1、隨著人們對于位置信息的需求逐漸增多，以及相應專業(yè)方向的深入研究，目標跟蹤領域得到了更廣泛的關注與推動。在跟蹤的過程中，非視距傳播(None-line-of-sight, NLOS)、多徑效應、信道噪聲等嚴重影響著跟蹤的準確性。其中，非視距傳播對定位精度的影響最大。本文較為全面的討論和研究了在視距(Line-of-sight, LOS)和非視距混合環(huán)境下的無線定位問題，給出了兩種解決方法。另外，本文將研究對象從單目標擴展至多目標，提出了基

2、于概率假設密度的多機動目標跟蹤方法。仿真結果表明，本文所提在LOS/NLOS混合環(huán)境下的機動目標跟蹤方法有效可行，針對多目標的跟蹤方法也能夠保證較高的跟蹤精度。
　　本文介紹了目標跟蹤的常見問題以及在 LOS/NLOS混合環(huán)境下進行目標跟蹤的研究背景與意義。分析了針對單機動目標跟蹤和多機動目標跟蹤的相關研究的發(fā)展現狀。針對機動目標跟蹤情景，闡述了幾種經典的濾波方法，其中有Bayes濾波、擴展卡爾曼濾波(EKF)算法、無跡卡爾曼濾波

3、(UKF)算法以及交互式多模型算法(Interacting Multiple Model, IMM)，這些經典方法為后文打下了堅實的理論基礎。介紹了兩種針對 LOS/NLOS混合環(huán)境下機動目標跟蹤方法，一種是基于IMM-UKF-CS的機動目標跟蹤方法，另一種是基于HIMM-UKF的機動目標跟蹤方法?；贗MM-UKF-CS的跟蹤方法具體來說是通過設計LOS和NLOS兩種模型集來系統(tǒng)描述目標的運動情景，并在IMM的框架下實現模型有效切換。

4、基于HIMM-UKF的跟蹤方法則是將目標的機動性考慮進多模型框架中，在已有的IMM的框架下構建雙層IMM系統(tǒng)，第一層與IMM-UKF-CS的策略一樣，實現LOS和NLOS的有效切換，第二層則通過設定不同的運動模型實現目標機動模型的有效切換。仿真實驗論證了以上兩種方法的有效性。提出了基于概率假設密度的多機動目標跟蹤方法，該方法是在隨機有限集的框架下，利用概率假設密度結合UKF的方法實現對多個機動目標在強雜波環(huán)境下的跟蹤。仿真表明該方法能夠