多传感器数据融合技术作为一门新兴的交叉性学科,在多个领域中,都有广泛的应用前景。多传感器目标跟踪是数据融合技术在目标跟踪领域中的应用范例,它将多个传感器信息进行有机地合成,用以提高目标运动状态估计的精度,其跟踪性能优于任何一个单传感器。数据融合算法是目前研究解决目标跟踪问题中的焦点之一。论文研究了目标跟踪中的滤波估计算法和航迹融合算法,改进了粒子滤波算法和协方差交集航迹融合算法,并对不同滤波方法的航迹融合算法进行了实验仿真。研究了多传感器数据融合系统的设计和应用。论文的工作主要有以下四点:(1)分析并比较了扩展卡尔曼滤波、无迹卡尔曼滤波与粒子滤波的优缺点;为了保证粒子滤波的性能,分别利用扩展卡尔曼滤波和无迹卡尔曼滤波作为粒子滤波算法的提议分布,充分考虑当前时刻的量测值,使得粒子的分布更加接近状态的后验概率分布,得到改进的粒子滤波算法;分析了交互式多模型估计,并对其进行了实验仿真,结果表明该算法对多模型目标跟踪的有效性。(2)论述了多传感器数据融合的原理、层次及跟踪结构模型等相关技术;分析了简单融合算法、互协方差融合算法和自适应航迹融合算法无法满足互协方差信息要维持统一的缺点,论文采用了一种不需要独立性假设的数据融合机制,即协方差交集算法;由于协方差交集算法的协方差信息中含有独立误差和相关误差,所以对协方差更新作了改进,通过从协方差中分离独立误差和相关误差分量,得到了改进的协方差交集算法。(3)设计了一种数据融合算法,分别采用交互式多模型和改进的粒子滤波算法作为数据融合过程中的滤波与估计,利用改进的协方差交集算法作为全局的融合算法。(4)研究了多传感器数据融合系统的设计与应用,包括系统的设计方法和性能评估,以及目标跟踪系统在工程中的应用等。论文针对不同的滤波方法,做了多组对比实验的仿真。通过仿真结果得出,分离协方差交集算法的融合精度比协方差交集算法要高。