面对越来越复杂的多元化作战环境与国际态势,加之敌方干扰手段的多样化,如果只依靠单传感器来获取战场信息,那么必然会使其生存能力下降,使我方处于不利地位。因此,采用多传感器信息融合系统来洞悉战场环境已经成为一种必然的趋势。与单传感器相比,其增强了系统的可靠性与可信度,扩大了检测范围,减少了信息模糊度,使系统的生存能力大大提升,其优势显而易见。在多传感器系统中有许多功能模块,其中航迹与航迹的关联作为多目标跟踪的基础就显得尤为重要,其任务是判断多条不同传感器产生的航迹是否来自于同一个目标,以此解决重复跟踪问题。基于以上论述,本文以多雷达为研究背景,灰色理论为依据,研究灰色航迹关联问题,主要工作如下:1.为了方便后续的研究,首先介绍了雷达数据处理中的预处理技术,主要包括时间配准、空间配准以及门限过滤技术。其次介绍了卡尔曼滤波的原理以及实现过程,并通过仿真分析,验证了卡尔曼滤波可以达到降低噪声影响且平滑航迹的效果。2.研究了两类传统的航迹关联算法,一类是基于统计理论的方法,另一类是基于模糊理论的方法,并指出了传统方法的优缺点。针对传统方法在目标密集且航迹交叉的场合下关联效果变差以及隶属度函数中参数难以选择的问题,本文简化了隶属度计算,将隶属度作为输入计算得到灰色关联矩阵,以此来判断航迹是否关联,提出了基于模糊数学的灰色航迹关联方法。仿真结果表明,与传统算法相比,本文提出的算法在稀疏目标环境、中等密集目标环境、密集目标环境下均能保持较好的关联效果,并且在实测场景下验证了本算法的优越性。3.在目标密集、航迹交叉且存在机动的场合下,本文将信号时频处理中的经验模态分解（EMD）技术应用于航迹关联,并且将邓氏一般灰关联度与B型灰色关联度作对比,由于B型灰色关联度在考虑两条航迹曲线之间接近程度的同时,兼顾其斜率差异,因此能较好地提升关联效果。综上所述,本文提出了一种基于EMD和B型灰色关联度的航迹关联方法。仿真结果与实测数据表明,在目标密集、航迹交叉且存在机动的场合下,本文算法具有较好的关联性能。