传统的多目标跟踪方法，其关键是处理目标和量测间的数据关联。然而，在高目标数、高杂波密度的条件下，数据关联复杂度呈指数增加。因此，关联问题已经成为了制约上述方法发展的主要因素。而基于随机有限集理论的多目标跟踪滤波可以有效避免跟踪过程中的数据关联操作，为跟踪算法进一步应用于复杂多变的现代战场环境提供了新的理论支持。 本书在随机有限集理论框架下，**介绍了场景未知时变的贝叶斯滤波跟踪参量建模及算法优化。针对复杂跟踪环境引起的错跟、失跟、目标状态及数目估计不准等问题，对假设条件过于理想的目标新生、目标运动、杂波率、传感器检测概率和噪声等参量模型进行了重构，推导了一系列在复杂场景下适用性更强的多目标跟踪方法，为推动多目标技术的发展以及在实际工程领域中的应用提供了相应支撑。 本书内容是作者近年来参与各类课题研究成果的总结，涵盖了雷达多目标跟踪领域的部分前沿进展及作者取得的创新成果，在学术界反映良好，可作为相关专业教师、科研工作者和工程技术人员的参考用书。