受到当前流行的多目标概率假设密度（PHD）过滤器的启发，本文使用随机有限集（RFS）形式主义解决了可通过多传感器观察到的目标跟踪问题。 单目标多测量问题的解决方案基于有限集统计（FISST）贝叶斯框架。 此外，提出并在许多粒子上演示了FISST过滤的SMC实现。 与传统方法（例如扩展卡尔曼滤波器（EKF）和粒子滤波器（PF））相比，FISST滤波被证明是跟踪效果最好的。