Para lograr una fusión óptima de múltiples objetivos maniobrables inciertos, se propuso un algoritmo federal de fusión con una estructura jerárquica del filtro de mezcla múltiple gaussiano-bernoulli (JMGM-MB). El filtro JMGM-MB transmite la densidad de estado de cada objetivo potencial en forma de filtro multi-modelo (IMM), garantizando así una precisión superior al filtro de mezcla múltiple gaussiano-bernoulli (MM-GM-MB). En la estructura jerárquica, cada nodo del sensor ejecuta un filtro JMGM-MB local para capturar los objetivos supervivientes, recién detectados y desaparecidos. Una característica notable del algoritmo propuesto es la ejecución de un filtro principal en el nodo de fusión para ayudar a evaluar la fuente de la estimación y llenar los vacíos. La salida de todos los filtros se asocia como múltiples estimaciones de objetivo único. La fusión óptima del filtro IMM se demostró rigurosamente y se utilizó para fusionar estimaciones de objetivo único asociadas. Se introdujo la técnica de límite superior de covarianza para eliminar realmente la correlación entre los filtros, garantizando así la optimalidad del algoritmo. Los resultados de la simulación muestran que el algoritmo propuesto es generalmente superior a los algoritmos de fusión centralizada y distribuida existentes en escenarios lineales y no homogéneos, y permite un control flexible del peso relativo de los filtros principal y local.