自20世纪80年代以来,合成孔径雷达(SAR)与电子支援测量(ESM)作为两种技术日趋成熟的机载传感器,在现代战场上发挥着越来越大的作用,现在机载多传感器融合是国内外研究的一个热点。本文研究机载SAR与ESM传感器信息融合问题,其中包括ESM对SAR的成功引导概率相关研究,非机动目标与机动目标跟踪问题的研究,和ESM与SAR融合目标识别(ATR)研究。本文所有的研究都建立在同一无人机(UAV)平台的ESM与SAR的基础上,假想目标为海面舰船类目标。首先,本文介绍了ESM目标跟踪中进行状态估计所需要的基本知识。介绍了目标跟踪中最经典卡尔曼滤波器及其原理、算法步骤,并分析了传统的非线性问题的滤波方法——扩展卡尔曼滤波,指出了这种方法的优点与不足。接着本文对于由ESM和SAR组成的多传感器系统,分析并推导了使用ESM对SAR进行引导时的成功引导概率解析表示式,为求解成功引导概率提供了依据。根据成功引导概率解析表达式,定性的分析了ESM对SAR成功引导概率随载机跟踪路径变化的趋势,并给出了为了能更快的成功引导SAR,载机跟踪路径应该遵循的原则。从跟踪算法角度,引入了无味卡尔曼滤波(UKF)这种跟踪算法,并在仿真中证明它可以达到更好的对SAR成功引导效果。SAR图像中可以提取出目标的速度方向信息,这是一个很好的机动指示器,利用这一信息,本文给出了一种SAR与ESM进行融合跟踪机动与非机动目标的方法,这种方法不但具有更好的跟踪精度,而且在与IMM方法结合应用于舰船类机动目标的跟踪时,它的优势更为明显。在舰船目标智能目标识别的问题上,本文使用了神经网络组的方法,神经网络组的优势是可以根据传感器各自的信息特点有针对性的设计传感器子网,本文选择基于模糊规则的神经网络应用于SAR子网,使用基于模糊决策的神经网络应用于ESM子网。ESM子网的输出是辐射源的置信度,利用模糊集理论的方法可以实现辐射源类型向目标类型的转化,最后将子网输出作为证据,在决策层上利用改进的DS证据理论方法实现数据的融合,仿真证明了这以一方法的有效性。