波达方向(Direction of Arrival,DOA)估计是阵列信号处理中的研究热点。阵列信号在传播过程中会受到噪声干扰,这就会出现目标估计不准确,并且信号的DOA和数目会随时间变化。近年来,随机有限集框架下的DOA跟踪技术取得了巨大发展。随着军事监视系统的发展的提高,机动目标跟踪技术成为一个研究热点。交互式多模型(IMM)方法是研究机动目标的有效跟踪方法,可以有效提高目标状态的预测精度和避免模型失配造成的机动目标跟踪失败的问题。随着目标跟踪理论的完善,许多非标准量测下的目标跟踪问题值得引起关注,如区间量测,阵列信号叠加量测等。本文基于随机有限集理论,研究了阵列信号DOA跟踪方法。主要结构安排如下:1.介绍了随机有限集理论,并对基于随机集的几种滤波理论进行了概述,为论文后续工作提供理论支撑。2.针对区间量测中多机动目标的跟踪问题,将多模型概念引入广义标签多伯努利(GLMB)算法,提出了一种交互式的区间量测多模GLMB(IMM-GLMB)跟踪算法。为了提高算法的效率,我们采用了文献中提出的一种快速算法的思想,提出了交互式多模广义标签多伯努利快速(IMM-GLMBF)实现算法。IMM-GLMBF算法融合了IMM-GLMB算法的预测和更新步骤,只需要进行一次截断。与IMM-GLMB算法相比,所提出的IMM-GLMBF算法在估计目标数目及其状态方面更准确,大大降低了计算成本。3.针对单一声矢量传感器(AVS)下的多信源波达方向(DOA)跟踪问题,提出了一种基于多伯努利滤波(Me MBer)的DOA跟踪算法。该算法提出将MUSIC空间谱函数作为多伯努利滤波的似然函数,并进行适当的指数加权,以提高粒子的权重可以有效地重采样。DOA传统跟踪方法需要预先估计出当前信源个数才能进行跟踪,而该算法可以直接跟踪当前信源。仿真实验表明,该算法能够精确地跟踪信源状态和估计信源数目。4.针对声矢量传感器(AVS)阵列的多信源波达方向(DOA)跟踪问题,提出了一种基于多目标多伯努利滤波的二维DOA跟踪算法。由于多目标后验概率密度的闭式解难以实现,因此采用粒子滤波算法获得近似解。该方法的优点是多伯努利滤波能够更直接地对AVS阵列信号进行处理,有效地解决了多时变目标识别问题。仿真实验表明,该算法能够准确地跟踪源状态并估计源的数目。5.针对声矢量传感器阵列中多机动信源DOA跟踪问题,将多模型概念引入多目标多伯努利滤波算法,提出了一种交互式多模型多伯努利滤波算法。采用交互式多模型(IMM)算法对采样粒子进行预测,然后结合Me MBer滤波更新策略,以MUSIC空间谱函数作为似然函数对预测粒子进行更新。该算法结合了Me MBer滤波的特点和IM方法,有效地提高了目标状态预测精度,避免了目标机动过程中由于模型失配而导致的跟踪失败。仿真实验表明,与Me MBer算法和PHD算法相比,IMM-Me MBer算法能够准确地跟踪目标状态并估计目标数目。