弱小多目标的检测与跟踪是雷达探测面临的一个重要技术难点。面向复杂背景下的弱小目标探测, 提出了一种新的思路, 从3个方面对探测性能进行优化: 首先, 通过对概率数据关联算法进行改进来实现复杂背景下目标跟踪;其次, 通过自适应处理来实现斜视阵条件下非均匀杂波的抑制;最后, 通过分析目标隐藏信息来扩大目标跟踪范围, 完善目标形态。实验验证了此算法能很好地应用于跟踪波门重合性质的目标, 既能使跟踪的精确性得到保障, 又能大幅度提升关联速度, 能够很好地用于复杂背景下的弱小目标探测。

基于对数正态(L-N)湍流信道模型, 研究了LDPC编码大气光通信多输入多输出(FSO-MIMO)系统迭代检测算法。分析了内迭代与外迭代次数对系统性能及计算复杂度的影响, 并针对PDA检测算法复杂度高的问题, 提出了一种基于反馈阈值的M-PDA迭代检测算法。改进的算法利用译码输出的比特先验信息对发送比特进行分类, 从而降低检测复杂度, 并通过选取合适的阈值, 可以获得更好的检测性能。仿真结果表明, 实验时需要综合考虑计算复杂度和性能, 选取合适的内外迭代次数, 仿真条件下, 误码率为10-5、反馈阈值为0.7时, 可以获得0.15dB的性能增益。

联合概率数据关联算法具有良好的多目标跟踪性能, 但其计算量会随着跟踪目标数和有效量测数的增多而呈指数增长, 因此实时性差, 难以在工程中应用。在保证准确率和精度的前提下减小确认矩阵的维数, 提出了一种关联区域预处理的方法。对目标空间进行网格划分, 通过网格的选取形成连通域, 再对每个连通域中的目标采用联合概率数据关联算法, 从而大量减少关联时间。仿真实验表明, 基于网格连通的联合概率数据关联算法具有较强的实时性。

杂波环境下用联合概率数据互联算法(JPDA)跟踪多目标，其计算量将随跟踪目标数的增多和杂波密度的增大而呈指数增长，因此实时性不强；并且JPDA跟踪杂波环境中的近距离目标时，容易造成航迹合并。在充分考虑单个目标独立性的基础上，提出有效量测分集概念。将接收到的有效量测信号按照单个目标的关联划分，确定各目标跟踪波门内的候选量测信号，不考虑量测信号的重复关联。取得单个目标独立性之后，再运用单目标概率数据互联的方法估计目标状态。仿真实验表明，较传统JPDA实时性更强，能够分辨并跟踪近距离目标。

利用红外跟踪测量系统能够同时获取目标运动信息(包括方位角、俯仰角以及角速度)、目标信号幅度及其成像面积等，提出了一种基于多特征融合的弱红外运动目标跟踪方法。分析了红外成像系统中目标信号特点，得到目标的运动、幅度和面积具有一致性和连续性，符合高斯分布；采用概率数据关联滤波推导量测各特征的关联概率，并根据特征的波动状况确定多特征融合的加权系数，估计和更新目标运动状态。理论分析和实验结果表明:该方法的跟踪精度和稳定性都明显高于仅依靠运动特征关联和依靠运动特征和幅度特征关联的跟踪方法。

针对非线性系统中杂波环境下的多传感器多目标跟踪问题，提出了一种多传感器顺序统计量不敏概率数据互联算法(MSOSUPDA)。算法首先根据顺序结构多传感器系统实现方法将研究问题转化为顺序处理多个非线性单传感器多目标跟踪问题，然后结合顺序统计量概率数据互联(OSPDA)的思想将单个传感器的量测点迹与多个航迹互联，在此基础上采用不敏卡尔曼滤波(UKF)实现非线性条件下目标状态估计与协方差的递推。与MSJPDA/EKF算法相比，算法具有更高的跟踪精度和稳定性，计算量明显减小。仿真结果表明，该算该发散率与耗时分别为MSJPDA/EKF 算法的19%与70%，算法综合性能明显好于MSJPDA/EKF 算法。