摘要
基于“先跟踪后检测”（TBD）方法的概率假设密度（PHD）滤波器，是用于检测数量未知且会随时间变化的弱目标的关键技术。为克服现有算法存在的计算成本高、实时性能差以及在复杂背景中跟踪效率低等缺陷，本文提出了一种适用于TBD的快速非序列粒子PHD滤波器。具体而言，在预测阶段引入了一种基于差分定位的自适应粒子生成方法，使得新生成的粒子能够迅速聚集在潜在目标位置附近。在更新阶段，将粒子分为三组，以简化权重计算并提升效率。此外，还采用了并行重采样策略进一步改善实时性能。数值实验表明，所提出的方法仅需少量粒子即可保持跟踪精度，从而显著降低了计算复杂度并提升了实时处理能力。这项工作为TBD算法的工程应用提供了实用参考。
