多目标跟踪技术是信息融合领域的重点和难点,具有很高的军用和民用价值,一直以来受到国内外学者的高度重视。随着雷达分辨率的不断提高,每个时刻产生多个量测的目标被称为扩展目标。在扩展目标的跟踪过程中,不仅需要跟踪到目标的运动状态,还需要跟踪到目标的扩展状态。由于随机有限集理论能够有效解决传统的多目标跟踪过程中出现的一些难题,因此,受到了业界学者们的广泛认同。在目标的扩展状态方面,随机矩阵算法和随机超曲面算法是目前跟踪目标扩展形状最常用的两种方法。本文主要针对不同量测模型下的扩展目标跟踪方法展开研究。首先,针对单扩展目标跟踪,分别在随机矩阵模型、随机超曲面模型以及乘性噪声模型下,结合传统的卡尔曼滤波算法,给出了不同量测模型下的单扩展目标跟踪的算法流程。其次,针对随机矩阵模型的量测需要为线性量测的问题,提出了非线性量测下基于随机矩阵的单椭圆扩展目标跟踪算法。该算法通过匹配线性化的方法对扩展目标的非线性量测进行处理,然后将线性化后的量测方程作为随机矩阵算法的量测模型进行跟踪。针对非椭圆扩展目标,提出了非线性量测下基于随机矩阵的多椭圆扩展目标跟踪算法。该算法先将目标建模为多个椭圆,再利用单椭圆扩展目标跟踪方法进行跟踪,最后求解出多个椭圆的联合估计值。最后,研究了扩展目标的随机超曲面模型,针对随机超曲面模型的非线性量测模型,给出了在两种不同处理方式下的基于随机超曲面的扩展目标跟踪算法,基于随机模型近似和无关变换的扩展目标跟踪算法。针对传统的随机超曲面模型处理方式在考虑漏检及杂波情况下目标跟踪精度不高等问题,并结合变分贝叶斯期望最大化方法,给出了量测噪声未知时基于高斯过程回归的多扩展目标跟踪算法。