本文系统研究了被动传感器信息融合中的一些前沿和热点问题：仅有角测量信息的单个被动传感器对机动目标的自适应跟踪问题、复杂环境中的被动传感器的数据关联问题、多被动传感器融合跟踪系统的测量数据关联预处理问题、多传感器优化配置问题以及融合跟踪精度和跟踪方法等，另外还就态势与威胁估计这个热点问题进行了相关研究，提出了一些新的观点，取得了一些研究成果。主要内容如下： 1．研究了仅有方位角测量信息的单被动传感器对机动目标的自适应跟踪方法。首先建立了二维跟踪模型，给出了适用于匀速目标和机动目标跟踪的修正增益扩展卡尔曼滤波方法，然后提出了仅有角测量信息的单个被动传感器在目标机动意义下的一种自适应跟踪新方法，该方法依靠加速度周期递推估计，不需要系统噪声假定，不需要机动判别，不需要模型切换，不需要增加过多的计算负担，能自适应目标机动，跟踪滞后不明显，对于高采样率的被动传感器具有优良的跟踪效果。 2．研究了在复杂环境中基于图像检测的单个传感器对运动目标的数据关联和跟踪方法。对于被动红外图像的远距离多目标跟踪，即使虚假量测的密度不大，如果目标密度较大，极易出现成像的交叠现象，本文提出了这种情形下的数据关联方法，即多重分配方法，该方法属于多假设法。对于基于红外图像的远距离单个小目标跟踪，当虚假量测的密度较大，干扰严重时，如果跟踪器能够向传感器提供反馈信息(目标位置预测信息)，那么传感器的检测可以采用Bayes检测，采用变门限检测方法可大大减少需要处理的侯选量测数量，这对于基于概率数据关联滤波的跟踪方法来说是很有利的，我们推导了概率数据关联滤波算法中相应的参数计算公式，并对其进行了仿真验证。 3．研究了多被动传感器组网时的量测预处理问题以及传感器的优化配置问题。量测预处理的目的是为了有效降低关联计算量，从而便于实时计算，幻影现象的排除是多被动传感器数据关联中最为困难的问题，也是仅有角测量信息的多被动传感器融合跟踪系统获得实际应用和深入研究的主要障碍。为此，我们提出了一套有效的解决方法，该方法可大大减少数据关联的计算量。我们还分析了采用大量被动传感器融合检测目标时的传感器优化配置问题，给出了不同的目标分布密度所对应的传感器优化分布密度，具有很强的工程实用性。 4．研究了仅有角度测量信息的多传感器系统对目标的融合跟踪方法，这是当前被动传感器信息融合研究中的一个薄弱环节。对运动载体上的两台被动式传感器交会跟踪目标的跟踪精度问题进行了深入研究，建立了双被动传感器交会跟踪的Cnnnelr-R加无偏估计不等式下界计算式，并用其计算了不同通信带宽条件下的距离估计精度值。针对目标运动的常速度模型，建立了单站形式的扩展卡尔曼滤波跟踪算法。计算和仿真表明，利用双被动传感器交会的量测进行数据融合以跟踪目标是很有实际意义的。研究了修正增益卡尔曼滤波器在集中式融合中的适用性，并对传感器侧量野值和通信故障的自适应融合滤波方法进行了研究。提出了传感器融合跟踪门的概念和建立方法，适用于存在虚假信号响应情况下的融合跟踪。 5.在态势和威胁级的融合层次也作了一些研究。态势分析和威胁估计是信息融合系统中的最高层次的融合，也是多学科知识的融合，最难以实现的，它是多传感器信息融合的一个研究热点。不同的应用背景对融合的具体目标有不同的要求。虽然它们是近阶段信息融合研究方面的一个热点，但尚未形成成熟通用的理论。本文提出了一种通用的模糊阶段态势估计方法，另外还在军事领域广泛采用的L坦clleSILer动态损耗方程的基础上，根据合理的假设，严格地建立了多传感器系统及其火力单元在对抗中的威胁评估模型，可为武器系统的信息处理单元提供对抗条件下的威胁评估和辅助决策。