摘要： 提出一种基于随机有限集的无迹粒子基数概率假设密度滤波（UPF-CPHD, unscented particle filter - cardinality probability hypothesis density）的多目标跟踪方法。在粒子滤波框架下采用随机有限集（RFS, random finite sets）对多目标状态和观测进行描述。在UPF滤波框架下引入CPHD算法同时递推目标状态和目标数目，并计算最新观测信息，估计结果更加精确，弥补PHD估计目标数目不可靠的缺点。仿真实验表明，UPF-CPHD多目标跟踪方法能够降低超过50%的目标数目估计误差，并提高目标状态的估计精度。