目标检测与跟踪是现代军事和民用感知信息系统的关键功能,其基本任务是利用传感器获取的含噪数据,实现对感知场景内目标数目及其对应状态的估计。经典感知信息处理的思路是将两者分开处理,先利用恒虚警检测器实现目标检测,然后将检测结果输入跟踪滤波器实现目标状态估计。为克服在低信噪比条件下弱目标漏检的问题,检测前跟踪方法直接利用传感器的图像观测数据,以非相参的方式积累潜在目标航迹上的能量,可较好地实现弱目标的检测与跟踪。当前,大多数检测前跟踪滤波器都采用点目标假设,而现实中传感器的分辨率与日俱增,单个目标往往占据多个分辨单元。鉴于此,本课题以宽带雷达目标探测与跟踪为应用背景,在现实情况中难以获得扩展目标幅度先验信息的条件下,重点解决单扩展目标和时变数目多扩展目标的检测与跟踪问题。课题利用有限集统计学理论在时变数目多目标滤波建模方面的优势,构建单个或多个扩展目标运动学模型;以潜在航迹上的扩展目标测量积累数据为基础,完成扩展目标未知幅度先验信息的估计;两者通过递归贝叶斯滤波工具,最终实现单个或多个扩展目标的联合检测与跟踪。第三章首先在点目标假设条件下,针对目标幅度扩散先验信息未知的问题,建立了一种新的单目标伯努利检测前跟踪滤波器。该滤波器利用目标潜在航迹上的多帧雷达视频观测数据,递归估计目标平均回波强度,并应用于滤波器的递归更新步骤实现弱目标的检测和跟踪。实验结果表明所提方法可以较好地实现该场景条件下的检测跟踪,并渐进收敛于先验信息已知时的最优滤波器。在单个扩展目标假设条件下,针对扩展目标占据分辨单元数目和幅度分布信息未知的问题,建立了一种单扩展目标伯努利检测前跟踪滤波器,基于扩展目标潜在航迹上积累的多帧雷达视频观测数据可能存在外来噪声样本的问题,引入主成分分析工具实现对扩展目标幅度分布信息的鲁棒估计,克服了已有方法在Swerling 1型目标上存在的发散问题,实验结果表明可以有效实现未知扩展目标长度和幅度分布信息条件下的弱目标检测与跟踪,且渐进收敛于先验信息已知时的最优滤波器。论文第四章进一步将第三章中未知幅度先验信息的单扩展目标检测前跟踪思路扩展到时变数目多目标场景。利用有限集统计学理论的优势,建立时变数目多目标的多伯努利运动模型,通过潜在航迹上的扩展目标观测数据实现未知幅度先验信息的估计,用于扩展目标观测似然函数计算,最终实现多个扩展目标的联合检测与跟踪。实验结果表明,该滤波器可以较好地实现未知幅度先验信息的多扩展目标联合检测与跟踪。