多传感器组网的分布式结构与集中式结构相比，可减少数据总线的带宽与数据处理的要求；同时易于现有的分散式多传感器系统的改造。因此，在设计新系统时，分布式多传感器组网已经成为优先选用的方案。本文具体分析了一种分布式多传感器组网目标跟踪融合系统，研究了数据关联滤波算法以及航迹关联融合算法等关键算法在该系统中的具体应用方案，并仿真比较了该系统在不同噪声水平、不同数据关联滤波方法以及不同航迹关联融合方法下的性能差异。 系统分析中，首先模拟产生雷达传感器的检测数据，包括动目标、定目标以及杂波产生的假目标点迹；然后预处理检测数据，尽可能地去除定目标与假目标点迹，保留动目标与可疑点迹；再利用数据关联与滤波算法关联保留点迹，并滤波形成局部航迹；进一步通过坐标变换与时间维插值完成空间与时间对准；最后应用航迹关联与融合算法关联局部航迹，融合形成全局航迹。 算法研究中，提出了一种将联合概率数据关联算法的确认矩阵拆分为互联矩阵的分层树算法，并进行了优化，得到优化分层树算法；简化了联合概率数据关联算法，提出双概率优选数据关联算法；推广了线性卡尔曼滤波算法，导出雷达混合坐标系下的扩展卡尔曼滤波算法；综合模糊双门限关联与模糊关联函数，推广了模糊双门限关联算法，使其适合多节点航迹间的融合。 系统仿真表明，双概率优选数据关联算法远比最近邻算法有效；扩展卡尔曼滤波算法适合于雷达传感器组网中的目标跟踪；推广后的模糊双门限关联算法计算量小，可融合多节点间的航迹，同时可简单地进行模糊融合。同时，该分布式多传感器组网系统作为一种目标跟踪融合系统具有可行性。