多目标跟踪技术作为信息融合理论与先进滤波方法中最活跃的研究领域之一,被广泛应用于以航空、航天为代表的军事与民用领域。由于无需传统跟踪方法中所需的复杂的数据关联技术,基于随机有限集理论的多目标跟踪方法备受国、内外相关研究领域学者及工程技术人员的广泛关注。本文以随机有限集理论为支撑,采用概率假设密度滤波器为主要工具,重点围绕复杂跟踪场景中多目标跟踪及航迹维持问题开展了较为深入、系统的研究工作,主要包括以下几个方面:1.针对紧邻目标跟踪场景中目标状态及数目估计问题,线性高斯假设下提出一种紧邻多目标GM-PHD跟踪算法。在标准GM-PHD滤波器各离散时刻目标预测强度量测更新结束后,采用目标权值再分配方法检测并重新分配目标后验强度中目标分量不合理的权值;在目标后验强度的分量删减阶段,提出一种融合了分量标记法和分量权值度量法的目标分量剪枝与融合方法,一定程度上能够避免重要目标分量的融合错误问题。与现有相关紧邻多目标PHD滤波器相比,提出算法具有较高的目标状态估计精度和准确的目标数目估计。2.针对多目标跟踪场景中新生目标先验强度未知时,标准PHD滤波器难以正确估计场景中目标状态及数目问题,提出一种基于新生目标强度自适应估计的多目标GM-PHD滤波算法。新生目标强度自适应估计方法分别利用PHD预滤波技术和目标速度特征方案,从各离散时刻量测集中获取最大可能的源于真实新生目标的量测集,然后利用这些量测建模未知的新生目标先验强度。此外,在标准GM-PHD滤波器的量测更新步引入量测驱动更新方案,将各离散时刻量测集划分存活目标量测集、新生目标量测集和杂波集。更新步中不同类型的目标预测强度采用其对应的量测集分别更新,且禁止杂波集更新目标预测强度。仿真实验结果表明,提出算法不仅具有较高的目标状态估计精度和较低的目标数目估计误差,而且具有稳定且较低的计算代价。3.为解决不精确检测概率环境下的多目标跟踪问题,提出一种融合指数衰减函数的目标权值更新策略和多帧目标状态抽取策略的多目标GM-PHD滤波算法。目标权值更新策略利用指数衰减函数及目标前一时刻权值,对由目标量测在状态空间中不合理分布导致的伪漏检目标的权值进行惯性衰减,以确保目标后验强度中各目标分量具有一个合理、有效的权值;多帧目标状态抽取策略利用各个目标若干个历史权值为参考,从各离散时刻目标后验强度中抽取由较低检测概率环境中因目标量测丢失导致的真漏检目标的状态估计。仿真实验表明,不精确检测概率环境下的多目标跟踪场景中提出算法具有较高的目标状态和数目估计精度,且滤波性能相对稳定。4.为了实现紧邻目标跟踪场景中多目标航迹维持,提出一种基于高斯混合概率假设密度滤波的多目标航迹维持算法。与经典GM-PHD跟踪器相比,所提多目标航迹维持算法滤波迭代中融合了目标状态关联与更新策略和不规则窗口多目标航迹管理方案。基于目标预测强度中目标分量的多个历史状态估计和当前量测集,目标状态关联与更新策略构建一个用于目标预测强度更新的关联更新因子矩阵。量测更新步中利用该关联更新因子矩阵实现了目标强度更新及目标与量测最优关联的同步。不规则窗口多目标航迹管理方法通过充分利用一段时刻内目标航迹的状态估计,不仅有效地维持了真实目标航迹的连续性,而且有效地解决了滤波过程中由虚警或杂波产生的虚假目标航迹。多目标交叉与平行跟踪场景仿真实验表明,提出的多目标GM-PHD航迹维持算法不仅能够改善紧邻目标状态及数目的估计精度,且其计算代价相对较小及具有优良的目标航迹维持性能。