随着雷达、红外等传感器分辨率的不断提高,扩展目标跟踪受到了国内外学者的广泛关注。近年来,由于计算简单且能够跟踪扩展目标,基于随机矩阵的扩展目标联合跟踪与分类算法研究受到关注。本论文以贝叶斯滤波和随机矩阵为理论基础,针对椭圆和非椭圆两类扩展目标,研究机动扩展目标联合跟踪与分类方法,具有重要的理论意义和应用价值。论文主要研究内容如下:1.研究了机动扩展目标跟踪的基础理论,包括目标运动模型、贝叶斯滤波理论、随机矩阵算法和多模型算法等。以常规运动模型为基础,研究了机动扩展目标跟踪的多模型算法;以贝叶斯滤波为理论框架,研究了基于随机矩阵的目标扩展状态估计和目标跟踪算法;为了同时估计机动扩展目标的运动状态和扩展状态,研究了基于随机矩阵的机动椭圆扩展目标跟踪算法。2.针对机动椭圆扩展目标,结合交互多模型,提出一种基于随机矩阵的机动椭圆扩展目标联合跟踪与分类算法。该算法以贝叶斯滤波为理论框架,结合目标的大小、形状、方向等先验信息,利用随机矩阵实时估计目标的状态,同时采用多模型算法处理椭圆扩展目标的机动情况。仿真实验表明,所提算法可实时估计目标的运动状态、扩展状态和类状态等信息,实现机动椭圆扩展目标的联合跟踪与分类。3.针对机动非椭圆扩展目标,结合交互多模型,提出一种基于随机矩阵的机动非椭圆扩展目标联合跟踪与分类算法。该算法将非椭圆目标近似为多个相互独立的子椭圆,每个子椭圆由随机矩阵表示,其中与目标有相同方向的子椭圆作为主椭圆,并用结构信息表示子椭圆与主椭圆之间的关系;采用已提出的基于随机矩阵的机动椭圆扩展目标联合跟踪与分类算法估计主椭圆的状态;利用结构信息估计各子椭圆的状态,实现机动非椭圆扩展目标的联合跟踪与分类。仿真实验表明,所提算法可改善椭圆近似目标带来的信息丢失问题,在有效跟踪非椭圆扩展目标的同时,能实时估计目标的运动状态、扩展状态以及类状态等信息。