随着传感器技术和信息技术的发展，多目标跟踪技术迅速崛起，无论是在军事领域还是民用领域都得到了广泛应用。多目标跟踪的实质是根据给定的量测序列估计未知随时间变化的目标的数目和目标的状态。给定的量测集无法区分哪些是来自目标的量测，哪些是杂波和噪声产生的量测，容易产生虚警和漏跟，这给多目标跟踪带来巨大挑战。随机集理论为多目标跟踪滤波提供新的思路，解决了目标数据关联和目标数目变化的难题。本文重点研究了基于随机集理论的多目标跟踪方法。首先介绍了多传感器多目标跟踪技术的基本滤波方法，重点详述了随机集的基本理论和它在多目标跟踪中的应用。对概率假设密度滤波(ProbabilityHypothesis Density, PHD)和带势的概率假设密度滤波(Cardinality ProbabilityHypothesis Density, CPHD)两种方法的实现进行了深入的研究，并比较了他们的优劣，仿真验证了他们的跟踪性能。然后针对复杂杂波情况下未知杂波强度的多目标跟踪问题，提出了改进的高斯粒子概率假设密度滤波。仿真实验表明此方法跟踪性能明显优于未进行估计的多目标跟踪算法。最后针对多机动目标跟踪算法未能解决目标突然消失，一段时间之后又出现的问题，文中提出了一种改进的多机动目标跟踪算法。该算法在更新目标状态和高斯分量时，判断目标是否消失，若目标消失，则保留其跟踪滤波状态，做出标记，继续估计其目标状态，不计入目标轨迹中；当有目标出现，将其目标的状态信息与消失的目标估计的此状态比较，若两者状态几乎相近，则判断为消失又出现的目标，否则为新出现的目标。仿真验证表明概算法在不影响跟踪实时性的前提下提高了跟踪精度。