分布式多传感器多目标跟踪(DMTT)技术以其通信代价低、系统生存能力强等优点,受到学术界和工业界的广泛关注。近几十年里,DMTT技术得到了快速的发展,也得到了不断的完善,仍然存在着很多待解决的问题和挑战。本文以基于随机有限集理论的多目标贝叶斯滤波器为课题,主要研究了基数化概率假设密度滤波器分布式融合算法、融合算法的快速实现方法和网络共识算法,为DMTT技术的推广和应用提供了研究基础和技术支持。本文的主要工作内容如下:1.针对多传感器多目标滤波跟踪问题,研究了基于随机集理论的最优多目标贝叶斯滤波器,采用基数化概率假设密度(CPHD)对多目标跟踪滤波问题进行建模,研究了基于广义协方差交集(GCI)准则的CPHD滤波分布式融合算法(GCI-CPHD),为分布式融合算法的进一步研究提供了基础。2.针对GCI-CPHD多目标融合跟踪算法的计算复杂度高的问题,提出了一种基于目标联合分组的并行GCI-CPHD融合算法(G-CPHD),通过舍弃低权值融合分量来近似的融合后验分布,并利用Union-Find算法实现目标快速分组,能够大幅降低融合跟踪的计算负荷。3.针对DMTT网络中多传感器融合后验分布的全局共识快速计算问题,提出了并行架构的CPHD分布式网络共识算法(C-G-CPHD),该算法通过相邻节点间采用序贯信息交互G-CPHD融合的策略,采用加权Kullback-Leibler平均计算,使得传感器网络各节点具备信息共享、全局估计的能力。以上所提算法及其数值计算方法均通过仿真实验验证了其可行性和有效性。