随着跟踪技术的飞速发展，目标跟踪系统越来越多的应用于军事、民用跟踪领域，如机动目标跟踪、视觉监控等。目标跟踪系统的关键技术主要包括跟踪成像系统和目标跟踪算法。　　跟踪成像系统主要以单镜头系统为主，跟踪视场小、难以同时实现局部目标观测;多镜头系统虽能实现大视场跟踪，但实时性较差。利用DMD设计了基于视场分割的单镜头宽窄视场协同跟踪系统，其结构主要包括DMD视场分割系统、二次宽视场跟踪系统和二次窄视场观测系统，能在扩大跟踪视场的同时实现局部目标观测。窄视场像中心调整系统解决了局部视场中心轴与系统视轴重合问题。后续研究了系统协同跟踪时序关系，验证了视场分割和协同跟踪的可行性。　　PF算法作为高性能目标跟踪算法，是系统实现准确实时跟踪的重要保障。文章深入研究了基于贝叶斯递推滤波的PF算法的理论基础，详细介绍了算法的实现步骤。利用非线性非高斯模型和单变量非静态增长模型从置信区间、RMSE均值和方差的角度，与传统EKF算法、UKF算法进行了对比仿真。仿真表明，PF算法在强非线性系统中的估计精度明显高于EKF和UKF算法，这正是目标跟踪系统引入PF算法的原因所在。　　Halton低差异序列较随机序列具有更好的空间均匀性。采用起点随机化的方法，实现了Halton序列的随机化。在解决粒子退化问题的残差重采样中应用Halton序列代替随机序列索引，提高了重采样算法的抗粒子匮乏特性。最后在SIS算法中引入自适应Halton粒子群，提出了一种改进型HAPSPF算法。仿真表明，该算法在保证估计精度的基础上，有效的降低了运行时间，为目标跟踪算法高实时性工程应用提供了理论依据。