传统上人们一般将数据配准、数据关联和数据融合三者分开研究，或者是将航迹配准、航迹关联和航迹融合三者分开研究，但实际上它们是相互影响的：数据配准需要正确关联了的多传感器数据而存在配准误差的多传感器数据又会增加错误关联的概率，它们都会对数据融合的性能产生影响；同样航迹配准需要正确关联了的局部航迹而存在配准误差的局部航迹又会增加错误关联的概率，它们都会对航迹融合的性能产生影响。本课题将配准、关联和融合作为一个整体来处理，针对采用集中式信息融合的多传感器多目标跟踪系统提出基于最大期望算法的联合数据配准、关联和融合方法，以及针对采用分布式信息融合的多传感器多目标跟踪系统提出基于最大期望算法的联合航迹配准、关联和融合方法。本课题的主要成果有：提出了基于最大期望算法和Kalman滤波算法的联合数据关联、配准与融合算法；提出了基于最大期望算法和状态融合理论的联合航迹关联、配准与融合算法；分析了联合数据配准、关联和融合算法的收敛性问题并对算法性能进行了分析比较；以雷达与电子支援措施(Electronic Support Measure)两种传感器为例，提出了基于最大期望和固定滞后Kalman平滑器（Fixed-Lag Kalman Smoother）的在线联合配准与融合算法；研究了一类非线性非高斯系统的滤波问题，在分析均差滤波算法和高斯和滤波算法的基础上，提出了一种基于均差滤波的高斯和滤波算法；对目标跟踪及滤波估计理论在图像处理、信号处理方面的实际应用作了研究。