王 品，谢维信，刘宗香，高存臣

（1.深圳大学ATR国防科技重点实验室，广东 深圳518060；2.中国海洋大学数学科学学院，山东 青岛266100）

多目标跟踪技术一直是目标跟踪领域的一个热点研究问题。目标数目不定的多目标跟踪问题无论在理论上还是在应用中都是具有挑战性的问题。传统的多目标跟踪方法是先关联后估计，关联精度直接影响跟踪效果，目标数未知并且存在杂波和虚警时，关联很难实现［1－4］。Mahler等从统计的角度提出了多目标情况下“一阶矩滤波器”的概念（也称概率假设密度滤波器，PHDF）［4］，PHDF避免了观测值和状态值之间直接关联，但迭代过程中存在集合积分运算，计算上难以处理。所以 Vo等提出粒子 PHDF［5］（PF－PHDF），PFPHDF可以很好的估计出每个时刻多目标的状态值［6］，但PF－PHDF跟踪结果不能确认每个目标的状态，进而不能给出有效的跟踪航迹。Panta提出多假设关联算法和PF－PHD滤波结合的跟踪方法［6］，但用多假设关联算法过多地依赖目标和杂波的先验知识并且计算复杂很难实时实现［6－7］。近年来Vo等又提出了适用于线性高斯系统的高斯混合PHD滤波方法（GMPHD）［8］，推导了PHD的解析表达式，继而又有大量改进的 GM－PHD滤波方法［9－11］，对于系统噪声和量测噪声为非高斯噪声的多目标跟踪环境GM－PHD就无法使用，但PF－PHD仍然适用。

针对以上问题，提出1种新的基于PF－PHDF的多目标模糊跟踪方法，这种方法用粒子滤波预测和更新多目标状态集合的PHD，估计出目标数并用模糊C－均值聚类算法给出多目标的状态估计，把得到的目标状态作为新的观测集，然后用模糊关联得到各个航迹的关联结果，最后通过建立临时航迹滤掉了杂波点并且有效的提高了目标的跟踪精度。……