多站雷达数据融合是近些年快速发展的一门集合多学科理论的新的研究技术。与单个雷达站相比,在目标探测、跟踪、身份识别以及态势分析和威胁评估等方面,多基雷达可以有效增强系统的生存能力,改善系统的稳定性,提高系统输出结果的可信度,提升对机动目标和高速运动目标稳定连续的跟踪能力,并具有精度、时间空间覆盖率、空间分辨率、信息利用率等方面的优势。本文介绍了多站雷达数据融合的基本原理和方法,包括空间配准、时间配准、目标跟踪、融合估计等相关知识。目标跟踪算法中主要描述了卡尔曼滤波的原理和仿真实验,融合估计部分介绍了航迹融合和点迹融合两种方式,并着重指出了点迹融合在实际项目中的应用及其优势。首先,简单介绍了多站雷达估计融合的定义、基本原理、功能模型、融合层次;深入探讨了目标跟踪技术,详述了卡尔曼滤波算法以及非线性条件下的目标跟踪方法,并进行了仿真;空间配准是通过坐标转换来完成的,将各个雷达站的数据转换到统一的坐标参考系中;同时,针对多个雷达站的开机时间不同、时间轴不同以及采样周期不同等问题,需进行时间配准,诸如数据插值、曲线拟合等操作;数据关联则是根据关联门算法确认测量值与目标集合的关系。其次,介绍了航迹融合的相关知识。描述了航迹融合的基本概念、航迹融合与信息融合系统功能模型和结构模型的关系、航迹估计融合处理的结构;之后重点介绍了传统的航迹融合算法,比如简单凸组合、互协方差组合、联邦滤波器算法等,并对一些算法做了仿真分析。最后,重点详述了点迹融合技术。雷达数据采样的方式分为均匀采样和非均匀采样,在点迹配准之后,数据的处理有串行处理和并行处理两种方式。然后,详细解释了点迹融合的几种方法,包括点迹串行合并方法、最小二乘法、并行滤波、序贯滤波,并针对序贯滤波和并行滤波做了仿真对比。之后,将点迹融合算法在实测数据中进行了验证,并与航迹融合、单站跟踪的结果进行了对比。可以得出,相比其他方法,点迹融合具有不可忽略的优势。