隨著科學(xué)技術(shù)的不斷進步 ，目標(biāo)跟蹤技術(shù)在高技術(shù)武器方面得到了廣泛的應(yīng)用［ 123 ］ 。一個魯棒性好的目標(biāo)跟蹤系統(tǒng)包括兩部分 ： （1） 對目標(biāo)特征的可靠表示 ; （2） 對環(huán)境變換具有魯棒性的快速目標(biāo)定位。但是 ，許多跟蹤算法都存在兩個方面的問題 ： （1） 在背景復(fù)雜或者被相似目標(biāo)遮擋時容易出現(xiàn)目標(biāo)誤匹配 ; （2） 計算量大 ，實時運行困難。粒子群優(yōu)化 （PSO） 算法是由 Eberhart 博士和 Kennedy 博士于 1995 提出的［ 4 ］ 一種進化計算技術(shù)（ Evolutionary Comp utation） ，已廣泛應(yīng)用于科學(xué)和工程領(lǐng)域 ，如 ：神經(jīng)網(wǎng)絡(luò)訓(xùn)練［5 ］ 、系統(tǒng)辨識［6 ］ 、多目標(biāo)跟蹤［7 ］ 等。PSO 算法同遺傳算法類似 ，是一種基于迭代的優(yōu)化工具。系統(tǒng)初始化為一組隨機解 ，通過粒子在解空間追隨最優(yōu)的粒子搜索最優(yōu)值。PSO 算法簡單易實現(xiàn) ，但易陷入局部極小值點。一些改進的 PSO 跟蹤算法仍存在著比較復(fù)雜、不便使用等缺點［8 ］ 。同時 ，由于優(yōu)化問題的復(fù)雜性 ，需要很長的計算時間 ，在單個CPU 上運行串行的 PSO 算法 ，甚至有時無法得到滿意的結(jié)果。本文針對這些問題 ，研制了基于 4 顆 TI 公司TMS320C6416 設(shè)計的并行處理系統(tǒng)。利用其自身提供的 CCS 開發(fā)環(huán)境 ，設(shè)計實現(xiàn)了并行 PSO跟蹤算法 ，通過仿真實驗可以得出 ，并行 PSO 跟蹤算法不僅能提高求解的速度和求解的質(zhì)量 ，而且得到了較滿意的加速