在多目标跟踪问题中，所考虑的回波量测不仅来自被跟踪的多个目标，而且还来自不在跟踪序列的其它目标、杂波、虚警以及干扰等。正是由于传感器观测过程和多目标跟踪环境中存在的各种不确定性，破坏了回波量测与其目标之间的对应关系，所以必须运用数据关联技术寻求解决方法。

数据关联过程就是确定传感器接收到的量测信息和目标源之间的对应关系。跟踪过程中新目标检测，需要在多个采样周期之间进行“量测－量测”的数据关联，以便为新目标建立起始航迹提供充分的初始化信息；而观测数据的直接融合也需要进行“量测－量测”数据关联，以稳定航迹生存周期；为了更新航迹，维持跟踪的持续性，还需要进行“量测－航迹”关联以确定用于航迹修正的新观测数据。另外在分布式多传感器跟踪系统中，为了对由于多个局部传感器输出的多目标航迹数据进行融合，首先需要“航迹－航迹”之间的数据关联，以确定哪些局部航迹来源于同一个被跟踪的目标

数据关联过程包括三部分内容：首先将传感器送过来的量测（点迹）进行门限过滤，利用先验的统计知识过滤掉那些门限以外的不希望得到的量测（点迹），包括其他目标形成的真的点迹以及噪声和干扰形成的假的点迹，限制那些不可能的“量测—航迹”的形成，在该关联门的输出形成可行或有效的“量测—航迹”对，然后形成关联矩阵，用以度量各个点迹与该航迹接近的程度，最后将最接近预测位置的量测点迹按照赋值策略将它们分别赋予相对应的航迹。

一般数据关联过程如图

考虑到目标的最大运动速度、机动变换情况和各种测量误差，目标不会跑出某个范围，然后根据这个范围设立门限，其它航迹所对应的点迹以及由干扰和杂波所产生的假的点迹就被拒之门外了。门限设置的大小会直接对关联产生重大影响。门限小了，可能套不住目标；门限大了，又起不了抑制其它目标和干扰的作用。通常都是以外推坐标数据作为波门中心，使相邻延续点迹以较大的概率落入关联门为原则来设立关联门的。实际上，由于关联门限制了由噪声、干扰或杂波产生的假的点迹，以及由固定目标产生的孤立点迹，有利于提高系统的正确关联概率和减小运算量，不仅提高了关联质量，同时也提高了系统的关联速度。目前采用的关联门有多种类型，主要有环形、扇形、椭圆形和矩形等