李振兴，刘进忙，李 松，李延磊

(空军工程大学防空反导学院，710051西安)

人们提出了许多重要的目标跟踪理论和方法，其中大多数方法将目标作为一个点源目标来处理.而在海面目标监控、多目标编队跟踪等许多跟踪场景内，跟踪对象通常由一系列具有类似运动方式的空间临近目标组成，即称作为群目标［1］.此时群目标跟踪会受到许多特殊因素的影响［2-3］，主要包括量测数目和观测模式的不确定变化.前者是由于传感器分辨率限制和传感器-目标的位置变化等因素影响，群目标的量测数目是时变的，影响了传统跟踪算法的正常进行;而后者主要是由于“一个目标对应一个量测”的观测模式被打破，导致个体目标航迹关联的模糊性.

针对上述问题，人们提出对群的整体进行跟踪的思想.根据这一思想，主要包括概率假设密度(PHD)滤波法［4-6］和 Bayesian 递推算法［3，7-11］.其中，PHD滤波法可以有效跟踪未知数目的空间临近目标，并同时解决数据关联问题，适合解决多个群目标的跟踪问题.它的不足在于当算法估计单元范围内目标的期望数目时，无法内在区分假设密度传播中哪部分是由于估计不确定或因群目标扩展产生的［7，9］.另外，PHD 方法推导很复杂，不利于实际应用推广.而在Bayesian递推算法方面，Koch［3］针对单个群目标的跟踪问题，提出利用群的质心状态和扩展状态来描述群的整体运动.它的假设前提是相比群的扩展状态，可以忽略传感器的量测误差影响.文献［7-9］提……