在目标的探测与跟瞄研究领域采用单传感器获取信息实现对目标物的跟踪往往不能满足探测性能和跟踪可靠性的要求。随着电子技术、传感器技术、通信技术的发展,更多的研究者们把目光投向了多传感器协同目标跟踪研究领域。多传感器能够搜集更多冗余的信息,在多变的背景环境条件下,协同融合这些全面的、及时的信息改善系统的检测性能和跟踪可靠性。本文研究的主要内容是多传感器协同目标跟踪方法。文章中首先对多传感器协同目标跟踪方法的功能组成进行了详细的介绍,对功能组成中的数据配准、数据关联等问题进行了简单的分析和研究,其中数据配准包括时间配准和空间配准两个方面,针对时间配准,文中介绍了泰勒展开修正、插值和拟合三种方法,并对三种方法进行了仿真分析;针对空间配准,介绍了几种常用的坐标变换方法。在数据关联方面,介绍了跟踪门的概念和基于杂波的概率数据关联算法。论文详细阐述了针对非线性系统的滤波算法,用于实现对目标的状态估计,因为实际的目标跟踪问题都是非线性的状态估计问题,因此研究非线性状态估计更有实际意义。针对各种滤波算法的性能,文中做了比较,分析了各算法的优缺点,及影响滤波结果的原因,便于针对不同的应用需求选择性能更好的滤波算法。此外文章中还介绍了多传感器目标跟踪方法中常见的两种系统结构和融合算法,并对两种系统结构和融合算法进行了比较;最后以实际的目标跟踪问题为背景,针对非线性系统的状态融合估计问题,研究了基于粒子滤波的多传感器顺序融合算法和基于无迹卡尔曼滤波的加权融合算法,并将Sage-Husa算法与无迹卡尔曼滤波算法相结合成功应用于多传感器目标跟踪系统,解决了在噪声未知的情况下,多传感器系统对目标的跟踪问题,仿真证明了算法的有效性。