随着科技发展与进步,目标跟踪技术显著增强。此外,高分辨率雷达性能不断优化,能够得到的目标信息也越来越多。毫米波雷达是一类适合人体目标的传感器,它可以检测目标的位置、轨迹和数目等,常用于高楼、工厂以及城市自动化中。本文基于贝叶斯滤波理论,研究了确定目标个数的扩展目标状态建模方法和数据关联技术,并在毫米波雷达上验证了算法的有效性。论文的主要研究内容和成果如下:1.研究基于联合概率数据互联的扩展目标跟踪算法。本文对点目标的JPDA算法进行改进,修改假设条件,推广到多扩展目标跟踪中。扩展目标JPDA算法中运用了泊松点过程模型和量测的空间分布模型,基于这两个模型计算得到了关联事件的后验概率,然后对关联事件的后验概率积分得到目标与量测的关联概率。本算法采用随机超曲面方法将扩展目标建模为椭圆,通过扩展目标JPDA算法实现数据关联,最后用UKF滤波器估计出多个扩展目标的状态。2.研究了基于自适应门限的扩展目标跟踪算法。自适应门限是基于马氏距离中固定门限值的改变。常规处理方法一般设定门限为定值,本算法设定椭圆（或椭球）的体积为定值,根据体积与门限的关系计算每次滤波过程中的门限大小。本算法采用随机矩阵对扩展目标建模,通过自适应门限的数据关联算法实现航迹关联,最后分别估计目标扩展状态和运动状态。3.在毫米波雷达上验证自适应门限的扩展目标跟踪算法的有效性。本章采用TI公司生产的77GHz毫米波雷达采集实测数据,该雷达基于FMCW-MMO体制,量测数据来自雷达DSP处理后的检测结果。本章设计了两个实测场景,分别是单人和双人情况。实验结果展示了转弯处跟踪效果依然良好。并且椭圆扩展状态的大小和方向会随着目标运动的改变而变化,一定程度上体现了扩展目标的运动变化。并且短时间内数据的缺失不会对跟踪结果造成很大的影响,这也反映了该算法的稳定性和实用性。