2030 宇航学报 第32卷 多帧分配的MHT)方法，由于充分利用了目标的所 应高杂波密度和目标密度环境，根据已有量测对目 有量测信息，在理论上具有最佳的跟踪性能。但是 标状态进行估计预测，并计算单级邻近树中备选节 其生成的假设数随着累积观测帧数和量测数呈指数 点的定向关联概率，依据该概率对备选节点量测数 增长，导致计算复杂度急剧增加。由此产生了最佳 据进行重要度采样；最后，计算目标轨迹的感知概率 K-MHT等优化方法4-)，通过采用假设修剪与合 以实现目标轨迹的起始、维持和终止，并对马尔可夫 并技术，一定程度上降低了计算量，但是牺性了算法 状态转移进行约束和优化。低检测概率、高目标密 的性能；当虚假杂波干扰比较严重时，为获得良好的 度、高杂波密度三种极端条件下的蒙特卡洛仿真实 目标跟踪性能，修剪后的假设轨迹数依然比较巨大， 验表明，改进后的IS-MCMC算法相比MCMC在收 算法的时效性难以满足要求。 敛速度、跟踪性能和环境适应能力上更具优势。文 马尔可夫链蒙特卡洛(MCMC)作为二十世纪最 章最后对天基光学多目标跟踪典型应用场景进行了 有影响的科学工程成就之一，在高维复杂问题求解、 蒙特卡洛实验，仿真结果表明改进后的算法有效解 数值计算、概率分布积分以及联合最优化等方面具 决了光学传感器的多目标轨迹起始和跟踪问题。 有独特的优势。多目标跟踪问题本质上是量测数据 分配和目标状态的高维求解，为此OhS等人提出了 1MCMC多目标跟踪 MCMC1.6多目标跟踪方法，通过构建量测分配集 在实际多目标跟踪中，目标的数目、出现的位置 解空间状态的马尔可夫转移，利用MCMC方法进行 和时刻均未知，其状态可以建模为Markov过程。 采样，最终求解具有最大后验概率的量测分配集并 假设在观测区域V内，每个时刻目标出现的数目服 对其中每个目标轨迹的量测数据进行滤波与状态估 从密度为入，的泊松分布，目标k在时刻，进人观测 计。极端条件下的仿真对比实验.6]表明，MCMC 视场，在时刻终止，终止概率为P,目标的检测概 相对K-MHT等方法在目标跟踪性能、计算时效上具 率为P4杂波数目服从密度为的泊松分布，杂波 有显著的改善。但是该方法在目标轨迹“生长”、 位置在成像平面上均匀分布。多目标跟踪的目的在 “更新”等转移采样过程中，对邻近节点树中的每一 于估计目标数目K、生命周期{，}及目标状态 个节点进行均匀采样，即赋予其相同的采样概率。 {x:花≤t≤}。定义2={w}为所有观测帧量测 当杂波干扰严重导致邻近节点树中的备选节点较多 数据{Y}按目标轨迹进行分配的可选方案集，仙为 时，为实现对目标真实轨迹量测的跟踪，其所需的采 某种可能的量测分配方案，w={w°，m',w°=To, 样次数急剧增加，因而极大地降低了算法的收敛速 仙={T1,…,Tx},T。表示所有虚假杂波点集，T表 度；另一方面，MCMC目标量测数据的采样没有综合 示目标轨迹k各个时刻的量测数据集。当w确定 利用已有的目标轨迹量测信息，当目标运动的先验 信息估计区间较大时，依据该信息建立的各级邻近 后，多目标跟踪问题退化为单目标的状态滤波估计。 节点树中的众多节点有可能分布在目标状态预测的 在贝叶斯最大后验概率准则下，多目标跟踪转换为 置信度区间外，而对该部分节点的采样将导致计算 求解具有最大后验概率的量测分配集并根据分配集 效率和跟踪效能的下降。 估算目标状态，即： 本文针对目标数目、起始时刻和目标位置均未 [=o l argmax(p(@I Y)),we (1) 知的多目标跟踪问题进行研究，在MCMC]的基 lx=x(⊙)，k=1,…,K,t=,…, 础上提出了一种基于定向关联概率重要度采样的改 假设观测时刻t存在的目标数为e,终止的轨迹 进马尔可夫链蒙特卡洛方法(IS-MCMC)。首先，目 数为z,新出现的目标数为a,检测到的目标数为 标轨迹的“生长”进行双向操作，以实现对MCMC起 d,虚假量测数为f,由贝叶斯准则和全概率公式可 始时刻先前量测的回溯采样，从而提早目标的发现 推导出： 时间，在目标轨迹量测“更新”等采样操作中利用已 p(w1Y)xp(Y1w)p.(1-p,)-1· 有目标量测进行状态估计，建立预测波门对邻近节 p2(1-pa)1-4(AV)(V)(2) 点树中的备选节点进一步进行采样约束；其次，为适 万方数据( 2 ) 万方数据