JP5784526B2 - 目標追跡装置 - Google Patents

Description

本発明の実施形態は、目標の角度を測定するパッシブセンサを用いて、目標の追跡を行なう目標追跡装置に関し、特に等速直線運動を行う目標と等速直線以外の運動を行う目標の両方に対して追跡性能を向上させる技術に関する。

図８は、従来の目標追跡装置の構成の一例を示すブロック図である。この目標追跡装置は、パッシブセンサ１、追跡処理部２および制御部３を備えている。パッシブセンサ１は、目標から放射（再放射を含む）される電磁波または音波の角度、換言すれば、目標の角度を測定し、測角データとして追跡処理部２に送る。追跡処理部２は、パッシブセンサ１からの測角データに基づいて、予測値および平滑値を算出し、目標航跡として制御部３に送る。追跡処理部２の詳細は後述する。制御部３は、追跡処理部２からの目標航跡に基づいて、パッシブセンサ１の姿勢等を制御する制御信号を生成し、パッシブセンサ１に送る。

次に、上記のように構成された従来の目標追跡装置の動作を説明する。図９は、従来の目標追跡装置において行われる目標追跡処理の流れを示すフローチャートである。

目標追跡処理が開始されると、測角データが入力される（ＳＴ１０１）。すなわち、パッシブセンサ１は、制御部３からの制御信号に基づいて目標の観測を行い、目標の測角データを算出して追跡処理部２に送る。追跡処理部２は、パッシブセンサ１から送られてくる測角データを入力する。次いで、予測処理が実行される（ＳＴ１０２）。すなわち、追跡処理部２は、前回観測時のステップＳＴ１０３において算出された目標の平滑値およびその共分散行列に基づいて、目標の予測値およびその共分散行列を算出する。次いで、平滑処理が実行される（ＳＴ１０３）。すなわち、追跡処理部２は、パッシブセンサ１からの目標の測角データと、ステップＳＴ１０２において算出された目標の予測値およびその共分散行列に基づいて、目標の平滑値およびその共分散行列を算出し、目標航跡として制御部３に送る。

次いで、制御処理が実行される（ＳＴ１０４）。すなわち、制御部３は、追跡処理部２からの目標航跡に基づいて、パッシブセンサ１の姿勢等を制御する制御信号を生成し、パッシブセンサ１に送る。次いで、終了であるかどうかが調べられる（ＳＴ１０５）。ステップＳＴ１０５において、終了でないことが判断されると、ステップＳＴ１０１に戻り、上述した処理が繰り返される。一方、ステップＳＴ１０５において、終了であることが判断されると、目標追跡処理は終了する。

次に、追跡処理部２の処理内容について、詳細に説明する。目標の運動モデルを以下のように定義する。なお、以下において、バーｘは「ｘ（−）」と表記する。

ここで、ｘ（−）_ｋは、観測時刻ｔ_ｋにおける方位角ａ_ｋ、高低角ｅ_ｋおよびそれらの速度成分からなる状態ベクトル、Ｆ_ｋ＋１とＧ_ｋ＋１は、観測時刻ｔ_ｋから観測時刻ｔ_ｋ＋１への遷移行列と駆動行列、ｗ_ｋは、観測時刻ｔ_ｋの平均０、共分散行列Ｑ_ｋのプロセス雑音ベクトル、σ^ｈ _ｋとσ^ｖ _ｋは、観測時刻ｔ_ｋにおけるプロセス雑音の水平面と垂直面の標準偏差、ｒ_ｋは、観測時刻ｔ_ｋにおけるパッシブセンサ１から目標までの距離である。また、Ａ^Ｔは、ベクトルまたは行列Ａの転置、Ｉ_ｎは、ｎ行ｎ列の単位行列、Ｏ_ｎは、ｎ行ｎ列の零行列を示す。

パッシブセンサ１の観測モデルを以下のように定義する。

ここで、ｙ_ｋは、観測時刻ｔ_ｋのパッシブセンサ１の観測ベクトル、Ｈ_ｋは、観測時刻ｔ_ｋのパッシブセンサ１の観測行列、ｖ_ｋは、観測時刻ｔ_ｋのパッシブセンサ１の平均０、共分散行列Ｒ_ｋの観測雑音ベクトル、σ^ａ _ｋとσ^ｅ _ｋは、観測時刻ｔ_ｋにおける観測雑音の方位角と高低角の標準偏差である。

上述したステップＳＴ１０１では、パッシブセンサ１からの測角データを観測ベクトルｙ_ｋとして入力する。

上述したステップＳＴ１０２においては、前回観測時の平滑処理の結果を用いて、以下の式で表される予測処理が実施される。なお、以下において、ハットｘは「ｘ（＾）」と表記する。

ここで、ｘ（＾）_{ｋ｜ｋ−１}とＰ_{ｋ｜ｋ−１}は、観測時刻ｔ_ｋの予測ベクトルと予測誤差共分散行列であり、ｘ（＾）_{ｋ−１｜ｋ−１}とＰ_{ｋ−１｜ｋ−１}は、観測時刻ｔ_ｋ−１の平滑ベクトルと平滑誤差共分散行列である。なお、プロセス雑音共分散行列Ｑ_ｋ−１の算出は、目標距離の真値ｒ_ｋ−１が得られないため、予め設定された目標距離ｒ_{ｐｒｅｓｅｔ}が用いられる。

上述したステップＳＴ１０３においては、パッシブセンサ１からの観測ベクトルと予測処理の結果を用いて、以下の式で表される平滑処理が実施される。なお、以下において、チルダｙは「ｙ（〜）」と表記する。

ここで、ｙ（〜）_ｋは、観測時刻ｔ_ｋのパッシブセンサ１の残差ベクトル、Ｓ_ｋは、観測時刻ｔ_ｋのパッシブセンサ１の残差共分散行列、Ｋ_ｋは、観測時刻ｔ_ｋのパッシブセンサ１のカルマンゲイン行列、ｘ（＾）_ｋ｜ｋとＰ_ｋ｜ｋは、観測時刻ｔ_ｋの平滑ベクトルと平滑誤差共分散行列である。また、Ａ^−１は、行列Ａの逆行列を示す。

以上説明したように、パッシブセンサ１の追跡処理では、パッシブセンサ１から目標までの距離情報が得られないため、プロセス雑音共分散行列Ｑ_ｋ−１に誤差が発生する。この結果、この値から間接的に算出され、航跡算出に用いられるフィルタゲイン（カルマンゲイン行列）も、最適値が算出されず航跡誤差が大きくなる。また、非特許文献１に示すように、直交座標系で等速直線運動を行なっている目標に対しても、極座標系では、角加速度や角加速度の微分成分が発生するが、測角データからこの成分を推定して、プロセス雑音共分散行列Ｑ_ｋ−１に反映させることは難しく、航跡誤差が大きくなる。

そこで本願出願人は、特願２００９−１９８３４２号により、この問題の解決を行うための提案を行った。この特願２００９−１９８３４２号によれば、外部から入力される目標の状態ベクトルに基づいて、パッシブセンサからの測角データを入力して目標の航跡を算出するための補正情報であって、該パッシブセンサを中心とする座標系における補正情報を算出し、パッシブセンサからの測角データと補正情報とに基づいて、該パッシブセンサを中心とする座標系における目標の航跡を算出することによって、目標の追跡精度を向上させる技術が開示されている。これにより、特に等速直線運動を行う目標に対する追跡性能を向上させることができる。

なお、等速直線運動を行う目標と等速直線以外の運動を行う目標の両方に対して追跡性能を向上させる技術として、複数の運動モデルを並列動作させるＩＭＭ（Ｉｎｔｅｒａｃｔｉｎｇ Ｍｕｌｔｉｐｌｅ Ｍｏｄｅｌ）フィルタが、非特許文献３等に開示されているが、一般的に、多くの運動モデルが３次元直交座標系の運動として定義してあるために、目標の３次元情報が得られるアクティブセンサの処理に適用できるものの、２次元極座標系等で目標航跡の推定を行なう追跡処理部２に適用することは難しい。

特開平７−１２８４３６号公報 特開２００９−３８７７７号公報 特開２００２−１８１９２６号公報

D. Howard, "Tracking Radar," in Radar Handbook, 2nd ed., ch.18, ed. M. Skolnik, McGraw-Hill, New York, 1990. 吉田孝監修，改訂 レーダ技術，pp.264-267，電子情報通信学会, 1996. Y. Bar-Shalom, X. R. Li, T. Kirubarajan, "Estimation with Applications to Tracking and Navigation", Wiley-Interscience, 2001 系 正義，辻道信吾，小菅義夫，"拡張カルマンフィルタを用いた複数パッシブセンサによる３次元運動目標の追尾"，電子情報通信学会論文誌Ｂ，vol.J82B, no.5, pp.1063-1072, May 1999 S.Blackman, "Association and fusion of multiple sensor data", Multitarget-multisensor Tracking Advanced Applications, Chapter6, Artech House, 1990

上述したように、パッシブセンサを用いた目標追跡装置では、一般的には、パッシブセンサ１から目標までの距離情報が得られないため、航跡算出に用いられるフィルタゲインも、最適値が算出されず航跡誤差が大きくなる。また、同じ理由により、パッシブセンサを中心とするローカル座標系で目標を追跡することになるが、例えばローカル座標系として極座標系を用いる場合、目標が直交座標系で等速直線運動を行なっていても、極座標系では角加速度、角加速度の微分成分が発生する。これに対応しようとして、非特許文献２に示すように、フィルタゲインを大きくすると、航跡誤差のランダム成分が大きくなり、航跡誤差のランダム成分を小さくしようとしてフィルタゲインを小さくすると、航跡誤差のバイアス成分が大きくなるため、追跡性能を向上させることが難しいという問題がある。

また、本願出願人が特願２００９−１９８３４２号に開示した技術は上述したように優れた技術であるが、単一の運動モデルを前提としているために、等速直線運動を行う目標に最適化すると、等速直線以外の運動を行う目標に対する追跡性能が劣化し、等速直線以外の運動を行う目標に最適化すると、等速直線運動を行う目標に対する追跡性能が劣化して、等速直線運動を行う目標と等速直線以外の運動を行う目標の両方に対して追跡性能を向上させることができないという問題がある。

なお、特許文献１には、パッシブセンサとアクティブセンサを組み合わせ、パッシブセンサとアクティブセンサからの情報に基づいて、アクティブセンサを制御する低被探知性センサ装置が開示され、特許文献２には、パッシブセンサとしてカメラを用い、カメラのパン・チルト制御を制御ベクトルとして考慮する自動追尾装置が開示されている。

本発明の課題は、等速直線運動を行う目標と等速直線以外の運動を行う目標の両方に対して追跡性能を向上させることができる目標追跡装置を提供することにある。

上記課題を解決するために、本実施形態の目標追跡装置は、目標の角度を測定して測角データとして出力するパッシブセンサからの測角データを入力して複数の運動モデルに対応する目標の航跡を算出し、複数の運動モデルに対応する目標の航跡を加重平均して目標の航跡として出力する追跡処理部と、前記追跡処理部に補正情報を出力する補正情報算出部とを備えた目標追跡装置であって、前記補正情報算出部は、外部から入力される目標の状態ベクトルに基づいて、補正情報として、前記パッシブセンサから目標までの距離を算出することと、前記追跡処理部は、前記補正情報算出部で算出された目標までの距離に基づいて、複数の運動モデルに対応するプロセス雑音共分散行列を算出し、算出した複数の運動モデルに対応するプロセス雑音共分散行列に基づいて、目標の航跡を算出することとを特徴とする。

また、目標の角度を測定して測角データとして出力するパッシブセンサからの測角データを入力して複数の運動モデルに対応する目標の航跡を算出し、複数の運動モデルに対応する目標の航跡を加重平均して目標の航跡として出力する追跡処理部と、前記追跡処理部に補正情報を出力する補正情報算出部とを備えた目標追跡装置であって、前記補正情報算出部は、外部から入力されるプロセス雑音共分散行列を含む目標の状態ベクトルに基づいて、補正情報として、前記パッシブセンサから目標までの距離と前記パッシブセンサの位置における目標のプロセス雑音共分散行列を算出することと、前記追跡処理部は、前記補正情報算出部で算出された目標までの距離とプロセス雑音共分散行列に基づいて、複数の運動モデルに対応するプロセス雑音共分散行列と運動モデル確率を算出し、算出した複数の運動モデルに対応するプロセス雑音共分散行列と運動モデル確率に基づいて、目標の航跡を算出することとを特徴とする。

また、目標の角度を測定して測角データとして出力するパッシブセンサからの測角データを入力して複数の運動モデルに対応する目標の航跡を算出し、複数の運動モデルに対応する目標の航跡を加重平均して目標の航跡として出力する追跡処理部と、前記追跡処理部に補正情報を出力する補正情報算出部とを備えた目標追跡装置であって、前記補正情報算出部は、外部から入力される目標の状態ベクトルに基づいて、補正情報として、前記パッシブセンサの位置における目標のバイアス誤差を算出して制御入力として出力することと、前記追跡処理部は、前記補正情報算出部から出力される制御入力に基づいて、複数の運動モデルに対応する目標の予測値を算出し、算出した複数の運動モデルに対応する予測値に基づいて、目標の航跡を算出することとを特徴とする。

また、目標の角度を測定して測角データとして出力するパッシブセンサからの測角データを入力して複数の運動モデルに対応する目標の航跡を算出し、複数の運動モデルに対応する目標の航跡を加重平均して目標の航跡として出力する追跡処理部と、前記追跡処理部に補正情報を出力する補正情報算出部とを備えた目標追跡装置であって、前記補正情報算出部は、外部から入力される目標の状態ベクトルに基づいて、補正情報として、前記パッシブセンサの位置における目標のバイアス誤差を算出して制御入力として出力するとともに、前記パッシブセンサから目標までの距離を算出することと、前記追跡処理部は、前記補正情報算出部から出力される制御入力に基づいて、複数の運動モデルに対応する目標の予測値を算出するとともに、前記補正情報算出部で算出された目標までの距離に基づいて、複数の運動モデルに対応する目標のプロセス雑音共分散行列を算出し、算出した複数の運動モデルに対応する予測値とプロセス雑音共分散行列に基づいて、目標の航跡を算出することとを特徴とする。

また、目標の角度を測定して測角データとして出力するパッシブセンサからの測角データを入力して複数の運動モデルに対応する目標の航跡を算出し、これら複数の運動モデルに対応する目標の航跡を加重平均して目標の航跡として出力する追跡処理部と、前記追跡処理部に補正情報を出力する補正情報算出部とを備えた目標追跡装置であって、前記補正情報算出部は、外部から入力されるプロセス雑音共分散行列を含む目標の状態ベクトルに基づいて、補正情報として、前記パッシブセンサの位置における目標のバイアス誤差を算出して制御入力として出力するとともに、前記パッシブセンサから目標までの距離と前記パッシブセンサの位置における目標のプロセス雑音共分散行列を算出することと、前記追跡処理部は、前記補正情報算出部から出力される制御入力に基づいて、複数の運動モデルに対応する目標の予測値を算出するとともに、前記補正情報算出部で算出された目標までの距離とプロセス雑音共分散行列に基づいて、複数の運動モデルに対応する目標のプロセス雑音共分散行列と運動モデル確率を算出し、算出した複数の運動モデルに対応する予測値、プロセス雑音共分散行列および運動モデル確率に基づいて、目標の航跡を算出することを特徴とする。

第１の実施形態に係る目標追跡装置の構成を示すブロック図である。 第１の実施形態に係る目標追跡装置において行われる目標追跡処理の流れを示すフローチャートである。 第２の実施形態に係る目標追跡装置において行われる目標追跡処理の流れを示すフローチャートである。 第３の実施形態に係る目標追跡装置において行われる目標追跡処理の流れを示すフローチャートである。 第４の実施形態に係る目標追跡装置において行われる目標追跡処理の流れを示すフローチャートである。 第５の実施形態に係る目標追跡装置において行われる目標追跡処理の流れを示すフローチャートである。 第１の実施形態〜第５の実施形態の変形例に係る目標追跡装置の構成を示すブロック図である。 従来の目標追跡装置の構成の一例を示すブロック図である。 従来の目標追跡装置において行われる目標追跡処理の流れを示すフローチャートである。 第６の実施形態に係る目標追跡装置の構成を示すブロック図である。

以下、本実施形態の目標追跡装置を、図面を参照しながら詳細に説明する。なお、以下においては、背景技術の欄で説明した構成部分と同一または相当する部分には、背景技術の欄で使用した符号と同じ符号を用いて説明する。

図１は、第１の実施形態に係る目標追跡装置の構成を示すブロック図である。この目標追跡装置は、パッシブセンサ１、追跡処理部２ａ、制御部３、通信部４および補正情報算出部５ａを備えている。

パッシブセンサ１は、目標の角度を測定し、測角データとして追跡処理部２ａに送る。通信部４は、外部装置から入力される目標の状態ベクトルを補正情報算出部５ａに送る。補正情報算出部５ａは、通信部４から送られてきた目標の状態ベクトルに基づいて、パッシブセンサ１を中心とするローカル座標系（極座標系）における補正情報、ここでは目標距離（パッシブセンサ１から目標までの距離）を算出し、追跡処理部２ａに送る。

追跡処理部２ａは、パッシブセンサ１からの測角データと補正情報算出部５ａからの補正情報（目標距離）とに基づいて、複数の運動モデルに対応する予測値および複数の運動モデルに対応する平滑値を算出すると共に、複数の運動モデルに対応する平滑値を加重平均した平滑値を算出し、目標航跡として制御部３に送る。制御部３は、追跡処理部２ａからの目標航跡に基づいて、パッシブセンサ１の姿勢等を制御する制御信号を生成し、パッシブセンサ１に送る。

次に、上記のように構成される第１の実施形態に係る目標追跡装置の動作を説明する。図２は、第１の実施形態に係る目標追跡装置において行われる目標追跡処理の流れを示すフローチャートである。なお、以下においては、従来の目標追跡装置の目標追跡処理と同じ処理を行うステップには、従来の目標追跡処理の説明で使用した符号と同じ符号を付して説明する。

追跡処理が開始されると、測角データが入力される（ＳＴ１０１）。すなわち、パッシブセンサ１は、制御部３からの制御信号に基づいて、目標の観測を行い、目標の測角データを追跡処理部２ａに送る。追跡処理部２ａは、パッシブセンサ１から送られてくる測角データを入力する。次いで、補正情報算出処理（目標距離）が実行される（ＳＴ１１１）。すなわち、補正情報算出部５ａは、外部装置から入力される目標の状態ベクトルに基づいて、パッシブセンサ１からの測角データを入力して目標の航跡を算出するための補正情報として、パッシブセンサ１から目標までの距離を算出し、補正情報（目標距離）として追跡処理部２ａに送る。次いで、共分散算出処理が実行される（ＳＴ１１２）。すなわち、追跡処理部２ａは、補正情報算出部５ａからの補正情報（目標距離）に基づいて、複数の運動モデルに対応するプロセス雑音共分散行列を算出する。

次いで、予測処理が実行される（ＳＴ１１３）。すなわち、前回観測時のステップＳＴ１１４において算出された複数の運動モデルに対応する目標の平滑値およびその共分散行列とステップＳＴ１１２において算出された複数の運動モデルに対応するプロセス雑音共分散行列とに基づいて、複数の運動モデルに対応する目標の予測値およびその共分散行列を算出する。次いで、平滑処理が実行される（ＳＴ１１４）。すなわち、追跡処理部２ａは、パッシブセンサ１からの目標の測角データとステップＳＴ１１３において算出された複数の運動モデルに対応する目標の予測値およびその共分散行列とに基づいて、複数の運動モデルに対応する目標の平滑値およびその共分散行列を算出すると共に、これらを加重平均して、目標の平滑値およびその共分散行列を算出し、目標航跡として制御部３に送る。

次いで、制御処理が実行される（ＳＴ１０４）。すなわち、制御部３は、追跡処理部２ａからの目標航跡に基づいて、パッシブセンサ１の姿勢等を制御する制御信号を生成し、パッシブセンサ１に送る。次いで、終了であるかどうかが調べられる（ＳＴ１０５）。ステップＳＴ１０５において、終了でないことが判断されると、ステップＳＴ１０１に戻り、上述した処理が繰り返される。一方、ステップＳＴ１０５において、終了であることが判断されると、目標追跡処理は終了する。

次に、補正情報算出部５ａと追跡処理部２ａの処理内容について、詳細に説明する。目標の運動モデルを以下のように定義する。

ここで、ｘ^ｉ _ｋは、ｉ番目の運動モデルに対応する観測時刻ｔ_ｋにおける方位角ａ^ｉ _ｋ、高低角ｅ^ｉ _ｋとそれらの速度成分からなる状態ベクトル、Ｆ_ｋ＋１とＧ_ｋ＋１は、観測時刻ｔ_ｋから観測時刻ｔ_ｋ＋１への遷移行列と駆動行列、ｗ^ｉ _ｋは、ｉ番目の運動モデルに対応する観測時刻ｔ_ｋの平均０、ｉ番目の運動モデルに対応する共分散行列Ｑ^ｉ _ｋのプロセス雑音ベクトル、σ^ｈ，ｉ _ｋとσ^ｖ，ｉ _ｋは、ｉ番目の運動モデルに対応する観測時刻ｔ_ｋにおけるプロセス雑音の水平面と垂直面の標準偏差、ｒ_ｋは、観測時刻ｔ_ｋにおけるパッシブセンサ１から目標までの距離である。また、Ａ^Ｔは、ベクトルまたは行列Ａの転置、Ｉ_ｎは、ｎ行ｎ列の単位行列、Ｏ_ｎは、ｎ行ｎ列の零行列を示す。

パッシブセンサ１の観測モデルを以下のように定義する。

ここで、ｙ_ｋは、観測時刻ｔ_ｋのパッシブセンサ１の観測ベクトル、ｘ^ｔ _ｋは、観測時刻ｔ_ｋの真の状態ベクトル、Ｈ_ｋは、観測時刻ｔ_ｋのパッシブセンサ１の観測行列、ｖ_ｋは、観測時刻ｔ_ｋのパッシブセンサ１の平均０、共分散行列Ｒ_ｋの観測雑音ベクトル、σ^ａ _ｋとσ^ｅ _ｋは、観測時刻ｔ_ｋにおける観測雑音の方位角と高低角の標準偏差である。

上述したステップＳＴ１０１では、パッシブセンサ１からの測角データを観測ベクトルｙ_ｋとして入力する。

上述したステップＳＴ１１１では、外部装置から入力される目標の状態ベクトルに基づいて、補正情報として、目標距離ｒ（＾）_ｋ−１を算出する。

ここで、ｘ_ｋ−１、ｙ_ｋ−１、ｚ_ｋ−１は、観測時刻ｔ_ｋ−１の目標の状態ベクトルの位置のｘ、ｙ、ｚ成分、ｘ_０、ｙ_０、ｚ_０は、パッシブセンサ１の位置のｘ、ｙ、ｚ成分である。

なお、外部装置としては、アクティブセンサであるレーダ装置等を使用できる。また、パッシブセンサ１と、略同位置に置かれた測距装置を用いて、目標距離を直接測定するように構成することができる。

上述したステップＳＴ１１２では、補正情報算出部５ａからの補正情報（目標距離）に基づいて、ｉ番目の運動モデルに対応するプロセス雑音共分散行列Ｑ^ｉ _ｋ−１を算出する。

上述したステップＳＴ１１３では、前回観測時の平滑処理の結果とステップＳＴ１１２の（２６）式のｉ番目の運動モデルに対応するプロセス雑音共分散行列Ｑ^ｉ _ｋ−１を用いて、以下の式で表される予測処理を実施する。

ここで、ｘ（＾）^ｉ _{ｋ｜ｋ−１}とＰ^ｉ _{ｋ｜ｋ−１}は、ｉ番目の運動モデルに対応する観測時刻ｔ_ｋの予測ベクトルと予測誤差共分散行列であり、ｘ（＾）^ｉ _{ｋ−１｜ｋ−１}とＰ^ｉ _{ｋ−１｜ｋ−１}は、ｉ番目の運動モデルに対応する観測時刻ｔ_ｋ−１の平滑ベクトルと平滑誤差共分散行列である。

上述したステップＳＴ１１４では、パッシブセンサ１からの観測ベクトルと予測処理の結果を用いて、以下の式で表される平滑処理を実施する。

ここで、ｙ（〜）^ｉ _ｋは、ｉ番目の運動モデルに対応する観測時刻ｔ_ｋのパッシブセンサ１の残差ベクトル、Ｓ^ｉ _ｋは、ｉ番目の運動モデルに対応する観測時刻ｔ_ｋのパッシブセンサ１の残差共分散行列、Ｋ^ｉ _ｋは、ｉ番目の運動モデルに対応する観測時刻ｔ_ｋのパッシブセンサ１のカルマンゲイン行列、ｘ（＾）^ｉ _ｋ｜ｋとＰ^ｉ _ｋ｜ｋは、ｉ番目の運動モデルに対応する観測時刻ｔ_ｋの平滑ベクトルと平滑誤差共分散行列、ｐ^ｉ _ｋは、ｉ番目の運動モデルに対応する観測時刻ｔ_ｋの運動モデル確率、ｌ^ｉ _ｋは、ｉ番目の運動モデルに対応する観測時刻ｔ_ｋの運動モデル尤度、ｘ（＾）_ｋ｜ｋとＰ_ｋ｜ｋは、複数の運動モデルを加重平均した観測時刻ｔ_ｋの平滑ベクトルと平滑誤差共分散行列である。また、Ａ^−１は、行列Ａの逆行列を示す。

以上説明したように、第１の実施形態に係る目標追跡装置によれば、補正情報算出部５ａは、外部装置から入力される目標の状態ベクトルに基づいて、補正情報（目標距離）を追跡処理部２ａに送り、追跡処理部２ａは、補正情報算出部５ａからの補正情報（目標距離）に基づいて、複数の運動モデルに対応するプロセス雑音共分散行列を算出し、この値から間接的に算出されるフィルタゲイン（カルマンゲイン行列）を航跡算出に用いるので、等速直線運動を行う目標の航跡誤差（ランダム成分）と等速直線以外の運動を行う目標の航跡誤差（バイアス成分）を小さくすることができる。

なお、上記では、目標の運動モデルとして、等速運動モデルを用いたが、等加速度運動モデル等の他の運動モデルと組み合わせることができる。また、上記では、追跡処理部２ａで実施する処理として、非特許文献３等に開示されているＩＭＭフィルタの処理を簡略化して示しているが、ＩＭＭフィルタの処理を適用できるのは、勿論である。

なお、上記では、追跡処理部２ａの目標の状態ベクトルとして、極座標系を用いた例を示したが、特許文献２に示されているように、カメラの画像上の目標の位置等（水平、垂直座標とその速度）を用いるように構成することができる。

また、上述した第１の実施形態に係る目標追跡装置では、補正情報算出部５ａは補正情報として目標距離を算出し、追跡処理部２ａは、この補正情報（目標距離）に基づいて複数の運動モデルに対応するプロセス雑音共分散行列を算出するように構成したが、補正情報算出部５ａは補正情報として複数の運動モデルに対応するプロセス雑音共分散行列を算出し、追跡処理部２ａは、この補正情報（複数の運動モデルに対応するプロセス雑音共分散行列）に基づいてフィルタゲインを算出するように構成することができる。

第２の実施形態に係る目標追跡装置の構成は、図１に示した第１の実施形態に係る目標追跡装置の補正情報算出部５ａおよび追跡処理部２ａが、補正情報算出部５ｂおよび追跡処理部２ｂ（いずれも図示は省略）にそれぞれ変更されて構成されている。以下では、第１の実施形態に係る目標追跡装置と異なる部分についてのみ説明する。

補正情報算出部５ｂは、通信部４から送られてきた目標の状態ベクトルに基づいて、パッシブセンサ１を中心とするローカル座標系（極座標系）における補正情報、ここでは目標距離（パッシブセンサ１から目標までの距離）と目標のプロセス雑音共分散行列を算出し、追跡処理部２ｂに送る。追跡処理部２ｂは、パッシブセンサ１からの測角データと補正情報算出部５ｂからの補正情報（目標距離とプロセス雑音共分散行列）とに基づいて、複数の運動モデルに対応する予測値および複数の運動モデルに対応する平滑値を算出すると共に、複数の運動モデルに対応する平滑値を加重平均した平滑値を算出し、目標航跡として制御部３に送る。

次に、上記のように構成される第２の実施形態に係る目標追跡装置の動作を説明する。図３は、第２の実施形態に係る目標追跡装置において行われる目標追跡処理の流れを示すフローチャートである。なお、以下においては、第１の実施形態に係る目標追跡装置の目標追跡処理と同じ処理を行うステップには、第１の実施形態に係る目標追跡処理の説明で使用した符号と同じ符号を付して説明する。

追跡処理が開始されると、測角データが入力される（ＳＴ１０１）。すなわち、パッシブセンサ１は、制御部３からの制御信号に基づいて、目標の観測を行い、目標の測角データを追跡処理部２ｂに送る。追跡処理部２ｂは、パッシブセンサ１から送られてくる測角データを入力する。次いで、補正情報算出処理（目標距離）が実行される（ＳＴ１１１）。すなわち、補正情報算出部５ｂは、外部装置から入力される目標の状態ベクトルに基づいて、パッシブセンサ１からの測角データを入力して目標の航跡を算出するための補正情報として、パッシブセンサ１から目標までの距離を算出し、補正情報（目標距離）として追跡処理部２ｂに送る。

次いで、補正情報算出処理（共分散）が実行される（ＳＴ１２１）。すなわち、補正情報算出部５ｂは、外部装置から入力される目標の状態ベクトルに基づいて、パッシブセンサ１からの測角データを入力して目標の航跡を算出するための補正情報として、目標のプロセス雑音共分散行列を算出し、補正情報（プロセス雑音共分散行列）として追跡処理部２ｂに送る。なお、外部装置としては、目標のプロセス雑音共分散行列を推定できる、例えば特許文献３等に記載のアダプティブカルマンフィルタや非特許文献３等に記載のＩＭＭフィルタを備えたレーダ装置等を使用できる。

次いで、共分散算出処理が実行される（ＳＴ１１２）。すなわち、追跡処理部２ｂは、補正情報算出部５ｂからの補正情報（目標距離）に基づいて、複数の運動モデルに対応するプロセス雑音共分散行列を算出する。次いで、運動モデル確率算出処理が実行される（ＳＴ１２２）。すなわち、追跡処理部２ｂは、補正情報算出部５ｂからの補正情報（プロセス雑音共分散行列）に基づいて、複数の運動モデルに対応する運動モデル確率を算出する。次いで、予測処理が実行される（ＳＴ１１３）。すなわち、追跡処理部２ｂは、前回観測時のステップＳＴ１１４において算出された複数の運動モデルに対応する目標の平滑値およびその共分散行列とステップＳＴ１１２において算出された複数の運動モデルに対応するプロセス雑音共分散行列とに基づいて、複数の運動モデルに対応する目標の予測値およびその共分散行列を算出する。

次いで、平滑処理が実行される（ＳＴ１１４）。すなわち、追跡処理部２ｂは、パッシブセンサ１からの目標の測角データとステップＳＴ１１３において算出された複数の運動モデルに対応する目標の予測値およびその共分散行列とに基づいて、複数の運動モデルに対応する目標の平滑値およびその共分散行列を算出すると共に、これらを加重平均して、目標の平滑値およびその共分散行列を算出し、目標航跡として制御部３に送る。次いで、制御処理が実行される（ＳＴ１０４）。すなわち、制御部３は、追跡処理部２ｂからの目標航跡に基づいて、パッシブセンサ１の姿勢等を制御する制御信号を生成し、パッシブセンサ１に送る。

次いで、終了であるかどうかが調べられる（ＳＴ１０５）。ステップＳＴ１０５において、終了でないことが判断されると、ステップＳＴ１０１に戻り、上述した処理が繰り返される。一方、ステップＳＴ１０５において、終了であることが判断されると、目標追跡処理は終了する。

次に、補正情報算出部５ｂと追跡処理部２ｂの処理内容について、詳細に説明する。目標の運動モデルとパッシブセンサ１の観測モデルは、第１の実施形態と同じであるので説明を省略する。上述したステップＳＴ１０１とステップＳＴ１１１の処理内容も、第１の実施形態と同じであるので説明を省略する。

上述したステップＳＴ１２１では、外部装置から入力される目標の状態ベクトル（プロセス雑音共分散行列Ｑ^ａ _ｋ−１を含む）に基づいて、補正情報として、パッシブセンサ１から見たプロセス雑音共分散行列Ｑ_ｋ−１を算出する。

ここで、外部装置から入力されるプロセス雑音共分散行列Ｑ^ａ _ｋ−１が以下の（３８）式で表されるとすると、変換行列Ｔ_ｋ−１は、（３９）式のようになる。なお、（ｘ_ｋ−１、ｙ_ｋ−１、ｚ_ｋ−１）、（ａ_ｋ−１、ｅ_ｋ−１）は、座標変換によって、外部装置から入力される目標の状態ベクトルをパッシブセンサ１から見た目標の位置ベクトル（直交座標系と極座標系）に変換した値である。

上述したステップＳＴ１１２の処理内容は、第１の実施形態と同じであるので説明を省略する。

上述したステップＳＴ１２２では、ステップＳＴ１２１で算出したプロセス雑音共分散行列Ｑ_ｋ−１とステップＳＴ１１２で算出したｉ番目の運動モデルに対応するプロセス雑音共分散行列Ｑ^ｉ _ｋ−１を用いて、（４０）式を満足するｉ番目の運動モデルに対応する運動モデル確率ｐ^ｉ _ｋ−１を算出する。

なお、定義（設定）した運動モデルが実際の運動モデルと厳密に当てはまらない場合、モデル化の誤差成分を加味して、ｉ番目の運動モデルに対応するプロセス雑音共分散行列Ｑ^ｉ _ｋ−１を補正するように構成することができる。

上述したステップＳＴ１１３の処理内容は、実施例１と同じであるので説明を省略する。上述したステップＳＴ１１４では、前回観測時の平滑処理（ステップＳＴ１１４）の（３４）式の代わりに、ＳＴ１２２の（４０）式で算出したｉ番目の運動モデルに対応する運動モデル確率ｐ^ｉ _ｋ−１を用いて、平滑処理を実施する。

上述したステップＳＴ１０４とステップＳＴ１０５の処理内容は、第１の実施形態と同じであるので説明を省略する。

以上説明したように、第２の実施形態に係る目標追跡装置によれば、補正情報算出部５ｂは、外部装置から入力される目標の状態ベクトルに基づいて、補正情報（目標距離とプロセス雑音共分散行列）を追跡処理部２ｂに送り、追跡処理部２ｂは、補正情報（目標距離）から間接的に算出される複数の運動モデルに対応するフィルタゲイン（カルマンゲイン行列）を航跡算出に用いるので、等速直線運動を行う目標の航跡誤差（ランダム成分）と等速直線以外の運動を行う目標の航跡誤差（バイアス成分）を小さくすることができる。また、追跡処理部２ｂは、補正情報（プロセス雑音共分散行列）から間接的に算出される複数の運動モデルに対応する運動モデル確率を航跡算出に用いるので、観測回数が少ない追跡初期段階や、前回観測以降に目標の運動モデルが変化した場合でも、航跡誤差を小さくすることができる。

第３の実施形態に係る目標追跡装置の構成は、図１に示した第１の実施形態に係る目標追跡装置の補正情報算出部５ａおよび追跡処理部２ａが、補正情報算出部５ｃおよび追跡処理部２ｃ（いずれも図示は省略）にそれぞれ変更されて構成されている。以下では、第１の実施形態に係る目標追跡装置と異なる部分についてのみ説明する。

補正情報算出部５ｃは、通信部４から送られてきた目標の状態ベクトルに基づいて、パッシブセンサ１を中心とするローカル座標系（極座標系）における補正情報、ここでは（１７）式で定義（設定）した極座標系の等速運動モデルが直交座標系の等速運動モデルと厳密に当てはまらないことにより発生する目標の角加速度を制御入力ベクトルとみなして算出し、追跡処理部２ｃに送る。追跡処理部２ｃは、パッシブセンサ１からの測角データと補正情報算出部５ｃからの補正情報（制御入力ベクトル）とに基づいて、複数の運動モデルに対応する予測値および複数の運動モデルに対応する平滑値を算出すると共に、複数の運動モデルに対応する平滑値を加重平均した平滑値を算出し、目標航跡として制御部３に送る。

次に、上記のように構成される第３の実施形態に係る目標追跡装置の動作を説明する。図４は、第３の実施形態に係る目標追跡装置において行われる目標追跡処理の流れを示すフローチャートである。なお、以下においては、第１または第２の実施形態に係る目標追跡装置の目標追跡処理と同じ処理を行うステップには、第１または第２の実施形態に係る目標追跡処理の説明で使用した符号と同じ符号を付して説明する。

追跡処理が開始されると、測角データが入力される（ＳＴ１０１）。すなわち、パッシブセンサ１は、制御部３からの制御信号に基づいて、目標の観測を行い、目標の測角データを追跡処理部２ｃに送る。追跡処理部２ｃは、パッシブセンサ１から送られてくる測角データを入力する。次いで、補正情報算出処理（制御入力）が実行される（ＳＴ１３１）。すなわち、補正情報算出部５ｃは、外部装置から入力される目標の状態ベクトルに基づいて、パッシブセンサ１からの測角データを入力して目標の航跡を算出するための補正情報として、目標の制御入力ベクトルを算出し、補正情報（制御入力ベクトル）として追跡処理部２ｃに送る。

次いで、予測処理が実行される（ＳＴ１３２）。すなわち、追跡処理部２ｃは、前回観測時のステップＳＴ１１４において算出された複数の運動モデルに対応する目標の平滑値およびその共分散行列と補正情報算出部５ｃからの補正情報（制御入力ベクトル）とに基づいて、複数の運動モデルに対応する目標の予測値およびその共分散行列を算出する。次いで、平滑処理が実行される（ＳＴ１１４）。すなわち、追跡処理部２ｃは、パッシブセンサ１からの目標の測角データとＳＴ１３２において算出された複数の運動モデルに対応する目標の予測値およびその共分散行列とに基づいて、複数の運動モデルに対応する目標の平滑値およびその共分散行列を算出すると共に、これらを加重平均して、目標の平滑値およびその共分散行列を算出し、目標航跡として制御部３に送る。

次いで、制御処理が実行される（ＳＴ１０４）。すなわち、制御部３は、追跡処理部２ｃからの目標航跡に基づいて、パッシブセンサ１の姿勢等を制御する制御信号を生成し、パッシブセンサ１に送る。次いで、終了であるかどうかが調べられる（ＳＴ１０５）。ステップＳＴ１０５において、終了でないことが判断されると、ステップＳＴ１０１に戻り、上述した処理が繰り返される。一方、ステップＳＴ１０５において、終了であることが判断されると、目標追跡処理は終了する。

次に、補正情報算出部５ｃと追跡処理部２ｃの処理内容について、詳細に説明する。目標の運動モデルを以下のように定義する。

ここで、ｘ^ｉ _ｋは、ｉ番目の運動モデルに対応する観測時刻ｔ_ｋにおける方位角ａ^ｉ _ｋ、高低角ｅ^ｉ _ｋとそれらの速度成分からなる状態ベクトル、ｕ_ｋは、観測時刻ｔ_ｋにおける方位角ａ_ｋ、高低角ｅ_ｋの加速度成分からなる制御入力ベクトル、Ｆ_ｋ＋１とＧ_ｋ＋１は、観測時刻ｔ_ｋから観測時刻ｔ_ｋ＋１への遷移行列と駆動行列、ｗ^ｉ _ｋは、ｉ番目の運動モデルに対応する観測時刻ｔ_ｋの平均０、ｉ番目の運動モデルに対応する共分散行列Ｑ^ｉ _ｋのプロセス雑音ベクトル、σ^ｈ，ｉ _ｋとσ^ｖ，ｉ _ｋは、ｉ番目の運動モデルに対応する観測時刻ｔ_ｋにおけるプロセス雑音の水平面と垂直面の標準偏差、ｒ_ｋは、観測時刻ｔ_ｋにおけるパッシブセンサ１から目標までの距離である。また、Ａ^Ｔは、ベクトルまたは行列Ａの転置、Ｉ_ｎは、ｎ行ｎ列の単位行列、Ｏ_ｎは、ｎ行ｎ列の零行列を示す。

パッシブセンサ１の観測モデルは、第１の実施形態と同じであるので説明を省略する。上述したステップＳＴ１０１の処理内容も、第１の実施形態と同じであるので説明を省略する。上述したステップＳＴ１３１では、外部装置から入力される目標の状態ベクトルに基づいて、補正情報として、制御入力ベクトル（角加速度）ｕ_ｋ−１を算出する。

なお、制御入力ベクトル（角加速度）ｕ_ｋ−１は、以下の式で算出する。

ここで、（ｘ_ｋ−１、ｙ_ｋ−１、ｚ_ｋ−１）、（ｘ（・）_ｋ−１、ｙ（・）_ｋ−１、ｚ（・）_ｋ−１）、（ａ（・）_ｋ−１、ｅ（・）_ｋ−１）は、座標変換によって、外部装置から入力される目標の状態ベクトルをパッシブセンサ１から見た目標の位置ベクトル、速度ベクトルおよび角速度ベクトルに変換した値である。

上述したステップＳＴ１３２では、前回観測時の平滑処理の結果と制御入力ベクトルｕ_ｋ−１を用いて、以下の式で表される予測処理を実施する。

なお、ｉ番目の運動モデルに対応するプロセス雑音共分散行列Ｑ^ｉ _ｋ−１の算出は、目標距離の真値ｒ_ｋ−１が得られないため、予め設定された目標距離ｒ_{ｐｒｅｓｅｔ}が用いられる。

上述したステップＳＴ１１４、ステップＳＴ１０４およびステップＳＴ１０５の処理内容は、第１の実施形態と同じであるので説明を省略する。

以上説明したように、第３の実施形態に係る目標追跡装置によれば、補正情報算出部５ｃは、外部装置から入力される目標の状態ベクトルに基づいて、補正情報（制御入力ベクトル）を追跡処理部２ｃに送り、追跡処理部２ｃは、補正情報算出部５ｃからの補正情報（制御入力ベクトル）から間接的に算出される複数の運動モデルに対応する予測値を航跡算出に用いるので、等速直線運動を行う目標と等速直線以外の運動を行う目標に対し、航跡誤差（バイアス成分）を小さくすることができる。

なお、上記では、目標の運動モデルとして、等速運動モデルを用いたが、等加速度運動モデル等の他の運動モデルと組み合わせることができる。また、制御入力ベクトルｕ_ｋ−１は、運動モデルによらず一定としたが、運動モデル毎に異なる値や微分次数（角加加速度等）を取るように構成することができる。さらに、上記では、追跡処理部２ｃで実施する処理として、非特許文献３等に開示されているＩＭＭフィルタの処理を簡略化して示しているが、ＩＭＭフィルタの処理を適用できるのは、勿論である。

第４の実施形態に係る目標追跡装置の構成は、図１に示した第１の実施形態に係る目標追跡装置の補正情報算出部５ａおよび追跡処理部２ａが、補正情報算出部５ｄおよび追跡処理部２ｄ（いずれも図示は省略）にそれぞれ変更されて構成されている。以下では、第１の実施形態に係る目標追跡装置と異なる部分についてのみ説明する。

補正情報算出部５ｄは、通信部４から送られてくる目標の状態ベクトルに基づいて、パッシブセンサ１を中心とするローカル座標系（極座標系）における補正情報、ここでは目標距離（パッシブセンサ１から目標までの距離）と制御入力ベクトルを算出し、追跡処理部２ｄに送る。追跡処理部２ｄは、パッシブセンサ１からの測角データと補正情報算出部５ｄからの補正情報（目標距離と制御入力ベクトル）に基づいて、複数の運動モデルに対応する予測値および複数の運動モデルに対応する平滑値を算出すると共に、複数の運動モデルに対応する平滑値を加重平均した平滑値を算出し、目標航跡として制御部３に送る。

次に、上記のように構成される第４の実施形態に係る目標追跡装置の動作を説明する。図５は、第４の実施形態に係る目標追跡装置において行われる目標追跡処理の流れを示すフローチャートである。なお、以下においては、第１の実施形態〜第３の実施形態に係る目標追跡装置の目標追跡処理と同じ処理を行うステップには、第１の実施形態〜第３の実施形態に係る目標追跡処理の説明で使用した符号と同じ符号を付して説明する。

追跡処理が開始されると、測角データが入力される（ＳＴ１０１）。すなわち、パッシブセンサ１は、制御部３からの制御信号に基づいて、目標の観測を行い、目標の測角データを追跡処理部２ｄに送る。追跡処理部２ｄは、パッシブセンサ１から送られてくる測角データを入力する。次いで、補正情報算出処理（目標距離）が実行される（ＳＴ１１１）。すなわち、補正情報算出部５ｄは、外部装置から入力される目標の状態ベクトルに基づいて、パッシブセンサ１からの測角データを入力して目標の航跡を算出するための補正情報として、パッシブセンサ１から目標までの距離を算出し、補正情報（目標距離）として追跡処理部２ｄに送る。

次いで、補正情報算出処理（制御入力）が実行される（ＳＴ１３１）。すなわち、補正情報算出部５ｄは、外部装置から入力される目標の状態ベクトルに基づいて、パッシブセンサ１からの測角データを入力して目標の航跡を算出するための補正情報として、目標の制御入力ベクトルを算出し、補正情報（制御入力ベクトル）として追跡処理部２ｄに送る。次いで、共分散算出処理が実行される（ＳＴ１１２）。すなわち、追跡処理部２ｄは、補正情報算出部５ｄからの補正情報（目標距離）に基づいて、複数の運動モデルに対応するプロセス雑音共分散行列を算出する。

次いで、予測処理が実行される（ＳＴ１３２）。すなわち、追跡処理部２ｄは、前回観測時のステップＳＴ１１４において算出された複数の運動モデルに対応する目標の平滑値およびその共分散行列と補正情報算出部５ｄからの補正情報（目標距離と制御入力ベクトル）とに基づいて、複数の運動モデルに対応する目標の予測値およびその共分散行列を算出する。

次いで、平滑処理が実行される（ＳＴ１１４）。すなわち、追跡処理部２ｄは、パッシブセンサ１からの目標の測角データとＳＴ１３２において算出された複数の運動モデルに対応する目標の予測値およびその共分散行列とに基づいて、複数の運動モデルに対応する目標の平滑値およびその共分散行列を算出すると共に、これらを加重平均して、目標の平滑値およびその共分散行列を算出し、目標航跡として制御部３に送る。

次いで、制御処理が実行される（ＳＴ１０４）。すなわち、制御部３は、追跡処理部２ｄからの目標航跡に基づいて、パッシブセンサ１の姿勢等を制御する制御信号を生成し、パッシブセンサ１に送る。次いで、終了であるかどうかが調べられる（ＳＴ１０５）。ステップＳＴ１０５において、終了でないことが判断されると、ステップＳＴ１０１に戻り、上述した処理が繰り返される。一方、ステップＳＴ１０５において、終了であることが判断されると、目標追跡処理は終了する。

次に、補正情報算出部５ｄと追跡処理部２ｄの処理内容について、詳細に説明する。目標の運動モデルは、第３の実施形態と同じであるので説明を省略する。また、パッシブセンサ１の観測モデルは、第１の実施形態と同じであるので説明を省略する。上述したステップＳＴ１０１、ステップＳＴ１１１およびステップＳＴ１１２の処理内容は、第１の実施形態と同じであり、上述したステップＳＴ１３１の処理内容は、第３の実施形態と同じであるので説明を省略する。

上述したステップＳＴ１３２では、（５１）式の代わりに、ステップＳＴ１１２の（２６）式のｉ番目の運動モデルに対応するプロセス雑音共分散行列Ｑ^ｉ _ｋ−１を用いて、予測処理を実施する。上述したステップＳＴ１１４、ステップＳＴ１０４およびステップＳＴ１０５の処理内容は、第１の実施形態と同じであるので説明を省略する。

以上説明したように、第４の実施形態に係る目標追跡装置によれば、補正情報算出部５ｄは、外部装置から入力される目標の状態ベクトルに基づいて、補正情報（目標距離と制御入力ベクトル）を追跡処理部２ｄに送り、追跡処理部２ｄは、補正情報算出部５ｄからの補正情報（目標距離と制御入力ベクトル）から間接的に算出される複数の運動モデルに対応するフィルタゲイン（カルマンゲイン行列）と予測値を航跡算出に用いるので、等速直線運動を行う目標の航跡誤差（ランダム成分とバイアス成分）と等速直線以外の運動を行う目標の航跡誤差（バイアス成分）を小さくすることができる。

第５の実施形態に係る目標追跡装置の構成は、図１に示した第１の実施形態に係る目標追跡装置の補正情報算出部５ａおよび追跡処理部２ａが、補正情報算出部５ｅおよび追跡処理部２ｅ（いずれも図示は省略）にそれぞれ変更されて構成されている。以下では、第１の実施形態に係る目標追跡装置と異なる部分についてのみ説明する。

補正情報算出部５ｅは、通信部４から送られてくる目標の状態ベクトルに基づいて、パッシブセンサ１を中心とするローカル座標系（極座標系）における補正情報、ここでは目標距離（パッシブセンサ１から目標までの距離）、目標のプロセス雑音共分散行列および制御入力ベクトルを算出し、追跡処理部２ｅに送る。追跡処理部２ｅは、パッシブセンサ１からの測角データと補正情報算出部５ｅからの補正情報（目標距離、プロセス雑音共分散行列および制御入力ベクトル）に基づいて、複数の運動モデルに対応する予測値および複数の運動モデルに対応する平滑値を算出すると共に、複数の運動モデルに対応する平滑値を加重平均した平滑値を算出し、目標航跡として制御部３に送る。

次に、上記のように構成される第５の実施形態に係る目標追跡装置の動作を説明する。図６は、第５の実施形態に係る目標追跡装置において行われる目標追跡処理の流れを示すフローチャートである。なお、以下においては、第１の実施形態〜第４の実施形態に係る目標追跡装置の目標追跡処理と同じ処理を行うステップには、第１の実施形態〜第４の実施形態に係る目標追跡処理の説明で使用した符号と同じ符号を付して説明する。

追跡処理が開始されると、測角データが入力される（ＳＴ１０１）。すなわち、パッシブセンサ１は、制御部３からの制御信号に基づいて、目標の観測を行い、目標の測角データを追跡処理部２ｅに送る。追跡処理部２ｅは、パッシブセンサ１から送られてくる測角データを入力する。次いで、補正情報算出処理（目標距離）が実行される（ＳＴ１１１）。すなわち、補正情報算出部５ｅは、外部装置から入力される目標の状態ベクトルに基づいて、パッシブセンサ１からの測角データを入力して目標の航跡を算出するための補正情報として、パッシブセンサ１から目標までの距離を算出し、補正情報（目標距離）として追跡処理部２ｅに送る。

次いで、補正情報算出処理（共分散）が実行される（ＳＴ１２１）。すなわち、補正情報算出部５ｅは、外部装置から入力される目標の状態ベクトルに基づいて、パッシブセンサ１からの測角データを入力して目標の航跡を算出するための補正情報として、目標のプロセス雑音共分散行列を算出し、補正情報（プロセス雑音共分散行列）として追跡処理部２ｅに送る。なお、外部装置としては、目標のプロセス雑音共分散行列を推定できるアダプティブカルマンフィルタやＩＭＭフィルタを備えたレーダ装置等を使用できる。

次いで、補正情報算出処理（制御入力）が実行される（ＳＴ１３１）。すなわち、補正情報算出部５ｅは、外部装置から入力される目標の状態ベクトルに基づいて、パッシブセンサ１からの測角データを入力して目標の航跡を算出するための補正情報として、目標の制御入力ベクトルを算出し、補正情報（制御入力ベクトル）として追跡処理部２ｅに送る。次いで、共分散算出処理が実行される（ＳＴ１１２）。すなわち、追跡処理部２ｅは、補正情報算出部５ｅからの補正情報（目標距離）に基づいて、複数の運動モデルに対応するプロセス雑音共分散行列を算出する。

次いで、運動モデル確率算出処理が実行される（ＳＴ１２２）。すなわち、追跡処理部２ｅは、補正情報算出部５ｅからの補正情報（プロセス雑音共分散行列）に基づいて、複数の運動モデルに対応する運動モデル確率を算出する。次いで、予測処理が実行される（ＳＴ１３２）。すなわち、追跡処理部２ｅは、前回観測時のステップＳＴ１１４において算出された複数の運動モデルに対応する目標の平滑値およびその共分散行列と補正情報算出部５ｅからの補正情報（目標距離と制御入力ベクトル）とに基づいて、複数の運動モデルに対応する目標の予測値およびその共分散行列を算出する。次いで、平滑処理が実行される（ＳＴ１１４）。すなわち、追跡処理部２ｅは、パッシブセンサ１からの目標の測角データとＳＴ１３２において算出された複数の運動モデルに対応する目標の予測値およびその共分散行列とに基づいて、複数の運動モデルに対応する目標の平滑値およびその共分散行列を算出すると共に、これらを加重平均して、目標の平滑値およびその共分散行列を算出し、目標航跡として制御部３に送る。

次いで、制御処理が実行される（ＳＴ１０４）。すなわち、制御部３は、追跡処理部２ｅからの目標航跡に基づいて、パッシブセンサ１の姿勢等を制御する制御信号を生成し、パッシブセンサ１に送る。次いで、終了であるかどうかが調べられる（ＳＴ１０５）。ステップＳＴ１０５において、終了でないことが判断されると、ステップＳＴ１０１に戻り、上述した処理が繰り返される。一方、ステップＳＴ１０５において、終了であることが判断されると、目標追跡処理は終了する。

次に、補正情報算出部５ｅと追跡処理部２ｅの処理内容について、詳細に説明する。目標の運動モデルは、第３の実施形態と同じであるので説明を省略する。また、パッシブセンサ１の観測モデルは、第１の実施形態と同じであるので説明を省略する。上述したステップＳＴ１０１、ステップＳＴ１１１およびステップＳＴ１１２の処理内容は、第１の実施形態と同じであり、上述したステップＳＴ１２１とステップＳＴ１２２の処理内容は、第２の実施形態と同じであり、上述したステップＳＴ１３１とステップＳＴ１３２の処理内容は、第３の実施形態と同じであるので説明を省略する。

上述したステップＳＴ１１４では、前回観測時の平滑処理（ステップＳＴ１１４）の（３４）式の代わりに、ステップＳＴ１２２の（４０）式で算出したｉ番目の運動モデルに対応する運動モデル確率ｐ^ｉ _ｋ−１を用いて、平滑処理を実施する。

上述したステップＳＴ１０４とステップＳＴ１０５の処理内容は、第１の実施例と同じであるので説明を省略する。

以上説明したように、第５の実施形態に係る目標追跡装置によれば、補正情報算出部５ｅは、外部装置から入力される目標の状態ベクトルに基づいて、補正情報（目標距離、プロセス雑音共分散行列および制御入力ベクトル）を追跡処理部２ｅに送り、追跡処理部２ｅは、補正情報算出部５ｅからの補正情報（目標距離と制御入力ベクトル）から間接的に算出される複数の運動モデルに対応するフィルタゲイン（カルマンゲイン行列）と予測値を航跡算出に用いるので、等速直線運動を行う目標の航跡誤差（ランダム成分とバイアス成分）と等速直線以外の運動を行う目標の航跡誤差（バイアス成分）を小さくすることができる。また、追跡処理部２ｅは、補正情報（プロセス雑音共分散行列）から間接的に算出される複数の運動モデルに対応する運動モデル確率を航跡算出に用いるので、等速直線運動を行う目標と等速直線以外の運動を行う目標に対し、観測回数が少ない追跡初期段階や、前回観測以降に目標の運動モデルが変化した場合でも、航跡誤差を小さくすることができる。

（変形例）上述した第１の実施形態〜第５の実施形態に係る目標追跡装置は、図７に示すように変形することができる。図７（ａ）は、補正情報算出部５ａ〜５ｅと追跡処理部２ａ〜２ｅとの間に通信部６ａおよび通信部６ｂを設け、補正情報算出部５ａ〜５ｅを含むブロックと追跡処理部２ａ〜２ｅを含むブロックとを別体に構成したものである。

図７（ｂ）は、追跡処理部２ａ〜２ｅとパッシブセンサ１との間に通信部６ｃおよび通信部６ｄを設け、パッシブセンサ１を含むブロックと追跡処理部２ａ〜２ｅを含むブロックとを別体に構成したものである。

図７（ｃ）は、補正情報算出部５ａ〜５ｅと追跡処理部２ａ〜２ｅとの間に通信部６ａおよび通信部６ｂｃを設けるとともに、通信部６ｂｃとパッシブセンサ１との間に通信部６ｄを設け、補正情報算出部５ａ〜５ｅを含むブロック、パッシブセンサ１を含むブロックおよび追跡処理部２ａ〜２ｅを含むブロックの各々を別体に構成したものである。これらの変形例のいずれにおいても、第１の実施形態〜第５の実施形態において記載した効果と同様の効果を得ることができる。

図１０は、第６の実施形態に係る目標追跡装置の構成の一例を示すブロック図である。この第６の実施形態について、図１に示した第１の実施形態の各部と同一の部分は同一の符号で示し、その説明を省略する。この第６の実施形態が第１の実施形態と異なる点は、外部装置から入力される目標に関する情報について、第１の実施形態においては、外部装置から位置情報を含む目標の状態ベクトルが入力される。すなわち、外部装置としてレーダ装置や測距装置等のアクティブセンサを用いて取得した情報が入力されるのに対して、この第６の実施形態においては、外部装置からの入力として、この目標追跡装置のパッシブセンサと離間して配置されたパッシブセンサからの情報が入力されるとともに、新たに距離・状態ベクトル算出部を設け、この距離・状態ベクトル算出部において２つのパッシブセンサからの目標の航跡、すなわち自装置内のパッシブセンサにより算出された目標の航跡と、外部装置からのパッシブセンサによる目標の航跡とから、それぞれのセンサから見た目標までの距離を算出すると共に、目標の（角度）航跡と目標までの距離とに基づきこの目標の状態ベクトルを算出し、その結果を補正情報算出部に送出するように構成した点である。以下、その相違点のみ簡単に説明する。

図１０に例示した目標追跡装置は、図１に例示した第１の実施形態の目標追跡装置の構成と同様のパッシブセンサ１−１、追跡処理部２ａ−１、制御部３−１、通信部４−１、及び補正情報算出部５ａに加え、新たに距離・状態ベクトル算出部７を備えている。ここで、通信部４−１には、パッシブセンサを有する外部装置から、そのパッシブセンサでの測角データに基づき算出された目標の航跡が送られてくる。本実施例においては、このパッシブセンサを有する外部装置として、例えば第１の実施形態に例示した目標追跡装置を従属的にさらに１系統、離間させて配置した場合を示している。すなわち、パッシブセンサ１−２からの測角データに基づき追跡処理部２ａ−２で算出された目標の航跡が、通信部４−２から通信部４−１に送られ、さらに距離・状態ベクトル算出部７に入力される。

距離・状態ベクトル算出部７は、異なる位置に配置された複数のパッシブセンサの測角データからそれぞれに算出された目標の航跡に基づいて、各パッシブセンサと目標との距離を算出すると共に、目標の（角度）航跡と目標までの距離とに基づきこの目標の状態ベクトルを算出し、補正情報算出部５ａに送出する。本実施例では、複数のパッシブセンサからの目標の航跡として、自装置内のパッシブセンサ１−１からの測角データに基づき追跡処理部２ａ−１で算出された目標の航跡と、上記した外部装置から送られてきた目標の航跡とを用いている。また、距離算出にあたっては、これら２つの目標の航跡に基づいて、例えば三角測量等の手法を適用することができる。

次に、この第６の実施形態における目標追跡処理の流れについてであるが、第１の実施形態と外部装置からの入力情報が異なることにより、（２５）式に代入されるデータの経路について差異があるのみで、全体の処理の流れは第１の実施形態と同様であるので説明は省略する。

このように、本実施形態によれば、第１の実施形態の効果に加え、外部装置として目標の距離を直接測定するようなアクティブなセンサを用いることなく、自装置も含め複数のパッシブなセンサからの情報のみに基づいて目標の追跡処理を行うことができる。なお、本実施形態の説明では、第１の実施形態を基にその構成を変更・付加したが、第３の実施形態及び第４の実施形態についても同様に構成することができる。

以上説明したように、上述した本実施形態の目標追跡装置によれば、外部から入力される目標の状態ベクトルに基づいて、パッシブセンサからの測角データを入力して目標の航跡を算出するための補正情報であって、該パッシブセンサを中心とする座標系における補正情報を算出し、パッシブセンサからの測角データと補正情報とに基づいて、該パッシブセンサを中心とする座標系における複数の運動モデルに対応する目標の航跡を算出し、複数の運動モデルに対応する目標の航跡を加重平均して目標の航跡として出力するので、等速直線運動を行う目標と等速直線以外の運動を行う目標の両方に対して追跡性能を向上させた目標追跡装置を得ることができる。

１ パッシブセンサ
２、２ａ、２ｂ、２ｃ、２ｄ、２ｅ 追跡処理部
３ 制御部
４ 通信部
５、５ａ、５ｂ、５ｃ、５ｄ、５ｅ 補正情報算出部
６ａ、６ｂ、６ｂｃ、６ｃ、６ｄ 通信部
７ 距離・状態ベクトル算出部

Claims (6)

1. 目標の角度を測定して測角データとして出力するパッシブセンサからの測角データを入力して複数の運動モデルに対応する目標の航跡を算出し、複数の運動モデルに対応する目標の航跡を加重平均して目標の航跡として出力する追跡処理部と、前記追跡処理部に補正情報を出力する補正情報算出部とを備えた目標追跡装置であって、
   前記補正情報算出部は、外部から入力される目標の状態ベクトルに基づいて、補正情報として、前記パッシブセンサから目標までの距離を算出することと、
   前記追跡処理部は、前記補正情報算出部で算出された目標までの距離に基づいて、複数の運動モデルに対応するプロセス雑音共分散行列を算出し、算出した複数の運動モデルに対応するプロセス雑音共分散行列に基づいて、目標の航跡を算出すること
   を特徴とする目標追跡装置。
2. 目標の角度を測定して測角データとして出力するパッシブセンサからの測角データを入力して複数の運動モデルに対応する目標の航跡を算出し、複数の運動モデルに対応する目標の航跡を加重平均して目標の航跡として出力する追跡処理部と、前記追跡処理部に補正情報を出力する補正情報算出部とを備えた目標追跡装置であって、
   前記補正情報算出部は、外部から入力されるプロセス雑音共分散行列を含む目標の状態ベクトルに基づいて、補正情報として、前記パッシブセンサから目標までの距離と前記パッシブセンサの位置における目標のプロセス雑音共分散行列を算出することと、
   前記追跡処理部は、前記補正情報算出部で算出された目標までの距離とプロセス雑音共分散行列に基づいて、複数の運動モデルに対応するプロセス雑音共分散行列と運動モデル確率を算出し、算出した複数の運動モデルに対応するプロセス雑音共分散行列と運動モデル確率に基づいて、目標の航跡を算出することと
   を特徴とする目標追跡装置。
3. 目標の角度を測定して測角データとして出力するパッシブセンサからの測角データを入力して複数の運動モデルに対応する目標の航跡を算出し、複数の運動モデルに対応する目標の航跡を加重平均して目標の航跡として出力する追跡処理部と、前記追跡処理部に補正情報を出力する補正情報算出部とを備えた目標追跡装置であって、
   前記補正情報算出部は、外部から入力される目標の状態ベクトルに基づいて、補正情報として、前記パッシブセンサの位置における目標のバイアス誤差を算出して制御入力として出力することと、
   前記追跡処理部は、前記補正情報算出部から出力される制御入力に基づいて、複数の運動モデルに対応する目標の予測値を算出し、算出した複数の運動モデルに対応する予測値に基づいて、目標の航跡を算出することと
   を特徴とする目標追跡装置。
4. 目標の角度を測定して測角データとして出力するパッシブセンサからの測角データを入力して複数の運動モデルに対応する目標の航跡を算出し、複数の運動モデルに対応する目標の航跡を加重平均して目標の航跡として出力する追跡処理部と、前記追跡処理部に補正情報を出力する補正情報算出部とを備えた目標追跡装置であって、
   前記補正情報算出部は、外部から入力される目標の状態ベクトルに基づいて、補正情報として、前記パッシブセンサの位置における目標のバイアス誤差を算出して制御入力として出力するとともに、前記パッシブセンサから目標までの距離を算出することと、
   前記追跡処理部は、前記補正情報算出部から出力される制御入力に基づいて、複数の運動モデルに対応する目標の予測値を算出するとともに、前記補正情報算出部で算出された目標までの距離に基づいて、複数の運動モデルに対応する目標のプロセス雑音共分散行列を算出し、算出した複数の運動モデルに対応する予測値とプロセス雑音共分散行列に基づいて、目標の航跡を算出することと
   を特徴とする目標追跡装置。
5. 目標の角度を測定して測角データとして出力するパッシブセンサからの測角データを入力して複数の運動モデルに対応する目標の航跡を算出し、これら複数の運動モデルに対応する目標の航跡を加重平均して目標の航跡として出力する追跡処理部と、前記追跡処理部に補正情報を出力する補正情報算出部とを備えた目標追跡装置であって、
   前記補正情報算出部は、外部から入力されるプロセス雑音共分散行列を含む目標の状態ベクトルに基づいて、補正情報として、前記パッシブセンサの位置における目標のバイアス誤差を算出して制御入力として出力するとともに、前記パッシブセンサから目標までの距離と前記パッシブセンサの位置における目標のプロセス雑音共分散行列を算出することと、
   前記追跡処理部は、前記補正情報算出部から出力される制御入力に基づいて、複数の運動モデルに対応する目標の予測値を算出するとともに、前記補正情報算出部で算出された目標までの距離とプロセス雑音共分散行列に基づいて、複数の運動モデルに対応する目標のプロセス雑音共分散行列と運動モデル確率を算出し、算出した複数の運動モデルに対応する予測値、プロセス雑音共分散行列および運動モデル確率に基づいて、目標の航跡を算出することと
   を特徴とする目標追跡装置。
6. さらに、前記パッシブセンサからの測角データを入力して前記追跡処理部にて算出された目標の航跡と、前記パッシブセンサとは離間して配置されたパッシブセンサからの測角データに基づき算出された前記目標の航跡とに基づき前記目標までの距離情報を算出すると共に、前記目標の航跡と前記距離情報とに基づき前記目標の状態ベクトルを算出して前記補正情報算出部に出力する距離・状態ベクトル算出部を備え、
   前記補正情報算出部は、この距離・状態ベクトル算出部からの前記目標の状態ベクトルに基づいて前記補正情報を算出する
   ことを特徴とする請求項１、請求項３、または請求項４のいずれか１項に記載の目標追跡装置。

Images