1 西安工程大学 计算机科学学院，西安 710048
2 德克萨斯州大学 奥斯汀分校 人类生态系, 德克萨斯州 奥斯汀 78712
针对带标签的高斯混合概率假设密度滤波算法无法获取衍生目标的问题，提出一种可以提取衍生目标的带标签GM-PHD 算法。首先，通过为高斯项加注标签的方式区别不同的目标，以辨别单个目标及其航迹。其次，在滤波过程中，对每一时刻得到的状态估计值与已形成的航迹标签进行匹配关联，实现航迹维持。最后，通过设置衍生阈值来判断状态估计中是否存在衍生目标以及可能产生的目标个数，为新生目标高斯项和可能的衍生目标高斯项重新分配标签，并创建新的航迹。仿真实验结果表明，与传统的带标签GM-PHD 算法相比，在衍生目标存在的情况下，改进算法具有更好的跟踪性能。
概率假设密度滤波 随机有限集 状态估计 衍生目标 带标签GM-PHD probability hypothesis density filter random finite sets sate estimation spawn targets labeling GM-PHD
