一直以来,目标跟踪问题都在高科技军事研究和航空航天领域探究占据重要的研究地位。作为军事和民事领域的研究热点,多目标跟踪技术具有较大的应用市场,并且在未来的实际应用也广为期待。随着科研技术的发展,高分辨的雷达探测技术已经在军事和民事活动中被实践和应用,随之面临的一个问题就是高分辨探测带来的扩展目标的跟踪问题。在扩展目标跟踪过程中,量测数据的增多、数据关联带来了计算复杂度增大的问题。概率假设密度滤波算法克服了数据关联的缺陷,使之变成多个目标跟踪系统过程中的一个热门研究。近年来,基于随机集的多目标跟踪方法进入研究学者的视野,给多目标跟踪问题又注入了新的活力。本文就是在随机集理论和概率假设密度滤波算法的基础上,结合箱粒子滤波算法对多目标跟踪技术进行研究,并改进了算法过程中的重采样部分对算法进行了优化。主要研究内容如下所示。首先,本文研究了基于随机集的多目标的跟踪方法,概率假设密度(probability hypothesis density,PHD)算法和箱粒子滤波算法。基于箱粒子(box-particle,BP)的概率假设密度滤波(PHD)技术可以有效提高多目标跟踪的目标数目的跟踪精度,极大的解决了目标数目未知和目标漏检的跟踪问题。其次,针对现有的BP-PHD算法存在的多目标跟踪精度不足,跟踪漏检问题进行研究,从箱粒子滤波理论出发,依据其重采样过程中采样粒子退化分布无法达到最优的问题对算法进行改进,用分区重采样方法替代传统的随机子划分重采样方法,并将改进的算法与PHD滤波方法相结合进行MATLAB建模仿真和实验分析。实验结果表明,改进的箱粒子PHD多目标跟踪方法与原算法相比跟踪目标数目更准确、OSPA距离更小,跟踪效果更好。