数据融合技术是在上世纪九十年代刚刚兴起的一门信息处理学科。它的应用范围十分广泛,包括军用和民用的众多领域如:目标跟踪与识别、医疗诊断、交通管制、工业机器人等等。就目前而言,目标跟踪与识别仍然是数据融合技术研究的最重要的课题。 本文系统深入地研究了多传感器数据融合中的单目标跟踪问题。首先对数据融合这一新兴的学科的理论基础、实现技术、研究现状和意义进行了综述,并概述了多传感器融合目标跟踪技术;其次研究讨论了目标跟踪当中的坐标系的选择、目标运动模型的建立、跟踪门的形成和卡尔曼滤波方法等关键问题;在此基础上主要研究并改进了两种红外/雷达多传感器融合跟踪算法。 基于加权平均的融合算法简单而又实用。通过分析我们发现如果使用由拉各朗日乘数法所求得的约束极值作为权系数,融合后的精度可以达到最佳。与此同时,文中还着力解决了将红外传感器量测的图像信息转换到惯性系中的角度信息这一问题。并使用了最小二乘法实现了异类传感器量测的时空对准。仿真结果表明:使用两种传感器融合跟踪的性能要优于任一单传感器。 目标跟踪领域的一个研究重点是如何解决杂波干扰问题和适应目标的高度机动。概率数据互联算法和交互式多模型算法能够分别解决上述问题。文章结合Bar-shalom提出的交互式多模型—概率数据互联算法,提出了一种将其推广到多传感器情形下的方法。仿真实验证明了使用多传感器融合跟踪不但在精度上有提高,而且对目标机动和杂波环境的适应能力也好于单传感器。最后,文章通过状态扩展的方法将这种多传感器多模型/概率数据互联算法应用于固定延迟状态平滑当中。仿真实验证明:即使只延迟一步,跟踪精度的改善也是很明显的。 对于每种算法,我们使用蒙特卡罗方法进行的仿真实验表明了它们的有效性。如何通过硬件系统设计把算法予以实现将是下一步工作的重点。