Gürültülü (İng. clutter) ortamda hedef takibi oldukça zordur. Geleneksel yöntemler, kapılama (İng. gating) ve en yakın komşu ilişkisinin (İng. Nearest neighbour association) bir kombinasyonunundan oluşan basit tekniklerle doğru ölçümlerin ne olduğunu bulmaya çalışırlar. Gürültü yoğunlukları arttıkça bu geleneksel algoritmalar çalışmaz hale gelirler. Bu problemin çözümü için MHT (İng. Multi Hypothesis Tracking) önerilmiştir. Bu yaklaşım hemen hemen bütün olası ölçüm kombinasyonlarını en uygun olanı bulmak için değerlendirir. Bu yöntem kısa bir sürede çok karmaşık hale gelir ve tüm olası izleri saklayabilmek için oldukça büyük bir belleğe ihtiyaç duyar. Bu karmaşıklıktan kurtulmak için PMHT algoritması geliştirilmiştir. PMHT algoritmasında veriler gruplar halinde işlenir. PDAF`da olduğu gibi PMHT zor atamalar yazmaz ve tüm kombinasyonları değerlendirmez. Bunun yerine her ölçümü her iz ile ilişki olasılığına bağlı olarak ilişkilendirir.
PMHT algoritması haricindeki algoritmalar her bir tarama zamanında bir hedef birden fazla ölçüm ile ilişkilendirlemez kuralına bağlı olması sebebiyle yarı-optimaldir (İng. Sub-optimal). PMHT algoritmasında böyle bir sınırlamanın olmaması, yani bir hedef için birden fazla ölçüm alınabilir olması, bu algoritmayı hem optimal hem de çoklu sensör durumunda doğal bir bileştirici (İng. fusion) yapmaktadır.
PMHT diğer algoritmalar ile karşılaştırıldığında PMHT`nin işlem yükü lineer olarak artmaktadır. PMHT de ölçümlerden hedeflere ilişkiler bağımsız olaylardır.