多传感器多目标融合跟踪技术将数据融合技术运用于目标跟踪领域，解决了军事和民用中的诸多问题，具备广阔的应用前景和巨大的科研价值。其中，高密集度机动目标跟踪是该领域的一个重点和难点问题。本论文基于机载平台，探讨多传感器多目标融合跟踪领域的数据预处理、航迹跟踪、航迹关联和融合各项关键技术，最后从系统高度研究数据融合系统仿真平台。本论文的研究重点在于融合跟踪系统中的航迹关联与融合技术，提出了一些关于航迹关联与融合的有效新方法，设计并实现具有一定适应性和扩展性的数据融合系统仿真平台。本文的工作与创新点如下：（1）预处理与航迹滤波方法。首先，详细探讨野值剔除、数据配准等数据预处理技术；然后，介绍了局部节点目标跟踪技术，通过跟踪三种典型航迹，比较了几种常用的自适应机动目标跟踪算法的性能。（2）传感器航迹关联问题。机载雷达与红外传感器相关问题，是多传感器数据融合中的一个重要课题。现有算法仅利用方位信息，采样极大似然准则进行航迹关联，不仅性能欠佳，而且算法不易收敛。本文基于统计和模糊数学理论，综合利用方位和俯仰信息，优化相关判别准则，给出一种机载雷达与红外传感器航迹关联算法，提高了航迹关联率。（3）航迹融合算法。如何确定最优加权因子是加权航迹融合算法中一个值得深入研究的问题。通过构造多模型航迹质量(Track Quality based on Multiple Model,TQMM)这个量值，给出一种带信息反馈的加权航迹融合算法，来解决多传感器对同一目标进行跟踪时权值的最优分配问题。系统引入反馈机制，利用多模型航迹质量确定权值，能够精确地更新权值，从而实时有效地进行目标跟踪。仿真结果表明，与经典的加权融合算法相比，基于TQMM的加权融合算法具有更好的跟踪性能，特别是在融合系统传感器观测精度相差较大的情况下，算法的跟踪效果更为突出。并且，随着传感器数目的增加，系统的跟踪精度逐步提高，不过当传感器增加到一定数目时，系统的融合精度并没有得到明显改善。（4）航迹融合算法。由于多传感器的采样速率各异、通信延迟以及目标时而离开传感器观测区域，观测数据的时间间隔随机变化，此类观测数据不同步问题大大降低了多传感器系统的跟踪精度。因此，研究多传感器异步融合比研究同步数据融合更具实际意义。通过建立观测数据时间间隔无规律变化情况下的异步航迹融合模型，并基于多模型航迹质量(TQMM)的概念，给出一种带信息反馈的分布式异步航迹融合算法，将TQMM用于权值分配，提高了异步融合系统的性能。实验结果表明，基于TQMM的异步融合算法的性能比现有经典异步融合算法更好，较好地解决了多传感器观测数据时间间隔随机变化场景下的异步航迹融合问题。（5）多传感器多目标融合跟踪系统仿真平台研究。首先，详细分析机载多传感器多目标融合跟踪系统的设计需求和数据来源。然后，基于用户需求和传感器特性，设计仿真平台总体框架和子模块，并在Borland C++Builder开发环境中实现系统。最后，输入传感器量测数据进行系统测试。测试结果表明，系统仿真平台满足设计需求，并且具有一定的适应性和扩展性。