信息融合技术在军事和民用领域有着广泛的应用，一直以来就受到国内外学者的高度重视。而证据融合算法(包括经典D-S和DSmT证据组合规则)作为信息融合方法中处理多源不完善信息融合问题的有效工具之一，具有很好的应用前景，但其组合规则存在的不足限制了该算法的进一步应用。因此，本文主要针对证据融合规则的改进算法及其应用进行了深入的探讨，提出适用于不同探测环境的多种新的证据融合改进算法，并给出改进的多传感器模糊关联多目标跟踪算法。主要研究的内容概括如下：分析了现有D-S和DSmT证据融合规则及其改进算法存在的不足，从低维融合和高维融合两方面入手，分别提出基于2-D信息证据融合的改进算法和基于3-D信息证据直接融合的改进算法。从冲突信息再分配涉及到的焦元可信度的整体和局部两个方面进行分析，分别给出基于DSmT和D-S证据组合规则的2-D信息改进算法，并通过算例分析和以多传感器目标识别系统为仿真背景，对相关算法的性能进行对比、分析，结果表明，所提基于2-D信息证据融合的改进算法可有效加快主焦元的收敛速度，在不同程度上提高信息融合结果的准确性，降低信息融合系统的不确定性。为充分利用多传感器系统的冗余信息提高多目标识别与跟踪的精度，分别提出基于D-S和DSmT证据组合规则的3-D信息证据融合的改进算法。在3-D改进D-S算法中，针对3-D信息融合产生的有两个来源于同一目标的不一致因子的性质，提出两种不同的分配算法，并综合这两种算法的优缺点，在此基础上进一步提出适用干扰变化环境的自适应证据融合改进D-S算法。在3-D改进DSmT算法中，首先根据3-D信息融合产生的矛盾信息的特点，提出三种不同局部冲突分配方式的3-D直接融合的改进DSmT算法；其次，从合理利用目标多特征信息的角度出发，给出融合多特征信息的2-D信息融合的DSmT改进算法。另外，综合上述两类改进算法的优点，得到融合多特征信息的3-D改进DSmT算法。通过理论分析和仿真结果对比，说明基于3-D信息融合改进算法的可行性和有效性。针对多传感器多机动目标跟踪联合概率数据关联(Joint Probabilistic DataAssociation, JPDA)算法及其改进算法存在计算量大、实时性相对较差的不足，提出一种新的分布交互式多模型广义概率数据关联算法。考虑到现有一般算法中仅利用了目标的位置信息对应模型的似然函数，来求取多传感器对同一目标的各模型状态估计的融合权重，提出运用模型协方差阵的迹的大小并结合模糊数学中隶属度函数的定义，来确定航迹融合时各局部节点关于同一目标对应模型的权重，进而给出基于融合中心模型状态估计模糊更新的分布式多模型广义概率数据关联算法。另外，在上述改进算法的基础上，进一步给出模型估计误差相关条件下，利用部分模型间的互协方差阵的迹更新模型概率的交互多模型广义概率数据关联改进算法。最后探讨了现有多特征信息融合算法的优缺点，给出基于D-S证据组合规则的灰关联证据距离多源信息融合的分布交互式广义概率数据关联算法。通过仿真实验，将所提各类新算法与已有相关算法进行对比、分析，总结新算法的性能及其应用特点。提出新的适用于分布式多传感器系统航迹关联的三维分配模型和集中式多传感器系统量测关联的三维分配模型的构造方法，并研究了多传感器多目标跟踪中模糊最优分配(Optimal Assignment,OA)算法和模糊广义概率数据关联(GeneralizedProbabilistic Data Association, GPDA)算法，同时将其推广应用至交互多模型算法中，分别给出分布式结构和集中式结构下的模糊关联多机动目标跟踪算法。在上述改进算法的基础上，引入基于D-S证据组合规则的灰关联证据距离融合多源信息的算法，进一步给出融合多源信息的模糊关联算法。通过仿真实验对比，分析所提改进机动目标跟踪新算法不同的性能特点及其适用环境和范围。