积分概率多假设跟踪（IPMHT）是一种基于期望极大化（EM）的准最优贝叶斯多目标迭代跟踪算法

研究了该算法在锥扫型光学传感器像平面多目标轨迹跟踪中的问题。为提高算法的跟踪性能和计算效率

利用逻辑概率数据关联滤波（PDAF）方法进行目标初始状态估计

并利用目标幅度信息和波门技术对IPMHT进行优化。针对锥扫型传感器非线性观测下的多目标跟踪

将扩展无味卡尔曼滤波（AUKF）与优化的IPMHT算法相结合

实现像平面多目标轨迹的起始、维持和终结。蒙特卡洛仿真实验表明

该算法成功地解决了锥扫型传感器的像平面多目标轨迹跟踪问题

在提高目标跟踪性能的同时改善了计算效率。