多传感器融合跟踪技术已经成为目标跟踪领域的一个重要发展趋势。红外探测器与毫米波雷达各有所长,将二者融合能够提高系统对目标的跟踪精度,降低虚警率。因此在军事和民用领域中红外与毫米波雷达融合都得到了较多的应用。本文研究工作围绕融合跟踪中涉及的关键技术进行展开,主要包括三个部分:多传感器之间的数据配准、子系统中红外小目标跟踪以及分布式航迹融合。首先,本文对多传感器融合的基本理论和主要流程进行了描述。针对时间配准问题实现了一种能自适应进行时间偏差估计的拟合外推配准方法。然后,针对红外雷达传感器同时需要配准的情况,构建了一种基于无迹卡尔曼滤波的时空同时配准方法。最后对几种时间配准方法以及时空配准方法进行了仿真实验对比分析。然后,针对红外子系统中的目标跟踪问题,本文研究了一种改进的粒子滤波跟踪方法。由于红外小目标缺乏有效的纹理和形状特征,本文基于位置加权的思想建立目标灰度直方图,并联合局部对比度为目标建立观测模型。在实际应用场景中由于成像平台抖动会导致目标短时间内发生状态突变,致使粒子对目标的有效覆盖率降低,为解决这一问题,本文实现了一种基于图像显著性特征的采样粒子生成方法。该方法通过计算目标的显著性指导粒子重新分布,能有效提高对目标真实状态的覆盖率。最后针对不同传感器的分布式融合问题,本文在研究了常见的分布式多传感器融合算法后,利用红外传感器工作频率相对毫米波传感器较高这一特性,实现了一种分层航迹融合方法。首先对红外系统输出的局部航迹进行多项式拟合得到目标的初步状态估计值,然后利用自适应航迹融合方法将红外系统的目标状态估计与雷达系统局部航迹进行融合。实验证明所提方法能有效降低系统的融合跟踪误差。