目标跟踪和信息融合一直是现代军事控制和决策系统的重要内容。多传感器信息全面、多样、能适应不同的环境变化,而且可以提高跟踪的精度,因此在目标跟踪中得到广泛应用,并逐渐成为目标跟踪中的研究热点。目前,多传感器信息处理方式主要有集中式处理和分布式处理两种,而分布式数据处理的方式有着计算量小、网络结构灵活、可靠性好等优点,是目前最受欢迎的信息融合处理方法。首先,介绍几种常用的机动目标运动建模方法,给出相应的数学模型。介绍几种常用的非线性滤波算法,重点阐述无迹卡尔曼滤波算法的过程。其次,针对多传感器目标跟踪问题,介绍分布式滤波方法的基本思想和主要步骤。为解决目标跟踪问题中的非线性,在线性分布式滤波算法的基础上引入非线性滤波方法,提出一种能应用到非线性领域的分布式无迹卡尔曼滤波方法。通过与集中式滤波算法的对比,验证分布式无迹卡尔曼滤波算法的性能。再次,针对数学模型中噪声统计特性未知的情况,研究Sage-Husa算法,与无迹卡尔曼滤波结合,得到非线性领域的噪声估计方法。基于此提出一种带噪声估计的分布式自适应无迹卡尔曼滤波算法,以解决模型参数未知时的目标状态估计问题。同时对目标跟踪过程中可能出现的传感器故障情况进行讨论,研究基于变网络结构的分布式无迹卡尔曼滤波算法。根据删除故障节点后剩余节点组建新网络的不同方式,提出两种改变网络结构的方法,得到基于变网络结构的自适应分布式无迹卡尔曼滤波算法,消除节点故障对目标状态估计的影响,提高系统的可靠性和容错性。最后,讨论多目标跟踪问题,研究杂波环境下的数据关联方法。针对联合概率数据关联方法随着回波数增多而出现“组合爆炸”的缺点进行改进,结合分布式无迹卡尔曼滤波算法,提出一种基于改进联合概率数据关联的分布式无迹卡尔曼滤波算法,对多传感器多目标跟踪进行仿真实验,验证算法的性能。