，，，

1. 中国科学院 国家空间科学中心，北京 100190 2. 中国科学院大学，北京 100190

在国内外编目实践中，一些突发的情况会对正常的编目工作产生不利的影响，例如太阳爆发干扰了大气，使得空间目标的预报精度大大降低，也降低了对近地目标的编目维持能力，由于极端空间环境条件下大气模型精度有限，影响了大量的轨道预报精度，使得目标丢失。一些突发的卫星事件解体会在很短时间内增加数以千计的可跟踪目标[1-3]。在这种情况下，设备监测到的许多目标可能没有编目，非关联轨道 (Uncorrelated Tracks，UCTs)数据和没有编号的目标大大增加，目标编目数据处理中心的负担立即增大。此外在目标解体初期，目标的空间密度还可能引起目标混淆。这两种情况必须在处理中心增大处理能力，以及增加额外的关联过程来克服。大型卫星星座的部署也会增加许多空间目标。有些空间碎片可能已处于设备探测能力的边缘，在观测条件较好时，设备偶然能得到观测数据，但是，观测数据不足以维持该目标的编目，因此目标可能丢失。对于光学观测设备，还有可见期的问题[4-10]。

解决这些问题除了增加探测网的探测能力及提高轨道预报精度外，还需要改进关联算法。采用基于协方差理论关联算法可以提高短弧段雷达观测数据和稀疏可见期数据的关联水平。该计算方法旨在解决UCTs自动关联问题，建立一个更完整的空间对象编目库。基于协方差的轨道关联动态算法是基于轨道不确定性协方差的动态算法，利用轨道数据的协方差信息生成完整的轨道状态和误差分布函数，并用于统计关联轨道。……