半个多世纪以来,多传感器多目标跟踪问题始终受到了学术界和工程界广泛的关注。1994年,Mahler首次提出随机集理论,并指出其可以应用于多目标跟踪领域,在近二十多年里,随机集理论发展十分迅速。本文基于随机集理论,尤其是近年来发展的标号随机集理论,研究了多目标跟踪及多传感器融合与管控算法,主要的工作有:1.阐述了随机集理论的核心即多目标贝叶斯滤波器,介绍了新兴的标号随机集理论,详细对比分析了多目标贝叶斯滤波器的近似技术,具体包括三种集滤波器以及两种标号集滤波器。2.研究了适用于机动多目标跟踪的新型标号集滤波器。针对复杂环境下机动多目标跟踪问题,通过结合广义标号多伯努利模型和跳跃马尔科夫系统,提出了多模型广义标号多伯努利滤波器,可以有效地处理多个机动目标的跟踪问题,提升了跟踪性能。仿真实验证实了多模型广义标号多伯努利滤波器的高精度性和强稳健性。3.针对多传感器网络系统,提出了一种适用于广义标号多伯努利分布族的新型多传感器分布式信息融合算法,给出了传感器网络的序贯融合方式,可以有效地处理标号空间不匹配现象,融合性能更佳。仿真结果证实所提融合算法在目标临近和基数变化的复杂场景中优势明显。4.基于标号随机集理论,在多目标跟踪背景下研究了多传感器自适应管控问题,分别提出了两种新奇的多传感器管控算法。第一种联合决策算法为最优算法,可以取得全局的优越性能,第二种独立决策算法为次优算法,其作为联合决策算法的一种快速实现,拥有较小的计算代价。仿真实验表明两种管控算法都可以使传感器做出正确决策,且性能优于随机管控策略。