1.一种基于GM‑PHD的运动参数估计组合平滑滤波方法，在目标跟踪系统上运行，目标跟踪系统上设置有GM‑PHD滤波器，滤波过程中涉及到对运动目标的状态进行跟踪、数据提取及其目标运动参数在线数据更新，其特征在于：包括有如下步骤：步骤1使用GM‑PHD滤波器：在目标跟踪系统上使用GM‑PHD滤波器，假设目标跟踪系统所处环境符合线性高斯条件，假设被跟踪目标无衍生情况，则k时刻下GM‑PHD滤波器得到目标的高斯混合GM分量为 其中， 表示时刻k第i个高斯混合GM分量的权值，为第i个高斯混合GM分量均值，即目标状态信息， 为第i个高斯混合GM分量协方差；

目标状态信息 表达为 其中 为目标状态位置信息， 分别为笛卡尔坐标系下x，y，z方向的目标状态位置信息； 为目标状态速度信息， 分别为笛卡尔坐标系下x，y，z方向的目标状态分速度信T

息，[·]为转置操作；针对单目标进行滤波时i＝1，对单目标进行跟踪与检测；

对于多目标情形，采用轨迹类PHD滤波器或者标签类PHD滤波器进行目标区分和速度估计，多目标区分后的每个目标类同单目标时基于GM‑PHD滤波器实现目标跟踪与检测；

步骤2目标状态信息获取：GM‑PHD滤波器针对单目标进行跟踪滤波，首先得到k‑1时刻目标状态的高斯混合GM分量 利用k时刻传感器的观测信息zk和通过GM‑PHD滤波器进行状态预测和状态更新获得k时刻的目标状态的高斯混合GM分量 其中， 表示k‑1时刻目标状态对应高斯混合GM分量的权值；

为k‑1时刻目标状态对应高斯混合GM分量的均值，分别为k‑1时刻笛卡尔坐标系下x，y，z方向的目标状态位置信息，分别为k‑1时刻笛卡尔坐标系下x，y，z方向的目标状态速度估计； 为k‑1时刻目标状态对应高斯混合GM分量的协方差；获取的k时刻目标状态信息为 其中包含目标状态位置信息和目标状态速度信息；

步骤3差分获取初步目标速度估计值：分别提取i目标k‑1时刻和k时刻的目标状态的高斯混合GM分量中的目标状态位置信息，进行差分计算获得i目标k时刻初步目标速度估计值简称速度估计值，其中包含x，y，z方向的分速度；

步骤4分速度并行处理得到平滑后的速度估计值：对初步目标速度估计值 的分速度并行依次进行5点中值滤波和3点线性平滑处理，5点中值滤波操作即从k时刻速度估计值开始向前提取5个相邻时刻的速度估计值 按值大小降序排列，取中值作为5点中值滤波值输出lv(k)；对连续3个时刻的5点中值滤波值进行3点线性平滑计算得到平滑后的速度估计值 其中，ω(m)为3点线性平滑窗，满足步骤5获取速度估计值的平滑差值：将速度估计值 和平滑后的速度估计值 时间对齐后相减，计算得到速度估计值的平滑差值步骤6计算平滑后速度估计值 的补偿值：对速度估计值的平滑差值 的分速度并行先进行5点中值滤波操作，得到平滑差值的中值滤波值lΔv(k)；然后对lΔv(k)再进行3点线性平滑计算，得到平滑后速度估计值 的补偿值步骤7获得组合平滑滤波速度估计：将i目标k时刻平滑后的速度估计值 和平滑后速度估计值 的补偿值 时间对齐后相加，作为组合平滑滤波的最终输出，即组合平滑滤波速度估计 其中 分别为i目标笛

卡尔坐标系下x，y，z方向的目标状态速度估计；

步骤8对获取的目标状态信息实时更新：用组合平滑滤波速度估计 替换GM‑PHD滤波k时刻i目标的目标状态速度信息，即在GM‑PHD滤波器中，i目标的目标状态速度信息更新为 则第i个高斯混合GM分量的均值更新为 GM‑PHD滤波器在k

时刻i目标的GM分量由 更新为 更新后k时刻i目标的GM分量用于k+1时刻目标跟踪系统上GM‑PHD滤波器，完成了一次对获取的目标状态信息实时的运动参数估计组合平滑滤波；本发明方法在跟踪过程中实时全程自动进行运动参数估计组合平滑滤波计算。

2.根据权利要求1所述的基于GM‑PHD的运动参数估计组合平滑滤波方法，其特征在于：步骤3所述的差分计算i目标的目标速度估计值，包括有如下步骤：

3.1获取k‑1时刻和k时刻的目标状态位置信息：利用i目标的k‑1时刻目标状态的高斯混合GM分量 和k时刻目标状态的高斯混合GM分量 其中，仅从中提取i目标k‑1时刻状态位置信息 和从 中提取i目标k时刻状态位置信息

3.2差分计算目标状态分速度：通过i目标的状态位置信息进行差分运算，获得i目标状态位置坐标对应的各分速度信息；各分速度 与位置坐标关系为：初步目标速度估计值为 存在以下等式关系τk为前一次检测到i目标时刻和当前检测到i目标时刻的时间差。

3.根据权利要求1和2所述的基于GM‑PHD的运动参数估计组合平滑滤波方法，其特征在于：步骤4中所述的对初步目标速度估计值进行平滑处理，其中，3点线性平滑窗选取海明窗的3个归一化非零权值0.25，0.5，0.25作为ω(m)的值。