数据融合是对多源信息进行处理的一门综合性学科.目标跟踪是数据融合的一个重要方面.传统的多目标跟踪技术存在快速响应与提高精度之间的矛盾,寻求更好的解决方法一直是专家们不断研究探讨的.20世纪80年代以来,神经网络技术的再次兴起,为多目标跟踪研究注入了新的活力.本文通过分析神经网络的功能、特点,将其与目标跟踪技术相结合,首先提出一种基于kohonen网络的多目标跟踪算法.此算法将位置测量信息作为网络输入信息,结合卡尔曼滤波等方法对目标实施跟踪.仿真表明,在一定条件下此算法跟踪较准确,但由于网络自身的局限性,对跟踪的实时性有一定影响.针对这一问题,本文引入了模糊kohonen聚类(FKCN)算法,将其与kohonen算法进行对比分析,提出改进算法.仿真结果表明,基于FKCN的改进算法与基于kohonen网络的跟踪算法相比,大大加快了网络的收敛速度,提高了跟踪的实时性.本文还将FKCN算法与"先融合后滤波"的思想相结合,提出了一种多传感器测量信息融合算法.仿真实验证明了此跟踪融合算法具有较好的跟踪效果,为多目标跟踪数据融合研究提供了一条新途径.最后,针对仿真实验中存在的强机动目标跟踪不太精确的问题,对基于BP网络的自适应跟踪算法的进行了探讨,并提出了几点改进方案.