分布式麦克风阵列通过测量得到目标空间信息,结合跟踪理论可以将目标时域特性与空域信息联系在一起,具有覆盖范围广、定位准确等优点,而多目标跟踪是多传感器信息融合理论研究的核心内容,在军事领域和民用领域都有着广泛的应用。目标跟踪主要涉及两个方面的内容,其一是寻找稳定的非线性滤波器,本文在贝叶斯理论框架下,结合球面径向变换和球面容积法则,研究了一种新的非线性滤波器——容积卡尔曼滤波器,相对于传统的扩展卡尔曼滤波和无迹卡尔曼滤波,能够实现更好的稳定性,同时该算法以较小的计算复杂度,可以达到与粒子滤波几乎相同的跟踪效果;其二是寻找自适应的目标运动模型,论文提出了改进的“当前”统计模型,通过定义缩放因子,在跟踪的稳定性和跟踪强机动目标之间进行平衡。在多目标跟踪中,研究了多假设跟踪算法,为了克服假设数目增多带来的计算量问题,提出了多维分配算法,将多传感器多目标跟踪中的数据关联问题转化为分配问题,通过拉格朗日松弛算法将多维分配问题降维,实现数据和多个目标航迹的正确关联。最后,设计了一个双麦克风阵列语音信号跟踪实验,对户外远距离语音信号进行定位跟踪,实验结果表明,本文提出的自适应多目标跟踪算法可以实现对多个不同机动程度的目标的自适应稳定跟踪。