2032 宇航学报 第32卷 点，该方法赋予多级树中的所有备选节点相同的采 0.35 样概率。在密集杂波干扰下，为实现对轨迹真实量 03 测的跟踪，其所需的采样次数随着观测累积帧数和 0.25 多级树中的备选节点数急剧增长，导致算法的收敛 0.2 速度下降。受时效性要求算法的采样次数通常有 0.15 限，此时算法的目标跟踪性能将受到制约。在轨迹 0 “生长”、“延续”和“更新”等操作中，由于已有目标 0.05 轨迹的部分量测先验信息，因此多级树中的备选节 34 点来自于目标轨迹的概率不同，其差异应体现在采 measurement -U(0,I) (a)定向关联概率 ()采样量测 样概率的不一致上。为此对MCMC进行优化，根据 已有的目标轨迹量测数据进行状态估计与预测，计 图2重要度采样 算下一级邻近树备选节点关联到当前目标轨迹的概 Fig.2 Importance sampling 率，依据该关联概率对量测进行重要度采样，从而提 的递推计算过程如下【2-时： 高算法的收敛速度、改善目标跟踪性能。不考虑目 PaPc m,=0 标的幅度等属性信息，基于量测的位置和方向信息 计算其关联到当前轨迹的概率o: -pP∑p(z()1Z) m,>0 [β6cA(1-puPe)/Pa (9) gx(2ms)'e(-2小 (7) 目标轨迹感知概率的递推为： 1-8 exp(-2AoPie) w'1)=1--D'-1） 其中：表示目标漏检（关联到“0”)的概率，B表 '(tl6-1)=(1-p,)w(t-11t-1)+ 示量测j来源于当前轨迹的概率，，为新息，△8为拟 P(1-(t-11t-1)) 方向，P。为相应的协方差矩阵利用关联概率进 (10) 行重要度采样，相应的采样重要度分布为： 轨迹确认： m吲=/∑，j=0,…,m (8) (tl)≥P,P。= (1-PaPc)(1-p.) 1-PaPc(1 -p.) 。表示目标漏检的采样概率，π表示第j个量 (11) 测数据被采样的概率，m为波门内的备选量测数。 轨迹终止： 在计算出采样概率后，以概率对量测进行采样， 如图2所示。 (1)<P,P,=1-PPg(I10) 1-PaPc(110) 在马尔可夫状态转移过程中，“消亡”的目的是 (12) 为了剔除虚假杂波轨迹。如果直接进行此操作将导 其中初始感知概率业(110)： 致后验概率p(wIY)的急剧下降，在马尔可夫过程 MH实现中的接受概率必然会极低从而无法剔 4(110)=1 1+石=1-pP+号P 除，另一方面，对于跟踪到的真实轨迹量测，此操作 (13) 将有可能导致目标的漏检。为此计算目标轨迹感知 概率，对轨迹进行确认与终止，并约束和优化MCMC o△∑p(41r,#eL(4) (14) 状态转移。在计算出感知概率后，对于感知概率过 MCMC随机选择轨迹的第一个节点，利用两点 低的轨迹在对其进行“消亡”操作时以概率“1”进行 方法进行正向生长，该方式将导致第一个节点先前 接受，并重新计算量测分配集的后验概率，对于确认 的目标量测数据丢失，为此对其进行改进，在两点式 的轨迹拒绝进行“消亡”运动。目标轨迹感知概率 正向生长之前进行逆向生长，有利于提早目标的发 万方数据(12) 万方数据