李羿萱，杜选民，周胜增，高 运

(上海船舶电子设备研究所，上海 201108)

0 引 言

随着被动声呐检测性能的不断提高，声呐的作用距离得到有效提高，在声呐作用距离内可检测到的目标数大大增加，多目标轨迹分布情况越来越复杂，同时背景杂波数目也随之增多，如何在多目标复杂的情况下对感兴趣的威胁目标进行有效跟踪具有迫切需求。

传统的被动声呐跟踪方法，适用于目标较少且方位间隔较大的情况，对于目标较多且轨迹变化比较复杂的情况，例如目标交叉、邻近、新目标出现、已有目标突然消失等情形，往往会出现失跟、漏跟以及错跟等情况。例如多假设跟踪[1]和联合概率数据关联算法[2]等基于数据关联技术的多目标跟踪方法，在目标数较少、多目标情况不复杂的条件下，可以获得一定的有效跟踪效果，但是在目标数目增加或者目标情况复杂的情况下，容易在计算复杂度增大的同时导致跟踪效果较差。这是由于这些算法的中心思想是将多目标跟踪问题解析成多个单目标问题，再对各个单目标分别进行滤波处理，最后通过数据关联的方法融合每个单目标处理后的结果。

针对传统多目标跟踪算法面对强干扰或多目标轨迹情况复杂时跟踪效果较差的问题，Mahler 教授提出了基于随机有限集理论（RFS）的概率假设密度滤波[3]（PHD）的多目标跟踪算法，实现了集函数的积分运算到单个变量积分运算的转化，避免了数据关联问题，解决了计算复杂度“爆炸”的问题，适用于较复杂背景下的多目标跟踪。……