多源数据关联问题是无线传感器网络中多传感器数据融合的关键技术之一，也是其最核心的部分。联合概率数据关联算法是一种跟踪多目标的数据关联算法，它不需要任何关于目标和杂波的先验信息，但与其他有关数据关联算法相比，计算机开销大。基于聚类算法的联合概率数据关联算法在联合概率数据关联算法的基础上，运用模式识别中的聚类思想对传感器所接收到的量测数据进行聚类，减少有效量测的数目，从而简化了有效矩阵，减少了原有算法的计算量。基于最邻近方法的联合概率数据关联算法在构造有效矩阵的过程中，结合最邻近数据关联算法的思想，选取统计距离最小的三个有效量测构成有效矩阵，从而简化了有效矩阵，减少了原有算法的计算量。在多目标跟踪中，联合概率数据关联算法以及改进后的算法是不能直接应用到其中的。因为它们均是面向目标的数据关联算法，即它们是在目标个数和目标初始状态已知的情况下进行的目标跟踪，这些算法在算法的框架内没有考虑新目标的出现和旧目标的删除。但在复杂的多目标环境下，目标个数和目标初始状态都是未知的，因此需要加入多目标跟踪中的特殊判定准则以适应复杂的多目标跟踪环境。仿真实验表明，基于聚类算法的联合概率数据关联和基于最邻近方法的联合概率数据关联算法与原有算法相比，在一定程度上减少了计算量，而跟踪性能只是略有降低。加入特殊判定准则后的联合概率数据关联算法、基于聚类算法的联合概率数据关联算法和基于最邻近方法的联合概率数据关联算法均可以正确地检测到新目标，并保证了较高的正确率，同时也可以较快地删除虚假目标。