在多雷达多目标联合检测跟踪问题中,及时正确发现目标并提高其跟踪精度是国内外研究者们研究的主要任务和热点。基于粒子滤波的检测前跟踪算法是一种经典的检测前跟踪算法,该算法依靠一组带权值的粒子来近似目标状态的后验概率密度函数,不受非线性非高斯条件的限制,有广泛的适应性,是多雷达多目标联合检测跟踪算法中的一个重要方向,具有重要理论研究意义和国防军事价值。在对多个信噪比相差较大目标的检测跟踪中,传统的基于粒子滤波的检测前跟踪算法在进行粒子群重采样时,容易将高权值粒子大量复制,导致只检测到信号强度较高的目标,遗漏信号强度相对较弱目标,造成漏检情况,或者将低权值粒子大量采样,导致虚假目标出现。为了提高多雷达多目标检测跟踪问题中的目标正确检测率,本论文在双层粒子滤波算法结构的基础上,针对基于粒子滤波的多雷达多目标检测前跟踪算法进行研究,主要工作如下:1.首先介绍了基于粒子滤波检测前跟踪算法的基本原理,目标运动模型和雷达观测模型,并描述了多雷达单目标粒子滤波检测前跟踪算法的具体实现步骤。2.提出了一种基于自适应遗传操作的多雷达多目标检测前跟踪算法(IGPF-T BD),用于改善目标信号强度相差较大时的目标漏检问题。算法受遗传算法启发,通过自适应遗传操作产生新生粒子,提高粒子分布多样性。并使用锦标赛选择方法,以粒子权值的相对值作为选取粒子的标准,增加较高权值粒子的采样概率,避免高权值粒子大量复制,从而改善目标漏检情况。仿真结果表明,相比传统多雷达多目标粒子滤波检测前跟踪算法,该算法可以在目标信噪比相差较大时,有效检测到信噪比小的目标。3.提出了一种基于粒子群融合的多雷达多目标粒子滤波检测前跟踪算法(PSFPF-TBD),用来提高多雷达多目标检测前跟踪算法的目标跟踪精度。算法设计了一种粒子群融合思想,用于新检测目标的粒子群和已发现目标的粒子群的有机融合,通过合理保留两类粒子群的优势粒子,改善目标跟踪粒子群状态,提高目标跟踪精度。仿真结果表明,相比传统多雷达多目标粒子滤波检测前跟踪算法,该算法可以有效提高目标跟踪精度。4.提出一种混合多雷达多目标检测前跟踪算法(HMPF-TBD),用于改善多雷达多目标检测前跟踪问题中的目标漏检问题并提高跟踪精度。该算法在双层粒子滤波结构的基础上,通过将IGPF-TBD和PSFPF-TBD的算法结构进行有机融合,结合两种算法优点,仿真结果表明,该混合算法可以改善目标正确检测率和目标跟踪精度。