶信息的问题,本文研究利用GLMB分布建模复杂多目标后验分布,利用GLMB融合解决目标后验分布融合问题;针对最优分布式融合传感器间公共信息难以计算问题,研究稳健次优的广义协方差交集（GCI）融合准则,避免传感器间公共信息重复计算;最后引入带反馈融合结构,提高局部传感器的跟踪性能。