多目标跟踪技术在军事和民用领域均有广泛的应用，数据关联算法是多目标跟踪技术的核心因而被深入研究，至今为止已取得理论和实际应用上的多项成果。单扫描的最近邻方法和概率数据关联方法是应用最为广泛的数据关联方法，但这些方法难以处理密集目标、密集杂波和低探测概率等关联决策困难的情形。多假设跟踪是一种将航迹起始、航迹维持、航迹合并和航迹结束等功能融于一体的联合多扫描数据进行关联决策的数据关联方法，被认为是考虑最全面的方法，适合于处理较困难的关联情形。但多假设跟踪的算法逻辑及实现过于复杂，对计算能力和存储空间的要求较高，导致此方法的广泛应用受到限制。本文深入研究了多假设跟踪方法的原理、算法逻辑及算法实现，比较了两种实现方案，解决了算法实现层面的一些问题，提出了关联深度自适应方法，在多种场景下验证了算法的有效性，主要内容如下:　　研究了基本的多目标跟踪系统所涉及到的Kalman滤波方法、关联门技术和基本数据关联方法。将全局最近邻方法和联合概率数据关联方法融入了多假设跟踪算法框架，给出了传统单扫描关联算法与多假设跟踪方法的区别与联系。　　研究了面向航迹的多假设跟踪和面向假设的多假设跟踪这两种基本的多假设跟踪实现方案，基于两种方案的特点，选择在计算量、存储空间、逻辑复杂度等方面较优的面向航迹的多假设跟踪作为实现方案。具体研究了面向航迹多假设跟踪的各子模块，如航迹滤波、假设航迹控制与删减、航迹得分、假设生成等。　　实现了面向航迹的算法并解决了实现中的一些具体问题，如航迹初始跟踪门及得分增量设置、虚警密度和新目标密度的确定及贪心随机自适应搜索算法的参数设置等，并对基于贪心随机自适应搜索的多假设跟踪算法进行改进。提出了关联深度自适应方法，实现了关联深度与关联困难程度的匹配，形成了自适应关联深度多假设跟踪方法。　　在多种场景中，如多相近平行目标、高杂波、低探测概率情形，对算法性能进行评估，验证算法的有效性。