本文以靶场实验中多目标测量为研究对象,以对目标编号维持为出发点,重点解决在目标发生交叉分离后,继续保持对目标编号维持不变问题。首先,针对测量目标信噪比较低的特点,传统的目标提取算法无法将目标提取出来,双正交小波具有紧支撑性和对称性,可以达到最佳的滤波效果。本文比较了双正交3.1ψ小波、haar小波以及sobel算子对弱目标提取的能力,实验表明3.1ψ小波对目标提取能力最强,并且受噪声影响小。接着,在目标编号维持过程中,为了克服概率数据关联方法对多目标处理的片面性,以及联合概率数据关联方法过于繁杂的弊端,本文提出一种适用于实际应用的多参量数据关联算法。它采用空间位置关联度,亮度近似度,形状近似度多方面因素,综合计算不同目标与确认波门内各个观测值之间的后验概率密度,不同观测值对该目标的更新量赋予不同权值。当目标数量增多时,该方法与联合概率数据关联方法相比,对目标编号维持可靠性方面比较接近,计算量大幅减少。最后,本文对多目标交叉问题进行深入探讨,提出一种去噪的轨迹外推方法。该方法采用一种广义霍夫变换剔除目标二次曲线方程中的噪声点,通过分析参数空间模糊截集内的有效点,从而反推直角坐标系下的有效位置点,利用这些有效点采用最小二乘曲线拟合获得目标的预测位置。实验表明,本文提出的轨迹预测方法具有较强的抗噪性,当噪声量增强时,去噪的轨迹外推法求得的预测值与目标观测值之间的偏差比利用最小二乘曲线拟合方法求得的偏差明显小很多,当目标分离时,去噪的轨迹外推方法比最小二乘曲线拟合方法成功匹配率高。