随着科技的发展,对多目标的跟踪技术提出了越来越严格的要求,在杂波密集、杂波分布不均匀、检测率低、目标密集、信噪比低等情况下,传统的跟踪算法性能表现得不如预期好,因此知识辅助多目标跟踪算法被提了出来,基于知识辅助的多目标跟踪算法解决了传统跟踪算法单纯利用运动学参数进行跟踪的一些缺陷,对提高在上述特定场景下的多目标跟踪性能具有重要意义。本论文的主要工作首先是在杂波分布不均匀、信噪比低的场景下,研究如何利用幅度信息、杂波分布信息来提高跟踪的性能,然后针对多个目标运动学参数相近、间距小的场景,本文通过利用目标的分类信息,来改善跟踪性能。本文先简述多目标跟踪技术的一些基本理论,包括多目标跟踪的模型、多目标跟踪的航迹管理、多目标跟踪的数据关联以及滤波方法,简单说明本文选择的跟踪方法的依据。接着,针对杂波分布不均匀、信噪比低的场景下传统跟踪算法不理想问题,本文结合杂波分布信息与回波幅度信息,首先利用杂波分布信息,在不同区域采用不同的量测过滤门限与策略,在保证了非均匀分布杂波起始成功率的前提下,很大程度上降低了起始错误率。对于已经起始成功的目标,在跟踪过程中结合杂波分布与回波的幅度信息,得到量测角度分布概率密度函数的近似计算方法,并在密集杂波区域修正了数据关联算法,提高了真实量测的关联概率。仿真的结果表明,修正了的算法CIMMDJPDA-AICLUTTER在杂波分布不均匀、信噪比低的场景下能够一定程度上改善跟踪性能。对于传感器能够对量测进行分类的情况,针对目标密集的场景分析了文献中JPDA利用类别信息的不足点,首先,在多个目标波门重叠情况下修正关联算法,得到修正后的CIMMJPDA-MC算法,仿真结果表明,修正之后的算法在目标波门重叠的情况下对跟踪有改善作用。其次,在杂波密度增强、信噪比降低的情况下,为解决分类信息辅助效果降低的缺陷,引入幅度信息进行修正,仿真结果说明这种修正能够提高跟踪性能。