随着科学技术，特别是传感器技术、计算机技术、信息技术等的飞速发展，现代跟踪环境变得越来越复杂，现代跟踪理论也在不断发展和完善。数据关联是目标跟踪尤其是多目标跟踪的关键技术，也一直是一个研究热点。 多传感器信息融合是对多源信息进行处理的理论和方法，可以把不同时间和空间的数据进行综合处理，从而得到对现实环境更精确的描述。数据关联(DA)是所有跟踪、侦察系统的关键部分。数据关联就是将传感器获得的观测数据与已知目标航迹相比较并最后确定正确的观测／航迹配对或建立新航迹的过程。人们根据不同的问题、不同的信息抽象级别及不同的应用环境，提出了许多种数据关联算法，它们的性能直接影响到跟踪的效果，那么如何对它们分析和评价成为急于解决的问题，但目前一直缺乏统一的性能评价标准。 有限自动机是描述算法和计算的最基本模型之一，广泛的应用于计算机语言和各种计算的建模。将时序引入到自动机中，是根据数据关联本身特点决定的，数据关联具有实时性的特点，要求对它抽象描述的模型能够体现出这个特点，正因为数据关联本身具有时序性，扩展的时序有限自动机比有限自动更准确的对数据关联进行建模考虑到目标观测数据的时序性，在有限自动机中引入时间序列，进一步定义时序自动机。用此模型对数据关联进行建模，从而分析关联算法的性能。 本文的主要研究工作为以下三个方面： 1 数据关联问题是多传感器融合系统的关键技术之一，本文归纳分析了数据关联技术基础和现有方法。 2 考虑到目标观测数据的时序性，定义时序有限自动机，从而建立了关联方法评价的时序有限自动机模型。 3 给出了利用所建立的模型对现有关联算法的正确性，准确性，复杂性的评价方法。