随着多智能体技术的不断发展,其在各个领域的应用也越来越普遍。多智能体编队作为其中一种具有高效性的应用方式而被广泛研究,如利用多智能体编队实现地面目标的协同感知、空中多无人机编队探测以及海面多舰船的范围搜索等。在传统的目标跟踪算法中,一般使用静态雷达或单移动智能体对目标进行探测,但由于目标状态的不明确以及执行任务的复杂性提升等因素,传统方法已经不能满足任务需要,多智能体协作控制技术的出现得以解决这一问题。本论文基于多智能体系统,开展了多智能体协作控制与目标跟踪算法的相关研究,具体研究内容如下:(1)从多智能体编队控制理论出发,研究了多智能体系统的编队形成、队形保持以及协作式目标跟踪等问题。首先在杂波环境下对运动目标与杂波进行系统建模,之后采用改进Kalman滤波算法估计目标状态,最后通过基于一致性理论的编队形成方法研究了一种具有移动跟踪的多智能体编队控制算法。(2)从多智能体系统的空间网络拓扑结构出发,提出了一种衡量多智能体系统编队结构性能的指标,通过分析智能体观测角、漏检概率以及观测距离等因子对编队性能的影响,调整编队队形参数提高编队性能。(3)在分布式条件下对各个多智能体获取的目标量测进行了融合估计,考虑了待融合估计量之间的相关性。研究了各智能体估计值密度函数的最优融合问题,将CI算法(covariance intersection)应用到多智能体融合估计上,得到了多智能体信息融合后的估计值。然后对多智能体系统在噪声相关性条件下实现目标跟踪的问题展开了相关研究,重点考虑杂波环境下测量噪声自相关、状态噪声与测量噪声互相关以及同时具有两种相关性的三种情况,去除噪声相关性并对运动目标进行跟踪的问题。