随着电子通讯技术、智能网联技术以及环境感知传感技术等科技水平的不断进步,多目标跟踪受到国内外研究机构和高新技术企业的密切关注,在很多工程领域发挥重要作用。其中数据关联是多目标跟踪算法中广泛采用的理论基础,但跟踪过程中数据关联的复杂程度高。以Wax为代表的相关学者将随机有限集引入了多目标跟踪技术中,利用集合描述目标与量测的关系,避免了复杂的数据关联过程,具有广泛的应用前景。当跟踪环境中出现新增目标信息不确定,目标漏检,多个目标平行或交错运动等情况时,往往会对基于随机有限集的跟踪算法的滤波性能造成很大影响,本文针对这些问题提出相对应的解决方案,为改善算法的跟踪性能和提高算法的实用性打下基础。针对新增目标状态、数目不确定的问题,提出一种基于量测分析的GM-PHD多目标跟踪改进算法。改进算法首先对杂波进行清除并根据速度特性预测新增目标强度;再基于量测分割策略对量测集进行划分,随后根据目标类别选择量测集对新增目标强度进行更新,有效防止了其他类别量测和杂波对目标强度更新造成的影响。通过仿真对比表明,所提改进算法具有较低的运算量,并且对目标状态和数目预测较为准确。针对检测区域内出现的真、伪目标漏检问题,提出一种基于目标状态提取的GM-PHD滤波器。改进算法通过目标状态提取方案以及目标权重更新方案对目标的真、伪漏检问题进行了妥善的处理。通过仿真对比表明,所提改进算法的滤波性能稳定,跟踪性能良好。针对多目标邻近状态造成的目标分量权重不能正确分配的问题,本文提出一种基于目标分量权重再分配的改进GM-PHD滤波器。改进方案通过建立目标归一化权重矩阵对目标邻近情况及时发现并作出调整;并通过改善分量裁减与合并方案达到防止目标分量发生错误合并的目的。最终利用MATLAB对所提改进算法与其它滤波算法进行仿真对比,验证本文所提改进算法在多目标跟踪时具有较高的精度和较少的计算量。