JPH05288840A - 多目標追尾装置 - Google Patents
多目標追尾装置Info
- Publication number
- JPH05288840A JPH05288840A JP8877592A JP8877592A JPH05288840A JP H05288840 A JPH05288840 A JP H05288840A JP 8877592 A JP8877592 A JP 8877592A JP 8877592 A JP8877592 A JP 8877592A JP H05288840 A JPH05288840 A JP H05288840A
- Authority
- JP
- Japan
- Prior art keywords
- tracking target
- target
- data
- detection data
- attribute
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
(57)【要約】
【目的】 複数の目標及びクラッタ等の不要信号から、
位置等の運動諸元の探知情報と類識別結果等の属性の探
知情報が得られる環境下において、目標の位置及び速度
を推定しながら精度良く追尾できる多目標追尾方法及び
その装置を得る。 【構成】 追尾目標と相関の可能性のある探知情報を位
置等の運動諸元に基づく処理及び属性に基づく処理の2
段階により選択し、平滑及び予測計算においては選択さ
れた探知情報に対する時々刻々の信頼度の計算に運動諸
元及び属性情報を利用することにより、目標位置、速度
の最適な推定値を算出する。
位置等の運動諸元の探知情報と類識別結果等の属性の探
知情報が得られる環境下において、目標の位置及び速度
を推定しながら精度良く追尾できる多目標追尾方法及び
その装置を得る。 【構成】 追尾目標と相関の可能性のある探知情報を位
置等の運動諸元に基づく処理及び属性に基づく処理の2
段階により選択し、平滑及び予測計算においては選択さ
れた探知情報に対する時々刻々の信頼度の計算に運動諸
元及び属性情報を利用することにより、目標位置、速度
の最適な推定値を算出する。
Description
【0001】
【産業上の利用分野】この発明は、航空機や飛翔体等の
移動物体を目標とし、電波や赤外線等を探知分析するこ
とにより目標の類識別を行う目標観測装置を用い、目標
観測装置による複数の目標及び目標以外のクラッタ等か
らの信号検出分析結果に基づき、目標の位置や速度及び
属性等の真値を推定していくことにより、複数の目標の
運動を追尾する多目標追尾方法及びその装置に関するも
のである。
移動物体を目標とし、電波や赤外線等を探知分析するこ
とにより目標の類識別を行う目標観測装置を用い、目標
観測装置による複数の目標及び目標以外のクラッタ等か
らの信号検出分析結果に基づき、目標の位置や速度及び
属性等の真値を推定していくことにより、複数の目標の
運動を追尾する多目標追尾方法及びその装置に関するも
のである。
【0002】
【従来の技術】図11は、例えばIEEE TRANS
ACTIONS ON AUTOMATIC CONT
ROL VOL.AC−23,AUGUST 197
8,P618〜626「Tracking Metho
ds in a Multitarget Envir
onment」の中で、「Probabilistic
Data Association Filter」と
して示された従来の多目標追尾方法を示す処理手順、図
12は図11の従来の多目標追尾方法に対応した従来の
多目標追尾装置構成図である。
ACTIONS ON AUTOMATIC CONT
ROL VOL.AC−23,AUGUST 197
8,P618〜626「Tracking Metho
ds in a Multitarget Envir
onment」の中で、「Probabilistic
Data Association Filter」と
して示された従来の多目標追尾方法を示す処理手順、図
12は図11の従来の多目標追尾方法に対応した従来の
多目標追尾装置構成図である。
【0003】図11において、従来の多目標追尾方法
は、ステップ20で目標位置の観測結果を基に通常のカ
ルマンフィルタ理論に基づき目標位置、速度の平滑値及
び平滑誤差共分散行列の初期値を設定し、ステップ21
で例えば目標の運動モデルを等速直進運動モデルで設定
したのち、ステップ22で等速直進運動モデルにより現
時刻より1サンプリング後の目標位置、速度の予測値を
算出し、ステップ22で上記等速直進運動モデルによる
予測値の誤差を推定した等速直進運動モデルによる予測
誤差共分散行列を算出し、ステップ23で例えば目標観
測位置のような運動諸元を信号検出結果である探知デー
タとして入力し、ステップ24で等速直進運動モデルに
よる目標予測位置を中心に予測誤差共分散行列を使用し
て定まる追尾目標からの探知データの確率分布を算出
し、ステップ27で上記追尾目標からの探知データ確率
分布により定まる目標予測存在範囲内に存在する探知デ
ータを選択し、ステップ29でステップ27において選
択された探知データが追尾対象目標からの探知データで
あるか否かの仮説を生成し、ステップ34でステップ2
9において生成された仮説の信頼度を追尾目標からの探
知データ確率分布を使用して算出し、ステップ32で目
標位置、速度の平滑値及び平滑誤差共分散行列を算出
し、ステップ33において追尾終了になるまでのこの一
連の流れを繰り返すように成っていた。
は、ステップ20で目標位置の観測結果を基に通常のカ
ルマンフィルタ理論に基づき目標位置、速度の平滑値及
び平滑誤差共分散行列の初期値を設定し、ステップ21
で例えば目標の運動モデルを等速直進運動モデルで設定
したのち、ステップ22で等速直進運動モデルにより現
時刻より1サンプリング後の目標位置、速度の予測値を
算出し、ステップ22で上記等速直進運動モデルによる
予測値の誤差を推定した等速直進運動モデルによる予測
誤差共分散行列を算出し、ステップ23で例えば目標観
測位置のような運動諸元を信号検出結果である探知デー
タとして入力し、ステップ24で等速直進運動モデルに
よる目標予測位置を中心に予測誤差共分散行列を使用し
て定まる追尾目標からの探知データの確率分布を算出
し、ステップ27で上記追尾目標からの探知データ確率
分布により定まる目標予測存在範囲内に存在する探知デ
ータを選択し、ステップ29でステップ27において選
択された探知データが追尾対象目標からの探知データで
あるか否かの仮説を生成し、ステップ34でステップ2
9において生成された仮説の信頼度を追尾目標からの探
知データ確率分布を使用して算出し、ステップ32で目
標位置、速度の平滑値及び平滑誤差共分散行列を算出
し、ステップ33において追尾終了になるまでのこの一
連の流れを繰り返すように成っていた。
【0004】図12の従来の方法による多目標追尾装置
の構成図において、1は追尾目標及び追尾目標以外のク
ラッタ等からの信号検出結果である目標観測位置を探知
データとして出力する目標観測装置であり、2は上記目
標観測装置より探知データを転送する観測諸元転送装置
であり、3は等速直進運動モデルにより現時刻より1サ
ンプリング前に算出しておいた目標予測位置を中心に1
サンプリング前に算出しておいた予測誤差共分散行列を
使用して求まる追尾目標からの探知データ確率分布を算
出する運動諸元確率分布算出器、5は追尾目標からの探
知データ確率分布に基づく目標予測存在範囲内に散在す
る探知データを選択する運動諸元相関器、7は運動諸元
相関器5で選択された探知データが追尾対象目標からの
探知データであるか否かの仮説を生成する探知データ仮
説生成器、18は運動諸元確率分布算出器3で算出され
た確率分布を用い探知データ仮説生成器7で生成された
仮説の信頼度を算出する運動諸元による探知データ仮説
生成器である。
の構成図において、1は追尾目標及び追尾目標以外のク
ラッタ等からの信号検出結果である目標観測位置を探知
データとして出力する目標観測装置であり、2は上記目
標観測装置より探知データを転送する観測諸元転送装置
であり、3は等速直進運動モデルにより現時刻より1サ
ンプリング前に算出しておいた目標予測位置を中心に1
サンプリング前に算出しておいた予測誤差共分散行列を
使用して求まる追尾目標からの探知データ確率分布を算
出する運動諸元確率分布算出器、5は追尾目標からの探
知データ確率分布に基づく目標予測存在範囲内に散在す
る探知データを選択する運動諸元相関器、7は運動諸元
相関器5で選択された探知データが追尾対象目標からの
探知データであるか否かの仮説を生成する探知データ仮
説生成器、18は運動諸元確率分布算出器3で算出され
た確率分布を用い探知データ仮説生成器7で生成された
仮説の信頼度を算出する運動諸元による探知データ仮説
生成器である。
【0005】また、12は等速直進運動モデルにより現
時刻より1サンプリング前に算出しておいた予測誤差共
分散行列より目標運動諸元の平滑に使用するゲイン行列
を算出するゲイン行列算出器、13は運動諸元相関器5
で選択された探知データの信頼度と等速直進運動モデル
により現時刻より1サンプリング前に算出しておいた予
測値及びゲイン行列算出器12で算出したゲイン行列を
使用して目標位置、速度の平滑値を算出する等速直進運
動モデルによる平滑器、14は等速直進運動モデルによ
る平滑器29で算出した平滑値を基に現時刻より1サン
プリング後の目標位置、速度の予測値を算出する等速直
進運動モデルによる予測器、15は等速直進運動モデル
による予測器30で算出した予測値を1サンプリング遅
延させる第1の遅延回路である。
時刻より1サンプリング前に算出しておいた予測誤差共
分散行列より目標運動諸元の平滑に使用するゲイン行列
を算出するゲイン行列算出器、13は運動諸元相関器5
で選択された探知データの信頼度と等速直進運動モデル
により現時刻より1サンプリング前に算出しておいた予
測値及びゲイン行列算出器12で算出したゲイン行列を
使用して目標位置、速度の平滑値を算出する等速直進運
動モデルによる平滑器、14は等速直進運動モデルによ
る平滑器29で算出した平滑値を基に現時刻より1サン
プリング後の目標位置、速度の予測値を算出する等速直
進運動モデルによる予測器、15は等速直進運動モデル
による予測器30で算出した予測値を1サンプリング遅
延させる第1の遅延回路である。
【0006】次に、9は等速直進運動モデルによる予測
器30で現時刻より1サンプリング前に算出しておいた
予測値、ゲイン行列算出器12で算出したゲイン行列、
運動諸元相関器5で選択された探知データ、運動諸元に
よる探知データ信頼度算出器18で算出した探知データ
の信頼度及び等速直進運動モデルにより現時点より1サ
ンプリング前に算出しておいた予測誤差共分散行列を用
いて目標位置、速度の平滑誤差の評価値を算出する等速
直進運動モデルによる平滑誤差評価器であり、また、1
0は等速直進運動モデルによる平滑誤差評価器9で算出
した平滑誤差共分散行列を基に目標位置、速度の予測誤
差の評価値を算出する等速直進運動モデルよる予測誤差
評価器、11は等速直進運動モデルによる予測誤差評価
器10で算出した予測誤差共分散行列を1サンプリング
遅延させる第3の遅延回路である。従来の方法による多
目標追尾装置は以上のように構成されていた。
器30で現時刻より1サンプリング前に算出しておいた
予測値、ゲイン行列算出器12で算出したゲイン行列、
運動諸元相関器5で選択された探知データ、運動諸元に
よる探知データ信頼度算出器18で算出した探知データ
の信頼度及び等速直進運動モデルにより現時点より1サ
ンプリング前に算出しておいた予測誤差共分散行列を用
いて目標位置、速度の平滑誤差の評価値を算出する等速
直進運動モデルによる平滑誤差評価器であり、また、1
0は等速直進運動モデルによる平滑誤差評価器9で算出
した平滑誤差共分散行列を基に目標位置、速度の予測誤
差の評価値を算出する等速直進運動モデルよる予測誤差
評価器、11は等速直進運動モデルによる予測誤差評価
器10で算出した予測誤差共分散行列を1サンプリング
遅延させる第3の遅延回路である。従来の方法による多
目標追尾装置は以上のように構成されていた。
【0007】
【発明が解決しようとする課題】上記のような従来の多
目標追尾方法及びその装置においては、目標観測装置1
より得られる探知データとして例えば目標の観測位置等
の運動諸元のみを仮定しており、運動諸元相関器5は追
尾目標が等速直進運動モデルによる予測器14で算出し
た追尾目標の予測位置を中心とし、予測誤差共分散行列
を使用して得られる目標予測存在範囲内に目標観測装置
1より入力された探知データが存在した場合に、上記探
知データを追尾目標より探知された可能性が高い探知デ
ータであると判定していたため、濃密なクラッタ環境下
では上記目標予測存在範囲内に追尾対象目標の探知デー
タ以外に他の目標の探知データやクラッタ等の不要信号
による探知データが存在し、また運動諸元による探知デ
ータの信頼度算出器18では、上記目標予測存在範囲内
の探知データに対し等速直進運動モデルによる予測器1
4で算出した追尾目標の予測位置に近い探知データの信
頼度が高く算出されるめ、追尾対象目標の探知データよ
りも他の目標の探知データやクラッタ等不要信号による
探知データの信頼度が高く算出され目標の探知データの
信頼度を不当に低下させる問題が発生し、追尾性能は劣
化せざるを得なかった。
目標追尾方法及びその装置においては、目標観測装置1
より得られる探知データとして例えば目標の観測位置等
の運動諸元のみを仮定しており、運動諸元相関器5は追
尾目標が等速直進運動モデルによる予測器14で算出し
た追尾目標の予測位置を中心とし、予測誤差共分散行列
を使用して得られる目標予測存在範囲内に目標観測装置
1より入力された探知データが存在した場合に、上記探
知データを追尾目標より探知された可能性が高い探知デ
ータであると判定していたため、濃密なクラッタ環境下
では上記目標予測存在範囲内に追尾対象目標の探知デー
タ以外に他の目標の探知データやクラッタ等の不要信号
による探知データが存在し、また運動諸元による探知デ
ータの信頼度算出器18では、上記目標予測存在範囲内
の探知データに対し等速直進運動モデルによる予測器1
4で算出した追尾目標の予測位置に近い探知データの信
頼度が高く算出されるめ、追尾対象目標の探知データよ
りも他の目標の探知データやクラッタ等不要信号による
探知データの信頼度が高く算出され目標の探知データの
信頼度を不当に低下させる問題が発生し、追尾性能は劣
化せざるを得なかった。
【0008】この発明はこのような課題を解決するため
になされたもので、複数の目標及びクラッタ等の不要信
号から、観測位置等運動諸元の信号検出結果及び属性等
の信号分析結果が探知データとして得られる環境下にお
いて、運動諸元の観測精度が低い探知データに対しても
精度良く追尾を維持できる多目標追尾方法及びその装置
に関するものである。
になされたもので、複数の目標及びクラッタ等の不要信
号から、観測位置等運動諸元の信号検出結果及び属性等
の信号分析結果が探知データとして得られる環境下にお
いて、運動諸元の観測精度が低い探知データに対しても
精度良く追尾を維持できる多目標追尾方法及びその装置
に関するものである。
【0009】
【課題を解決するための手段】この発明の第1の発明
は、時々刻々と更新される追尾目標の属性信頼度及び探
知データの属性情報より追尾目標からの属性データ確率
分布を算出する属性データ確率分布算出器と、上記追尾
目標からの属性データ確率分布を使用して追尾目標と相
関の可能性のある探知データを選択する属性相関器と、
追尾目標からの運動諸元確率分布と上記追尾目標からの
属性データ確率分布により上記属性データ相関器で選択
された探知データの信頼度を算出する運動諸元及び属性
による探知データ信頼度算出器と、上記運動諸元及び属
性による探知データ信頼度算出器で算出された信頼度及
び属性データにより追尾目標の属性信頼度を算出する追
尾目標属性信頼度算出器とを設けたものである。
は、時々刻々と更新される追尾目標の属性信頼度及び探
知データの属性情報より追尾目標からの属性データ確率
分布を算出する属性データ確率分布算出器と、上記追尾
目標からの属性データ確率分布を使用して追尾目標と相
関の可能性のある探知データを選択する属性相関器と、
追尾目標からの運動諸元確率分布と上記追尾目標からの
属性データ確率分布により上記属性データ相関器で選択
された探知データの信頼度を算出する運動諸元及び属性
による探知データ信頼度算出器と、上記運動諸元及び属
性による探知データ信頼度算出器で算出された信頼度及
び属性データにより追尾目標の属性信頼度を算出する追
尾目標属性信頼度算出器とを設けたものである。
【0010】この発明の第2の発明は、時々刻々と更新
される追尾目標の属性信頼度及び探知データの属性情報
より追尾目標からの属性データ確率分布を算出する属性
データ確率分布算出器と、上記追尾目標からの属性デー
タ確率分布を使用して追尾目標と相関の可能性のある探
知データを選択する属性相関器と、上記運動諸元及び属
性による探知データ信頼度算出器で算出された信頼度及
び属性データにより追尾目標の属性信頼度を算出する追
尾目標属性信頼度算出器とを設けたものである。
される追尾目標の属性信頼度及び探知データの属性情報
より追尾目標からの属性データ確率分布を算出する属性
データ確率分布算出器と、上記追尾目標からの属性デー
タ確率分布を使用して追尾目標と相関の可能性のある探
知データを選択する属性相関器と、上記運動諸元及び属
性による探知データ信頼度算出器で算出された信頼度及
び属性データにより追尾目標の属性信頼度を算出する追
尾目標属性信頼度算出器とを設けたものである。
【0011】この発明の第3の発明は、時々刻々と更新
される追尾目標の属性信頼度及び探知データの属性情報
より追尾目標からの属性データ確率分布を算出する属性
データ確率分布算出器と、追尾目標からの運動諸元確率
分布と上記追尾目標からの属性データ確率分布により運
動諸元相関器で選択された探知データの信頼度を算出す
る運動諸元及び属性による探知データ信頼度算出器と、
上記運動諸元及び属性による探知データ信頼度算出器で
算出された信頼度及び属性データにより追尾目標の属性
信頼度を算出する追尾目標属性信頼度算出器とを設けた
ものである。
される追尾目標の属性信頼度及び探知データの属性情報
より追尾目標からの属性データ確率分布を算出する属性
データ確率分布算出器と、追尾目標からの運動諸元確率
分布と上記追尾目標からの属性データ確率分布により運
動諸元相関器で選択された探知データの信頼度を算出す
る運動諸元及び属性による探知データ信頼度算出器と、
上記運動諸元及び属性による探知データ信頼度算出器で
算出された信頼度及び属性データにより追尾目標の属性
信頼度を算出する追尾目標属性信頼度算出器とを設けた
ものである。
【0012】この発明の第4の発明は、時々刻々と更新
される追尾目標の属性信頼度及び探知データの属性情報
より追尾目標からの属性データ確率分布を算出する属性
データ確率分布算出器と、追尾目標からの運動諸元確率
分布及び上記追尾目標からの属性データ確率分布を使用
して算出された追尾目標からの探知データ確率分布によ
り追尾目標と相関の可能性のある探知データを選択する
探知データ相関器と、追尾目標からの運動諸元確率分布
と上記追尾目標からの属性データ確率分布により上記探
知データ相関器で選択された探知データの信頼度を算出
する運動諸元及び属性による探知データ信頼度算出器
と、上記運動諸元及び属性による探知データ信頼度算出
器で算出された信頼度及び属性データにより追尾目標の
属性信頼度を算出する追尾目標属性信頼度算出器とを設
けたものである。
される追尾目標の属性信頼度及び探知データの属性情報
より追尾目標からの属性データ確率分布を算出する属性
データ確率分布算出器と、追尾目標からの運動諸元確率
分布及び上記追尾目標からの属性データ確率分布を使用
して算出された追尾目標からの探知データ確率分布によ
り追尾目標と相関の可能性のある探知データを選択する
探知データ相関器と、追尾目標からの運動諸元確率分布
と上記追尾目標からの属性データ確率分布により上記探
知データ相関器で選択された探知データの信頼度を算出
する運動諸元及び属性による探知データ信頼度算出器
と、上記運動諸元及び属性による探知データ信頼度算出
器で算出された信頼度及び属性データにより追尾目標の
属性信頼度を算出する追尾目標属性信頼度算出器とを設
けたものである。
【0013】この発明の第5の発明は、時々刻々と更新
される追尾目標の属性信頼度及び探知データの属性情報
より追尾目標からの属性データ確率分布を算出する属性
データ確率分布算出器と、追尾目標からの運動諸元確率
分布及び上記追尾目標からの属性データ確率分布を使用
して算出された追尾目標からの探知データ確率分布によ
り追尾目標と相関の可能性のある探知データを選択する
探知データ相関器と、上記運動諸元及び属性による探知
データ信頼度算出器で算出された信頼度及び属性データ
により追尾目標の属性信頼度を算出する追尾目標属性信
頼度算出器とを設けたものである。
される追尾目標の属性信頼度及び探知データの属性情報
より追尾目標からの属性データ確率分布を算出する属性
データ確率分布算出器と、追尾目標からの運動諸元確率
分布及び上記追尾目標からの属性データ確率分布を使用
して算出された追尾目標からの探知データ確率分布によ
り追尾目標と相関の可能性のある探知データを選択する
探知データ相関器と、上記運動諸元及び属性による探知
データ信頼度算出器で算出された信頼度及び属性データ
により追尾目標の属性信頼度を算出する追尾目標属性信
頼度算出器とを設けたものである。
【0014】
【作用】この発明においては、探知データの観測位置等
の運動諸元に加えて目標の類識別結果等の属性データに
基づく相関判定を行うため、例えば、観測位置情報のみ
からだけでは追尾対象目標と相関の可能性があると判断
される探知データが、その属性情報は追尾対象目標の属
性とは大きく異なるような場合、これらの探知データを
排除し、より信頼性の高い探知データのみを追尾対象目
標と相関の可能性のある探知データとして選択すること
が可能である。
の運動諸元に加えて目標の類識別結果等の属性データに
基づく相関判定を行うため、例えば、観測位置情報のみ
からだけでは追尾対象目標と相関の可能性があると判断
される探知データが、その属性情報は追尾対象目標の属
性とは大きく異なるような場合、これらの探知データを
排除し、より信頼性の高い探知データのみを追尾対象目
標と相関の可能性のある探知データとして選択すること
が可能である。
【0015】また、相関器で選択された探知データに対
し運動諸元に加えて属性データに基づき信頼度を算出す
るため、例えば、目標予測存在範囲において目標予測位
置に近いために信頼度が高く算出される探知データが、
実は追尾対象目標以外の目標からの探知データで、その
属性データが追尾目標からの属性データ確率分布で低い
信頼度を取ったために全体として信頼度が押えられ、追
尾対象目標の探知データの信頼度が不当に低くなること
を避けるので、結果として目標追尾性能を向上させるこ
とが可能である。
し運動諸元に加えて属性データに基づき信頼度を算出す
るため、例えば、目標予測存在範囲において目標予測位
置に近いために信頼度が高く算出される探知データが、
実は追尾対象目標以外の目標からの探知データで、その
属性データが追尾目標からの属性データ確率分布で低い
信頼度を取ったために全体として信頼度が押えられ、追
尾対象目標の探知データの信頼度が不当に低くなること
を避けるので、結果として目標追尾性能を向上させるこ
とが可能である。
【0016】この発明の第1の発明においては、観測位
置精度が低く属性データの精度が高い目標観測装置で、
目標及びクラッタ等不要信号による探知データが多い環
境下で、精度の高い追尾が要求されている場合に対処す
るために、観測位置等の精度の低い運動諸元により追尾
目標との相関の可能性のある探知データを粗く選択した
後、上記の運動諸元の相関で選択された探知データの中
に他の目標やクラッタ等の不要信号による探知データが
残らないように、精度の高い属性データにより追尾目標
との相関の可能性のある探知データを厳密に選択し、ま
た、上記の相関処理で選択された探知データに対し他の
目標やクラッタ等の不要信号による探知データが追尾に
反映しないように、運動諸元だけではなく属性データに
基づき信頼度を算出している。
置精度が低く属性データの精度が高い目標観測装置で、
目標及びクラッタ等不要信号による探知データが多い環
境下で、精度の高い追尾が要求されている場合に対処す
るために、観測位置等の精度の低い運動諸元により追尾
目標との相関の可能性のある探知データを粗く選択した
後、上記の運動諸元の相関で選択された探知データの中
に他の目標やクラッタ等の不要信号による探知データが
残らないように、精度の高い属性データにより追尾目標
との相関の可能性のある探知データを厳密に選択し、ま
た、上記の相関処理で選択された探知データに対し他の
目標やクラッタ等の不要信号による探知データが追尾に
反映しないように、運動諸元だけではなく属性データに
基づき信頼度を算出している。
【0017】この発明の第2の発明においては、属性デ
ータの精度が低い目標観測装置で、目標及びクラッタ等
不要信号による探知データが多い環境下で多目標追尾を
行う場合に対処するために、観測位置等の運動諸元によ
り追尾目標との相関の可能性のある探知データを選択し
た後、上記の運動諸元の相関で選択された探知データの
中に他の目標やクラッタ等の不要信号による探知データ
が残らないように、属性データにより追尾目標との相関
の可能性のある探知データを選択し、また、上記の相関
処理で選択された探知データに対し精度の低い属性デー
タを用いずに運動諸元のみに基づき信頼度を算出してい
る。
ータの精度が低い目標観測装置で、目標及びクラッタ等
不要信号による探知データが多い環境下で多目標追尾を
行う場合に対処するために、観測位置等の運動諸元によ
り追尾目標との相関の可能性のある探知データを選択し
た後、上記の運動諸元の相関で選択された探知データの
中に他の目標やクラッタ等の不要信号による探知データ
が残らないように、属性データにより追尾目標との相関
の可能性のある探知データを選択し、また、上記の相関
処理で選択された探知データに対し精度の低い属性デー
タを用いずに運動諸元のみに基づき信頼度を算出してい
る。
【0018】この発明の第3の発明においては、観測位
置精度が高い目標観測装置で、サンプリング間隔が短
く、目標及びクラッタ等不要信号による探知データが少
ない環境下で、精度の高い追尾が要求されている場合に
対処するために、観測位置等の精度の高い運動諸元によ
り追尾目標との相関の可能性のある探知データを選択し
た後、計算機付加軽減のため属性データによる探知デー
タの相関処理は行わず、また、上記の運動諸元による相
関処理で選択された探知データに対し他の目標やクラッ
タ等の不要信号による探知データが追尾に反映しないよ
うに、運動諸元だけではなく属性データに基づき信頼度
を算出している。
置精度が高い目標観測装置で、サンプリング間隔が短
く、目標及びクラッタ等不要信号による探知データが少
ない環境下で、精度の高い追尾が要求されている場合に
対処するために、観測位置等の精度の高い運動諸元によ
り追尾目標との相関の可能性のある探知データを選択し
た後、計算機付加軽減のため属性データによる探知デー
タの相関処理は行わず、また、上記の運動諸元による相
関処理で選択された探知データに対し他の目標やクラッ
タ等の不要信号による探知データが追尾に反映しないよ
うに、運動諸元だけではなく属性データに基づき信頼度
を算出している。
【0019】この発明の第4の発明においては、観測位
置精度が低く属性データの精度が高い目標観測装置で、
目標及びクラッタ等不要信号による探知データが少ない
環境下で精度の高い追尾が要求されている場合に対処す
るために、観測位置等の運動諸元及び属性データを基に
算出される追尾目標からの探知データ確率分布により追
尾目標との相関の可能性のある探知データを選択し、ま
た、上記の相関処理で選択された探知データに対し他の
目標やクラッタ等の不要信号による探知データが追尾に
反映しないように、運動諸元だけではなく属性データに
基づき信頼度を算出している。
置精度が低く属性データの精度が高い目標観測装置で、
目標及びクラッタ等不要信号による探知データが少ない
環境下で精度の高い追尾が要求されている場合に対処す
るために、観測位置等の運動諸元及び属性データを基に
算出される追尾目標からの探知データ確率分布により追
尾目標との相関の可能性のある探知データを選択し、ま
た、上記の相関処理で選択された探知データに対し他の
目標やクラッタ等の不要信号による探知データが追尾に
反映しないように、運動諸元だけではなく属性データに
基づき信頼度を算出している。
【0020】この発明の第5の発明においては、属性デ
ータの精度が比較的低い目標観測装置で、目標及びクラ
ッタ等不要信号による探知データが少ない環境下で多目
標追尾を行う場合に対処するために、観測位置等の運動
諸元及び属性データを基に算出される追尾目標からの探
知データ確率分布により追尾目標との相関の可能性のあ
る探知データを選択し、また、上記の相関処理で選択さ
れた探知データに対し精度の低い属性データを用いずに
運動諸元のみに基づき信頼度を算出している。
ータの精度が比較的低い目標観測装置で、目標及びクラ
ッタ等不要信号による探知データが少ない環境下で多目
標追尾を行う場合に対処するために、観測位置等の運動
諸元及び属性データを基に算出される追尾目標からの探
知データ確率分布により追尾目標との相関の可能性のあ
る探知データを選択し、また、上記の相関処理で選択さ
れた探知データに対し精度の低い属性データを用いずに
運動諸元のみに基づき信頼度を算出している。
【0021】
【実施例】この発明による多目標追尾装置の一実施例に
ついて説明する。図1はこの発明の第1の発明の多目標
追尾装置の一実施例の構成を示す図、図2はこの発明の
第2の発明の多目標追尾装置の一実施例の構成を示す
図、図3はこの発明の第3の発明の多目標追尾装置の一
実施例の構成を示す図、図4はこの発明の第4の発明の
多目標追尾装置の一実施例の構成を示す図、図5はこの
発明の第5の発明の多目標追尾装置の一実施例の構成を
示す図である。また、図6はこの発明の第1の発明の多
目標追尾装置の一実施例を補足する図、図7はこの発明
の第2の発明の多目標追尾装置の一実施例を補足する
図、図8はこの発明の第3の発明の多目標追尾装置の一
実施例を補足する図、図9はこの発明の第4の発明の多
目標追尾装置の一実施例を補足する図、図10はこの発
明の第5の発明の多目標追尾装置の一実施例を補足する
図である。なお、図6、図7、図8、図9、図10は、
それぞれ順番に図1、図2、図3、図4、図5の各多目
標追尾装置の説明を補足するための処理手順である。
ついて説明する。図1はこの発明の第1の発明の多目標
追尾装置の一実施例の構成を示す図、図2はこの発明の
第2の発明の多目標追尾装置の一実施例の構成を示す
図、図3はこの発明の第3の発明の多目標追尾装置の一
実施例の構成を示す図、図4はこの発明の第4の発明の
多目標追尾装置の一実施例の構成を示す図、図5はこの
発明の第5の発明の多目標追尾装置の一実施例の構成を
示す図である。また、図6はこの発明の第1の発明の多
目標追尾装置の一実施例を補足する図、図7はこの発明
の第2の発明の多目標追尾装置の一実施例を補足する
図、図8はこの発明の第3の発明の多目標追尾装置の一
実施例を補足する図、図9はこの発明の第4の発明の多
目標追尾装置の一実施例を補足する図、図10はこの発
明の第5の発明の多目標追尾装置の一実施例を補足する
図である。なお、図6、図7、図8、図9、図10は、
それぞれ順番に図1、図2、図3、図4、図5の各多目
標追尾装置の説明を補足するための処理手順である。
【0022】以下、この発明の一実施例を図1〜図10
に従い説明する前に、この発明の根拠となる理論の骨子
を説明する。
に従い説明する前に、この発明の根拠となる理論の骨子
を説明する。
【0023】目標の真値を表す状態ベクトルを式(1)
のように定義する。なお、以降ベクトルを表す記号にイ
メージ入力部ではアンダーラインを付し、コード入力部
では例えばベクトルxk のように記号の前に“ベクト
ル”を付して表す。
のように定義する。なお、以降ベクトルを表す記号にイ
メージ入力部ではアンダーラインを付し、コード入力部
では例えばベクトルxk のように記号の前に“ベクト
ル”を付して表す。
【0024】
【数1】
【0025】式(1)において、目標の真値を表す状態
ベクトルは、目標の位置及び速度等の運動諸元の真値を
表す状態ベクトルxk,track と、目標の類識別結果の属
性データの真値を表す状態ベクトルxidを成分とするベ
クトルとする。また、追尾目標の運動モデルは式(2)
のように定義する。
ベクトルは、目標の位置及び速度等の運動諸元の真値を
表す状態ベクトルxk,track と、目標の類識別結果の属
性データの真値を表す状態ベクトルxidを成分とするベ
クトルとする。また、追尾目標の運動モデルは式(2)
のように定義する。
【0026】
【数2】
【0027】式(2)において、ベクトルxk,track は
サンプリング時刻tk における目標運動諸元の真値を表
す状態ベクトルで、式(3)に示すように直交座標にお
ける目標位置及び目標速度を成分とするベクトルとす
る。ここで、Φk-1 はサンプリング時刻tk-1 よりtk
への状態ベクトルのベクトルxk,track の推移行列で目
標が等速直進運動を行うとした場合式(4)及び式
(5)で与えられる。ベクトルwk はサンプリング時刻
tk における駆動雑音ベクトルであり、平均ベクトルO
の3次元正規分布白色雑音で、Eを平均を表す記号とし
て式(6)、式(7)を満たすものとする。ここで記号
Tはベクトルの転地を表す。Γk はサンプリング時刻t
k における駆動雑音ベクトルの変換行列であり、例えば
目標の運動モデルを等速直進運動と仮定したことによる
打ち切り誤差項をΓk-1 ベクトルwk-1とみればベクト
ルwk は加速度ベクトル相当であり、Γk は式(8)の
ようになる。
サンプリング時刻tk における目標運動諸元の真値を表
す状態ベクトルで、式(3)に示すように直交座標にお
ける目標位置及び目標速度を成分とするベクトルとす
る。ここで、Φk-1 はサンプリング時刻tk-1 よりtk
への状態ベクトルのベクトルxk,track の推移行列で目
標が等速直進運動を行うとした場合式(4)及び式
(5)で与えられる。ベクトルwk はサンプリング時刻
tk における駆動雑音ベクトルであり、平均ベクトルO
の3次元正規分布白色雑音で、Eを平均を表す記号とし
て式(6)、式(7)を満たすものとする。ここで記号
Tはベクトルの転地を表す。Γk はサンプリング時刻t
k における駆動雑音ベクトルの変換行列であり、例えば
目標の運動モデルを等速直進運動と仮定したことによる
打ち切り誤差項をΓk-1 ベクトルwk-1とみればベクト
ルwk は加速度ベクトル相当であり、Γk は式(8)の
ようになる。
【0028】
【数3】
【0029】また、追尾目標の属性データベクトルxid
は、式(9)のように定義する。ここでT1 ,…,TN
は目標の属性であり、ベクトルxidはT1 ,…,TN の
いずれか1つである。また、式(9)が真であるとの仮
説を式(10)とする。
は、式(9)のように定義する。ここでT1 ,…,TN
は目標の属性であり、ベクトルxidはT1 ,…,TN の
いずれか1つである。また、式(9)が真であるとの仮
説を式(10)とする。
【0030】
【数4】
【0031】次に観測系モデルを以下のように定義す
る。追尾対象目標よりの探知データはサンプリング時刻
tk において高々1つ得られるとし、その探知データを
式(11)とする。ここで、ベクトルzk,track は目標
の観測位置に関する観測ベクトルである。また、ベクト
ルzk,idは属性データに関する観測ベクトルである。
る。追尾対象目標よりの探知データはサンプリング時刻
tk において高々1つ得られるとし、その探知データを
式(11)とする。ここで、ベクトルzk,track は目標
の観測位置に関する観測ベクトルである。また、ベクト
ルzk,idは属性データに関する観測ベクトルである。
【0032】
【数5】
【0033】追尾目標の観測位置に関する観測系モデル
を式(12)のように定義する。ここで、ベクトルz
k,track は式(13)に示すようにサンプリング時刻t
k において直交座標による目標観測位置の観測値で構成
される目標観測ベクトルであり、Hk はサンプリング時
刻tk における観測行列で式(14)のように表され
る。また、ベクトルvk はサンプリング時刻tk におけ
る目標観測ベクトルに対応した観測雑音ベクトルで、平
均ベクトルOの3次元正規白色雑音であり式(15)及
び式(16)を満たすものとする。なお、Rk はサンプ
リング時刻tk における観測雑音共分散行列である。
を式(12)のように定義する。ここで、ベクトルz
k,track は式(13)に示すようにサンプリング時刻t
k において直交座標による目標観測位置の観測値で構成
される目標観測ベクトルであり、Hk はサンプリング時
刻tk における観測行列で式(14)のように表され
る。また、ベクトルvk はサンプリング時刻tk におけ
る目標観測ベクトルに対応した観測雑音ベクトルで、平
均ベクトルOの3次元正規白色雑音であり式(15)及
び式(16)を満たすものとする。なお、Rk はサンプ
リング時刻tk における観測雑音共分散行列である。
【0034】
【数6】
【0035】追尾目標からの属性データベクトルzk,id
は属性Ta として与えられ、これに仮説Ja のもとでの
属性データの信頼度が式(17)に示す条件付き確率が
付加されるとする。ここでCjaはTa が真としたとき
に、Tj と観測される確率である。なお、Cjaは式(1
8)を満たす。
は属性Ta として与えられ、これに仮説Ja のもとでの
属性データの信頼度が式(17)に示す条件付き確率が
付加されるとする。ここでCjaはTa が真としたとき
に、Tj と観測される確率である。なお、Cjaは式(1
8)を満たす。
【0036】
【数7】
【0037】例えば、式(19)が追尾目標の属性の全
てであるとすると、式(20)、式(21)、式(2
2)、式(23)が属性データの信頼度として得られ
る。
てであるとすると、式(20)、式(21)、式(2
2)、式(23)が属性データの信頼度として得られ
る。
【0038】
【数8】
【0039】追尾対象目標以外からの探知データは空間
に一様に分布しているとし、サンプリング時刻tk 単位
体積当りの発生頻度をβFT k とし、追尾目標と相関をと
るべき目標予測存在範囲の体積をVGkとしたとき、追尾
対象目標以外からの探知データが目標予測存在範囲内に
存在する総数は平均βFT k VGkのポアソン分布に従うと
する。
に一様に分布しているとし、サンプリング時刻tk 単位
体積当りの発生頻度をβFT k とし、追尾目標と相関をと
るべき目標予測存在範囲の体積をVGkとしたとき、追尾
対象目標以外からの探知データが目標予測存在範囲内に
存在する総数は平均βFT k VGkのポアソン分布に従うと
する。
【0040】サンプリング時刻tk における追尾目標と
相関をとるべき目標予測存在範囲内の探知データの総数
をmk 、探知データの全体をベクトルzk,1 ,ベクトル
zk,2 ,…,ベクトルzk,mkで式(24)のように定義
し、式(25)のように書き、さらにサンプリング時刻
t1 からtk までの探知データの全体をZk 、すなわち
式(26)と書く。また、サンプリング時刻t1 からt
k までの探知データ数全体の情報をMk 、すなわち式
(27)と書く。また、追尾対象目標から1回も探知デ
ータが得られていない状態をNSと書く。
相関をとるべき目標予測存在範囲内の探知データの総数
をmk 、探知データの全体をベクトルzk,1 ,ベクトル
zk,2 ,…,ベクトルzk,mkで式(24)のように定義
し、式(25)のように書き、さらにサンプリング時刻
t1 からtk までの探知データの全体をZk 、すなわち
式(26)と書く。また、サンプリング時刻t1 からt
k までの探知データ数全体の情報をMk 、すなわち式
(27)と書く。また、追尾対象目標から1回も探知デ
ータが得られていない状態をNSと書く。
【0041】
【数9】
【0042】次に追尾対象目標からの探知データの確率
分布について示す。探知データベクトルzk,i が追尾対
象目標からの探知データのとき、この確率分布を式(2
4)に対し条件付き確率密度関数で表すと式(28)の
ようになる。ここで、P(ベクトルzk,id(i)|Z
k-1 )は追尾対象目標からの属性データの確率分布であ
り、P(ベクトルzk,track (i)|Zk-1 )は追尾対
象目標からの位置等の運動諸元の確率分布である。
分布について示す。探知データベクトルzk,i が追尾対
象目標からの探知データのとき、この確率分布を式(2
4)に対し条件付き確率密度関数で表すと式(28)の
ようになる。ここで、P(ベクトルzk,id(i)|Z
k-1 )は追尾対象目標からの属性データの確率分布であ
り、P(ベクトルzk,track (i)|Zk-1 )は追尾対
象目標からの位置等の運動諸元の確率分布である。
【0043】
【数10】
【0044】追尾対象目標からの運動諸元の確率分布
は、式(29)に示すような条件付き確率密度関数で表
されるとする。すなわち、追尾対象目標からの探知デー
タは、式(30)で与えられる目標予測位置ベクトルz
k (−)を平均とし、式(31)で与えられるSk を共
分散行列とする3次元正規分布に従うとする。ここで、
ベクトルx^k (−)は予測値で式(32)のように表
され、Pk (−)は予測誤差共分散行列で式(33)の
ように表される。
は、式(29)に示すような条件付き確率密度関数で表
されるとする。すなわち、追尾対象目標からの探知デー
タは、式(30)で与えられる目標予測位置ベクトルz
k (−)を平均とし、式(31)で与えられるSk を共
分散行列とする3次元正規分布に従うとする。ここで、
ベクトルx^k (−)は予測値で式(32)のように表
され、Pk (−)は予測誤差共分散行列で式(33)の
ように表される。
【0045】
【数11】
【0046】追尾対象目標からの属性データの確率分布
は、サンプリング時刻tk-1 までの情報Zk-1 の基で属
性データベクトルzk,id(i)が得られる条件付き確率
密度関数で、式(34)で表されるとする。ここで、P
(ベクトルzk,id(i)|Ja )は式(17)に示され
る目標観測装置で観測された属性データの仮説Ja に対
して入力される信頼度で、P(Ja |Zk-1 )はサンプ
リング時刻tk-1 までの情報Zk-1 に基づく仮説Ja の
信頼度、すなわち追尾対象目標の属性信頼度である。ま
た、追尾対象目標から1回も探知データが得られていな
い状態での追尾目標からの属性データの確率分布は、式
(35)に示すような確率密度関数で表されるとする。
ここで、P(Ja )は仮説Ja の初期値である。
は、サンプリング時刻tk-1 までの情報Zk-1 の基で属
性データベクトルzk,id(i)が得られる条件付き確率
密度関数で、式(34)で表されるとする。ここで、P
(ベクトルzk,id(i)|Ja )は式(17)に示され
る目標観測装置で観測された属性データの仮説Ja に対
して入力される信頼度で、P(Ja |Zk-1 )はサンプ
リング時刻tk-1 までの情報Zk-1 に基づく仮説Ja の
信頼度、すなわち追尾対象目標の属性信頼度である。ま
た、追尾対象目標から1回も探知データが得られていな
い状態での追尾目標からの属性データの確率分布は、式
(35)に示すような確率密度関数で表されるとする。
ここで、P(Ja )は仮説Ja の初期値である。
【0047】
【数12】
【0048】次に、探知データにおける位置等の運動諸
元と追尾目標の相関方法について示す。探知データベク
トルzk,i の成分である観測位置ベクトルベクトルz
k,track (i)がdをパラメータとして式(36)を満
たすとき、探知データベクトルzk,i は追尾目標と相関
があると判定される。
元と追尾目標の相関方法について示す。探知データベク
トルzk,i の成分である観測位置ベクトルベクトルz
k,track (i)がdをパラメータとして式(36)を満
たすとき、探知データベクトルzk,i は追尾目標と相関
があると判定される。
【0049】
【数13】
【0050】図13は、簡単な例として探知データの次
元が2次元の場合について式(36)による探知データ
と追尾目標との相関を説明する図であり、図においてP
は追尾目標からの観測が予測される点である式(30)
のベクトルzk (−)、Qは相関をとるべき目標予測存
在範囲の内外を定める境界線でパラメータd及び式(3
1)のSk より線形代数学より算出され、D1〜D6は
探知データである。
元が2次元の場合について式(36)による探知データ
と追尾目標との相関を説明する図であり、図においてP
は追尾目標からの観測が予測される点である式(30)
のベクトルzk (−)、Qは相関をとるべき目標予測存
在範囲の内外を定める境界線でパラメータd及び式(3
1)のSk より線形代数学より算出され、D1〜D6は
探知データである。
【0051】追尾対象目標が相関をとるべき目標予測存
在範囲内存在する確率を式(37)に示すようにPGkと
書く。ここで、Gk は式(38)で表される目標予測存
在範囲の領域である。なお、確率論によりPGkはdの値
によって一意的に定まる。
在範囲内存在する確率を式(37)に示すようにPGkと
書く。ここで、Gk は式(38)で表される目標予測存
在範囲の領域である。なお、確率論によりPGkはdの値
によって一意的に定まる。
【0052】
【数14】
【0053】次に、探知データにおける属性データと追
尾目標の相関方法について示す。探知データベクトルz
k,i の成分である属性データベクトルzk,id(i)がc
をパラメータとして式(39)を満たすとき、探知デー
タベクトルzk,i は式(36)を満たしていても、追尾
目標と相関がない探知データであると判定される。ここ
で、式(39)の右辺は式(34)で与えられる追尾目
標からの属性データ確率分布における確率密度である。
尾目標の相関方法について示す。探知データベクトルz
k,i の成分である属性データベクトルzk,id(i)がc
をパラメータとして式(39)を満たすとき、探知デー
タベクトルzk,i は式(36)を満たしていても、追尾
目標と相関がない探知データであると判定される。ここ
で、式(39)の右辺は式(34)で与えられる追尾目
標からの属性データ確率分布における確率密度である。
【0054】
【数15】
【0055】図14は、簡単な2次元の例として式(3
9)による目標予測存在範囲内に存在する探知データと
追尾目標との相関を説明する図であり、図において探知
データD2及びD3は式(39)を満たし、目標予測存
在範囲内に存在しているが追尾目標と相関がないと判定
される。
9)による目標予測存在範囲内に存在する探知データと
追尾目標との相関を説明する図であり、図において探知
データD2及びD3は式(39)を満たし、目標予測存
在範囲内に存在しているが追尾目標と相関がないと判定
される。
【0056】サンプリング時刻tk において、1つの探
知データベクトルzk,i が追尾目標からの観測ベクトル
であるとの仮説をχk,i と書く。このときベクトルz
k,i 以外の探知データは追尾目標以外、例えばクラッタ
等の不要信号からの探知データと仮定している。また、
追尾目標より観測ベクトルが得られないとの仮説をχ
k,o と書く。サンプリング時刻tk までの情報Zk によ
り仮説χk,i が真である確率、すなわち仮説χk,i の信
頼度をβk,i と書く。ここで、確率論より式(40)が
成立する。
知データベクトルzk,i が追尾目標からの観測ベクトル
であるとの仮説をχk,i と書く。このときベクトルz
k,i 以外の探知データは追尾目標以外、例えばクラッタ
等の不要信号からの探知データと仮定している。また、
追尾目標より観測ベクトルが得られないとの仮説をχ
k,o と書く。サンプリング時刻tk までの情報Zk によ
り仮説χk,i が真である確率、すなわち仮説χk,i の信
頼度をβk,i と書く。ここで、確率論より式(40)が
成立する。
【0057】
【数16】
【0058】以下に、探知データにおける位置等の運動
諸元及び属性データを用いて各仮説の信頼度を算出する
方法について示す。サンプリング時刻tk において探知
データが得られた時点での仮説χk,o が正しいとの信頼
度βk,o は、サンプリング時刻tk で探知データが得ら
れない時点において仮説χk,o の探知データが得られる
信頼度に、得られたmk 個の探知データ全てが追尾目標
以外からの探知データであるとの信頼度を乗算した値に
比例すると考えてよい。また、サンプリング時刻tk に
おいて探知データが得られた時点での仮説χk,i が正し
いとの信頼度βk,i は、サンプリング時刻tk で探知デ
ータが得られない時点において仮説χk,i の探知データ
が得られる信頼度に、得られた探知データベクトルz
k,i が追尾目標からの探知データで、mk −1個の探知
データが追尾目標以外からの探知データであるとの信頼
度を乗算した値に比例すると考えてよい。
諸元及び属性データを用いて各仮説の信頼度を算出する
方法について示す。サンプリング時刻tk において探知
データが得られた時点での仮説χk,o が正しいとの信頼
度βk,o は、サンプリング時刻tk で探知データが得ら
れない時点において仮説χk,o の探知データが得られる
信頼度に、得られたmk 個の探知データ全てが追尾目標
以外からの探知データであるとの信頼度を乗算した値に
比例すると考えてよい。また、サンプリング時刻tk に
おいて探知データが得られた時点での仮説χk,i が正し
いとの信頼度βk,i は、サンプリング時刻tk で探知デ
ータが得られない時点において仮説χk,i の探知データ
が得られる信頼度に、得られた探知データベクトルz
k,i が追尾目標からの探知データで、mk −1個の探知
データが追尾目標以外からの探知データであるとの信頼
度を乗算した値に比例すると考えてよい。
【0059】サンプリング時刻tk で探知データが得ら
れない時点において仮説χk,o の探知データが得られる
信頼度は、目標予測存在範囲から探知データが得られな
い確率1−PD PGkに、追尾目標以外からの探知データ
がmk 個得られる信頼度を乗算した値に比例すると考え
られ、式(41)によりもとまる。ここで、目標が探知
される確率をPD とすれば、追尾目標が目標予測存在範
囲内に存在して探知される確率はPD PGkであり、ま
た、目標予測存在範囲内の追尾目標以外からの探知デー
タの総数は、平均βFT k VGkのポアソン分布に従いもと
められている。サンプリング時刻tk で探知データが得
られない時点において仮説χk,i の探知データが得られ
る信頼度は、目標予測存在範囲から追尾目標が探知され
る確率PDPGkに、追尾目標以外からの探知データがm
k −1個得られる信頼度を乗算した値に比例すると考え
られ、式(42)によりもとまる。
れない時点において仮説χk,o の探知データが得られる
信頼度は、目標予測存在範囲から探知データが得られな
い確率1−PD PGkに、追尾目標以外からの探知データ
がmk 個得られる信頼度を乗算した値に比例すると考え
られ、式(41)によりもとまる。ここで、目標が探知
される確率をPD とすれば、追尾目標が目標予測存在範
囲内に存在して探知される確率はPD PGkであり、ま
た、目標予測存在範囲内の追尾目標以外からの探知デー
タの総数は、平均βFT k VGkのポアソン分布に従いもと
められている。サンプリング時刻tk で探知データが得
られない時点において仮説χk,i の探知データが得られ
る信頼度は、目標予測存在範囲から追尾目標が探知され
る確率PDPGkに、追尾目標以外からの探知データがm
k −1個得られる信頼度を乗算した値に比例すると考え
られ、式(42)によりもとまる。
【0060】
【数17】
【0061】次に、サンプリング時刻tk で探知データ
が得られた時点において、仮説に基づき得られた全探知
データZk に対しての信頼度を示す。得られた1つの探
知データが追尾目標以外からの探知データである信頼度
は、サンプリング時刻tk-1までの情報Zk-1 に基づき
一様分布の仮定及び式(35)で示される追尾対象目標
から1回も探知データが得られていない状態での追尾目
標からの属性データの確率分布より式(43)で与えら
れる。また、得られた1つの探知データが追尾目標から
の探知データである信頼度は、目標予測存在範囲内に存
在するとの前提で、式(37)のPGk及び式(29)の
追尾目標からの運動諸元の確率分布より式(44)で与
えられる。サンプリング時刻tk において仮説χk,o に
基づき得られる全探知データZk がmk 個の追尾目標以
外よりの観測ベクトルである信頼度、すなわちサンプリ
ング時刻tk-1 までの情報Zk-1 及び仮説χk,o に基づ
く全探知データZk の信頼度は、式(43)より式(4
5)で与えられる。また、サンプリング時刻tk におい
て仮説χk,i に基づき得られる全探知データZk の内、
1つの探知データが追尾目標からの探知データで、かつ
mk −1個の探知データが追尾目標以外からの探知デー
タである信頼度、すなわちサンプリング時刻tk-1 まで
の情報Zk-1 及び仮説χk,i に基づく全探知データZk
の信頼度は、式(43)及び(44)より式(46)で
与えられる。
が得られた時点において、仮説に基づき得られた全探知
データZk に対しての信頼度を示す。得られた1つの探
知データが追尾目標以外からの探知データである信頼度
は、サンプリング時刻tk-1までの情報Zk-1 に基づき
一様分布の仮定及び式(35)で示される追尾対象目標
から1回も探知データが得られていない状態での追尾目
標からの属性データの確率分布より式(43)で与えら
れる。また、得られた1つの探知データが追尾目標から
の探知データである信頼度は、目標予測存在範囲内に存
在するとの前提で、式(37)のPGk及び式(29)の
追尾目標からの運動諸元の確率分布より式(44)で与
えられる。サンプリング時刻tk において仮説χk,o に
基づき得られる全探知データZk がmk 個の追尾目標以
外よりの観測ベクトルである信頼度、すなわちサンプリ
ング時刻tk-1 までの情報Zk-1 及び仮説χk,o に基づ
く全探知データZk の信頼度は、式(43)より式(4
5)で与えられる。また、サンプリング時刻tk におい
て仮説χk,i に基づき得られる全探知データZk の内、
1つの探知データが追尾目標からの探知データで、かつ
mk −1個の探知データが追尾目標以外からの探知デー
タである信頼度、すなわちサンプリング時刻tk-1 まで
の情報Zk-1 及び仮説χk,i に基づく全探知データZk
の信頼度は、式(43)及び(44)より式(46)で
与えられる。
【0062】
【数18】
【0063】従って、サンプリング時刻tk までの情報
Zk に基づく仮説χk,o の信頼度βk,o は、式(41)
及び式(45)を乗算した値に比例すると考えてよく、
またサンプリング時刻tk までの情報Zk に基づく仮説
χk,i の信頼度βk,i は、式(42)及び式(46)を
乗算した値に比例すると考えてよく、式(40)を使用
して正規化を行い式(47)〜(49)を得る。
Zk に基づく仮説χk,o の信頼度βk,o は、式(41)
及び式(45)を乗算した値に比例すると考えてよく、
またサンプリング時刻tk までの情報Zk に基づく仮説
χk,i の信頼度βk,i は、式(42)及び式(46)を
乗算した値に比例すると考えてよく、式(40)を使用
して正規化を行い式(47)〜(49)を得る。
【0064】
【数19】
【0065】次に、サンプリング時刻tk における追尾
目標の属性信頼度を示す。追尾目標の属性信頼度は、式
(50)で示すサンプリング時刻tk において探知デー
タベクトルzk,id(i)が得られた時点の仮説Ja の信
頼度を、探知データの信頼度βk,i により重み付け平均
した値であり、式(51)で与えられる。ここで、サン
プリング時刻tk において1つの探知データベクトルz
k,id(i)が得られた時点の仮説Ja の信頼度は、1サ
ンプリング前の追尾目標の信頼度P(Ja |Zk-1 )
に、目標観測装置で観測された探知データの仮説Ja に
対して入力される信頼度P(ベクトルzk,id(i)|J
a )を乗算した値に比例すると考えてよく、確率論より
式(52)が成立するので、式(52)を用いて正規化
することにより式(50)を得る。
目標の属性信頼度を示す。追尾目標の属性信頼度は、式
(50)で示すサンプリング時刻tk において探知デー
タベクトルzk,id(i)が得られた時点の仮説Ja の信
頼度を、探知データの信頼度βk,i により重み付け平均
した値であり、式(51)で与えられる。ここで、サン
プリング時刻tk において1つの探知データベクトルz
k,id(i)が得られた時点の仮説Ja の信頼度は、1サ
ンプリング前の追尾目標の信頼度P(Ja |Zk-1 )
に、目標観測装置で観測された探知データの仮説Ja に
対して入力される信頼度P(ベクトルzk,id(i)|J
a )を乗算した値に比例すると考えてよく、確率論より
式(52)が成立するので、式(52)を用いて正規化
することにより式(50)を得る。
【0066】
【数20】
【0067】以下に、平滑及び予測処理の方法について
示す。すなわち、通常のカルマンフィルタ理論により式
(53)〜(57)となる。ここで、ベクトルx^
k (+)は式(58)のように定義されている平滑ベク
トルで、Pk (+)は式(59)のように定義されてい
る平滑誤差共分散行列、Kk はカルマンゲイン行列であ
る。
示す。すなわち、通常のカルマンフィルタ理論により式
(53)〜(57)となる。ここで、ベクトルx^
k (+)は式(58)のように定義されている平滑ベク
トルで、Pk (+)は式(59)のように定義されてい
る平滑誤差共分散行列、Kk はカルマンゲイン行列であ
る。
【0068】
【数21】
【0069】全ての探知データの仮説の基での目標位
置、速度の平滑ベクトルは、各仮説の基でもとめた平滑
ベクトルを各仮説の信頼度を用いて統合することによっ
て算出される。式(59)に示す平滑ベクトルは式(6
0)のように展開され、各仮説に式(55)を適用した
場合の平滑ベクトルをベクトルx^k,i (+)とする
と、式(60)は式(61)及び(62)のようにな
る。各仮説の平滑ベクトルは、仮説χk,o の場合には追
尾目標から観測値が得られない仮説なのでメモリートラ
ックとなり式(63)のようになり、仮説χk,i の場合
には探知データベクトルzk,i が1つ得られた仮説なの
で式(55)の通常のカルマンフィルタ理論を使用して
式(64)のようになる。したがって、式(61)に式
(63)及び(64)を代入して式(65)が得られ
る。
置、速度の平滑ベクトルは、各仮説の基でもとめた平滑
ベクトルを各仮説の信頼度を用いて統合することによっ
て算出される。式(59)に示す平滑ベクトルは式(6
0)のように展開され、各仮説に式(55)を適用した
場合の平滑ベクトルをベクトルx^k,i (+)とする
と、式(60)は式(61)及び(62)のようにな
る。各仮説の平滑ベクトルは、仮説χk,o の場合には追
尾目標から観測値が得られない仮説なのでメモリートラ
ックとなり式(63)のようになり、仮説χk,i の場合
には探知データベクトルzk,i が1つ得られた仮説なの
で式(55)の通常のカルマンフィルタ理論を使用して
式(64)のようになる。したがって、式(61)に式
(63)及び(64)を代入して式(65)が得られ
る。
【0070】
【数22】
【0071】上記、全ての探知データの仮説の基での目
標位置、速度の平滑ベクトルの平滑誤差共分散行列は以
下のように算出される。条件付き共分散行列の理論に式
(58)を適用して式(66)が得られる。また、式
(40)(60)(62)より式(67)が得られる。
ここで、P' k (+)は各仮説に対する平滑誤差共分散
行列で、式(68)のように定義され、式(64)が通
常のカルマンフィルタ理論により求まることにより式
(69)のようになる。式(66)に式(67)及び式
(63)〜(65)を代入して整理すると式(70)〜
(72)が得られる。
標位置、速度の平滑ベクトルの平滑誤差共分散行列は以
下のように算出される。条件付き共分散行列の理論に式
(58)を適用して式(66)が得られる。また、式
(40)(60)(62)より式(67)が得られる。
ここで、P' k (+)は各仮説に対する平滑誤差共分散
行列で、式(68)のように定義され、式(64)が通
常のカルマンフィルタ理論により求まることにより式
(69)のようになる。式(66)に式(67)及び式
(63)〜(65)を代入して整理すると式(70)〜
(72)が得られる。
【0072】
【数23】
【0073】上記、全ての探知データの仮説の基での目
標位置、速度の平滑ベクトルの予測誤差共分散行列は、
式(53)及び(54)に表される通常のカルマンフィ
ルタ理論による式で算出される。
標位置、速度の平滑ベクトルの予測誤差共分散行列は、
式(53)及び(54)に表される通常のカルマンフィ
ルタ理論による式で算出される。
【0074】次にこの発明の第1の発明を図1及び図6
に従って説明する。目標観測装置1より得られる目標位
置等の運動諸元及び属性の情報を基に通常のカルマンフ
ィルタ理論に基づき、目標の位置、速度の平滑値及び平
滑誤差共分散行列の初期値を設定し(ステップ20)、
等速直進運動モデルを設定した(ステップ21)後、等
速直線運動モデルによる予測器14において等速直進モ
デルによる平滑器13より入力される平滑値ベクトルx
k-1 (+)により式(53)に従い予測値ベクトルxk
(−)を算出し、また等速直線運動モデルによる予測誤
差評価器10において、等速直線運動モデルによる平滑
誤差評価器9より入力される平滑誤差共分散行列Pk-1
(+)及びあらかじめ設定された式(7)の駆動雑音共
分散行列Qk-1 より式(54)に従い予測誤差共分散行
列Pk (−)を算出し(ステップ22)、次に目標観測
装置1より目標及びクラッタ等の信号検出結果である位
置等の運動諸元ベクトルzk,track (i)と信号分析結
果である目標の類識別結果等の属性データベクトルz
k,id(i)よりなる探知データベクトルzk,i を入力し
(ステップ23)、運動諸元確率分布算出器3におい
て、現時刻より1サンプリング前に算出した式(53)
の予測値ベクトルx^k (−)を第1の遅延回路15を
通して等速直線運動モデルによる予測器14から入力し
て、追尾目標からの運動諸元の確率分布の平均値である
ベクトルzk (−)を式(30)により算出し、現時刻
より1サンプリング前に算出した式(54)の予測誤差
共分散行列Pk (−)を第3の遅延回路11を通して等
速直線運動モデルによる予測誤差評価器10から入力
し、これとあらかじめ設定された式(16)の観測誤差
共分散行列Rk より追尾目標からの運動諸元の確率分布
の広がりSk を式(31)を用いて算出し、ベクトルz
k (−)及びSk により式(29)に表される追尾目標
からの運動諸元の確率分布を求め(ステップ24)、属
性データ確率分布算出器4において、1サンプリング前
に算出した追尾目標の属性の信頼度P(Ja |Zk-1 )
またはその初期値P(Ja |NS)を第2の遅延回路1
7を通して追尾目標属性信頼度算出器16より入力し
(ステップ25)、これと目標観測装置1より属性デー
タベクトルzk,id(i)と共に入力される仮説Ja の基
での属性データベクトルzk,id(i)の信頼度により式
(34)及び(35)を用いて追尾目標からの属性デー
タの確率分布を算出し(ステップ26)、次に運動諸元
相関器5において、運動諸元確率分布算出器3より入力
される式(29)の確率分布とあらかじめ設定されたパ
ラメータdにより式(36)を使用して追尾目標と相関
の可能性のある探知データを選択し(ステップ27)、
また属性相関器6において、属性データ確率分布算出器
4より入力される式(34)及び(35)の追尾目標か
らの属性データの確率分布とあらかじめ設定されたパラ
メータcにより式(39)を使用して追尾目標と相関の
可能性のあるmk 個の探知データを選択し、これを式
(25)のZk とし(ステップ28)、このZk の各探
知データベクトルzk,i に対して探知データ仮説生成器
7で探知データの仮説χk,i を生成し(ステップ2
9)、運動諸元及び属性による探知データ信頼度算出器
8において、運動諸元確率分布算出器3から入力された
式(29)の確率分布と、属性データ確率分布算出器4
より入力された式(34)及び(35)の確率分布と、
あらかじめ設定された探知確率PD 及び目標予測存在範
囲内に存在する確率PGkにより式(47)〜(49)に
従い探知データの仮説の信頼度を算出し(ステップ3
0)、追尾目標属性信頼度算出器16において、式(4
7)〜(49)の探知データの仮説信頼度を入力し、目
標観測装置1より仮説Ja の基での属性データベクトル
zk,id(i)の信頼度を入力し、現時刻より1サンプリ
ング前に追尾目標属性信頼度算出器16で算出された追
尾目標の属性信頼度P(Ja |Zk-1 )を第2の遅延回
路17を通して入力し、式(50)及び(51)により
追尾目標の属性信頼度P(Ja |Zk )を算出し(ステ
ップ31)、ゲイン行列算出器において、現時刻より1
サンプリング前に算出した式(54)の予測誤差共分散
行列Pk (−)を第3の遅延回路11を通して等速直進
運動モデルによる予測誤差評価器10より入力し、あら
かじめ設定された式(16)の観測誤差共分散行列Rk
より式(57)に従いゲイン行列を算出し、等速直進運
動モデルによる平滑器13において、式(57)のゲイ
ン行列を入力し、運動諸元及び属性による探知データ信
頼度算出器8から式(47)〜(49)の探知データの
仮説信頼度を入力し、現時刻より1サンプリング前に算
出された予測値ベクトルx^k (−)を第1の遅延回路
15を通して等速直線運動モデルによる予測器14から
入力し、運動諸元相関器5及び属性データ相関器22に
おいて追尾目標と相関の可能性があるとして選択された
mk 個の探知データzk,i を入力し、式(65)により
平滑値ベクトルxk (+)を算出し、また等速直進運動
モデルによる平滑誤差評価器9において、ゲイン行列算
出器12より式(57)のゲイン行列を入力し、運動諸
元及び属性による探知データ信頼度算出器8から式(4
7)〜(49)の探知データの仮説信頼度を入力し、現
時刻より1サンプリング前に算出された予測値ベクトル
x^k (−)を第1の遅延回路15を通して等速直線運
動モデルによる予測器14から入力し、現時刻より1サ
ンプリング前に算出された式(54)の予測誤差共分散
行列Pk (−)を第3の遅延回路11を通して等速直線
運動モデルによる予測誤差評価器10から入力し、運動
諸元相関器5及び属性データ相関器6において追尾目標
と相関の可能性があるとして選択されたmk 個の探知デ
ータベクトルzk,i を入力し、式(70)〜(72)に
より平滑誤差共分散行列Pk (+)を算出し(ステップ
32)、追尾終了になるまでこの一連の流れを繰り返す
(ステップ33)。
に従って説明する。目標観測装置1より得られる目標位
置等の運動諸元及び属性の情報を基に通常のカルマンフ
ィルタ理論に基づき、目標の位置、速度の平滑値及び平
滑誤差共分散行列の初期値を設定し(ステップ20)、
等速直進運動モデルを設定した(ステップ21)後、等
速直線運動モデルによる予測器14において等速直進モ
デルによる平滑器13より入力される平滑値ベクトルx
k-1 (+)により式(53)に従い予測値ベクトルxk
(−)を算出し、また等速直線運動モデルによる予測誤
差評価器10において、等速直線運動モデルによる平滑
誤差評価器9より入力される平滑誤差共分散行列Pk-1
(+)及びあらかじめ設定された式(7)の駆動雑音共
分散行列Qk-1 より式(54)に従い予測誤差共分散行
列Pk (−)を算出し(ステップ22)、次に目標観測
装置1より目標及びクラッタ等の信号検出結果である位
置等の運動諸元ベクトルzk,track (i)と信号分析結
果である目標の類識別結果等の属性データベクトルz
k,id(i)よりなる探知データベクトルzk,i を入力し
(ステップ23)、運動諸元確率分布算出器3におい
て、現時刻より1サンプリング前に算出した式(53)
の予測値ベクトルx^k (−)を第1の遅延回路15を
通して等速直線運動モデルによる予測器14から入力し
て、追尾目標からの運動諸元の確率分布の平均値である
ベクトルzk (−)を式(30)により算出し、現時刻
より1サンプリング前に算出した式(54)の予測誤差
共分散行列Pk (−)を第3の遅延回路11を通して等
速直線運動モデルによる予測誤差評価器10から入力
し、これとあらかじめ設定された式(16)の観測誤差
共分散行列Rk より追尾目標からの運動諸元の確率分布
の広がりSk を式(31)を用いて算出し、ベクトルz
k (−)及びSk により式(29)に表される追尾目標
からの運動諸元の確率分布を求め(ステップ24)、属
性データ確率分布算出器4において、1サンプリング前
に算出した追尾目標の属性の信頼度P(Ja |Zk-1 )
またはその初期値P(Ja |NS)を第2の遅延回路1
7を通して追尾目標属性信頼度算出器16より入力し
(ステップ25)、これと目標観測装置1より属性デー
タベクトルzk,id(i)と共に入力される仮説Ja の基
での属性データベクトルzk,id(i)の信頼度により式
(34)及び(35)を用いて追尾目標からの属性デー
タの確率分布を算出し(ステップ26)、次に運動諸元
相関器5において、運動諸元確率分布算出器3より入力
される式(29)の確率分布とあらかじめ設定されたパ
ラメータdにより式(36)を使用して追尾目標と相関
の可能性のある探知データを選択し(ステップ27)、
また属性相関器6において、属性データ確率分布算出器
4より入力される式(34)及び(35)の追尾目標か
らの属性データの確率分布とあらかじめ設定されたパラ
メータcにより式(39)を使用して追尾目標と相関の
可能性のあるmk 個の探知データを選択し、これを式
(25)のZk とし(ステップ28)、このZk の各探
知データベクトルzk,i に対して探知データ仮説生成器
7で探知データの仮説χk,i を生成し(ステップ2
9)、運動諸元及び属性による探知データ信頼度算出器
8において、運動諸元確率分布算出器3から入力された
式(29)の確率分布と、属性データ確率分布算出器4
より入力された式(34)及び(35)の確率分布と、
あらかじめ設定された探知確率PD 及び目標予測存在範
囲内に存在する確率PGkにより式(47)〜(49)に
従い探知データの仮説の信頼度を算出し(ステップ3
0)、追尾目標属性信頼度算出器16において、式(4
7)〜(49)の探知データの仮説信頼度を入力し、目
標観測装置1より仮説Ja の基での属性データベクトル
zk,id(i)の信頼度を入力し、現時刻より1サンプリ
ング前に追尾目標属性信頼度算出器16で算出された追
尾目標の属性信頼度P(Ja |Zk-1 )を第2の遅延回
路17を通して入力し、式(50)及び(51)により
追尾目標の属性信頼度P(Ja |Zk )を算出し(ステ
ップ31)、ゲイン行列算出器において、現時刻より1
サンプリング前に算出した式(54)の予測誤差共分散
行列Pk (−)を第3の遅延回路11を通して等速直進
運動モデルによる予測誤差評価器10より入力し、あら
かじめ設定された式(16)の観測誤差共分散行列Rk
より式(57)に従いゲイン行列を算出し、等速直進運
動モデルによる平滑器13において、式(57)のゲイ
ン行列を入力し、運動諸元及び属性による探知データ信
頼度算出器8から式(47)〜(49)の探知データの
仮説信頼度を入力し、現時刻より1サンプリング前に算
出された予測値ベクトルx^k (−)を第1の遅延回路
15を通して等速直線運動モデルによる予測器14から
入力し、運動諸元相関器5及び属性データ相関器22に
おいて追尾目標と相関の可能性があるとして選択された
mk 個の探知データzk,i を入力し、式(65)により
平滑値ベクトルxk (+)を算出し、また等速直進運動
モデルによる平滑誤差評価器9において、ゲイン行列算
出器12より式(57)のゲイン行列を入力し、運動諸
元及び属性による探知データ信頼度算出器8から式(4
7)〜(49)の探知データの仮説信頼度を入力し、現
時刻より1サンプリング前に算出された予測値ベクトル
x^k (−)を第1の遅延回路15を通して等速直線運
動モデルによる予測器14から入力し、現時刻より1サ
ンプリング前に算出された式(54)の予測誤差共分散
行列Pk (−)を第3の遅延回路11を通して等速直線
運動モデルによる予測誤差評価器10から入力し、運動
諸元相関器5及び属性データ相関器6において追尾目標
と相関の可能性があるとして選択されたmk 個の探知デ
ータベクトルzk,i を入力し、式(70)〜(72)に
より平滑誤差共分散行列Pk (+)を算出し(ステップ
32)、追尾終了になるまでこの一連の流れを繰り返す
(ステップ33)。
【0075】次にこの発明の第2の発明を図2及び図7
に従って説明する。目標観測装置1より得られる目標位
置等の運動諸元及び属性の情報を基に通常のカルマンフ
ィルタ理論に基づき、目標の位置、速度の平滑値及び平
滑誤差共分散行列の初期値を設定し(ステップ20)、
等速直進運動モデルを設定した(ステップ21)後、等
速直線運動モデルによる予測器14において等速直進モ
デルによる平滑器13より入力される平滑値ベクトルx
^k-1 (+)により式(53)に従い予測値ベクトルx
^k (−)を算出し、また等速直線運動モデルによる予
測誤差評価器10において、等速直線運動モデルによる
平滑誤差評価器9より入力される平滑誤差共分散行列P
k-1 (+)及びあらかじめ設定された式(7)の駆動雑
音共分散行列Qk-1 より式(54)に従い予測誤差共分
散行列Pk (−)を算出し(ステップ22)、次に目標
観測装置1より目標及びクラッタ等の信号検出結果であ
る位置等の運動諸元ベクトルzk,track (i)と信号分
析結果である目標の類識別結果等の属性データベクトル
zk,id(i)よりなる探知データベクトルzk,i を入力
し(ステップ23)、運動諸元確率分布算出器3におい
て、現時刻より1サンプリング前に算出した式(53)
の予測値ベクトルxk (−)を第1の遅延回路15を通
して等速直線運動モデルによる予測器14から入力し
て、追尾目標からの運動諸元の確率分布の平均値である
ベクトルzk (−)を式(30)により算出し、現時刻
より1サンプリング前に算出した式(54)の予測誤差
共分散行列Pk (−)を第3の遅延回路11を通して等
速直線運動モデルによる予測誤差評価器10から入力
し、これとあらかじめ設定された式(16)の観測誤差
共分散行列Rk より追尾目標からの運動諸元の確率分布
の広がりSk を式(31)を用いて算出し、ベクトルz
k (−)及びSk により式(29)に表される追尾目標
からの運動諸元の確率分布を求め(ステップ24)、属
性データ確率分布算出器4において、1サンプリング前
に算出した追尾目標の属性の信頼度P(Ja |ZK-1 )
またはその初期値P(Ja |NS)を第2の遅延回路1
7を通して追尾目標属性信頼度算出器16より入力し
(ステップ25)、これと目標観測装置1より属性デー
タベクトルzk,id(i)と共に入力される仮説Ja の基
での属性データベクトルzk,id(i)の信頼度により式
(34)及び(35)を用いて追尾目標からの属性デー
タの確率分布を算出し(ステップ26)、次に運動諸元
相関器5において、運動諸元確率分布算出器3より入力
される式(29)の確率分布とあらかじめ設定されたパ
ラメータdにより式(36)を使用して追尾目標と相関
の可能性のある探知データを選択し(ステップ27)、
また属性相関器6において、属性データ確率分布算出器
4より入力される式(34)及び(35)の追尾目標か
らの属性データの確率分布とあらかじめ設定されたパラ
メータcにより式(39)を使用して追尾目標と相関の
可能性のあるmk 個の探知データを選択し、これを式
(25)のZk とし(ステップ28)、このZk の各探
知データベクトルzk,i に対して探知データ仮説生成器
7で探知データの仮説χk,i を生成し(ステップ2
9)、運動諸元による探知データ信頼度算出器18にお
いて、運動諸元確率分布算出器3から入力された式(2
9)の確率分布と、あらかじめ設定された探知確率PD
及び目標予測存在範囲内に存在する確率PGkにより式
(73)〜(75)に従い探知データの仮説の信頼度を
算出し(ステップ34)、追尾目標属性信頼度算出器1
6において、式(47)〜(49)の探知データの仮説
信頼度を入力し、目標観測装置1より仮説Ja の基での
属性データベクトルzk,id(i)の信頼度入力し、現時
刻より1サンプリング前に追尾目標属性信頼度算出器1
6で算出された追尾目標の属性信頼度P(Ja |
Zk-1 )を第2の遅延回路17を通して入力し、式(5
0)及び(51)により追尾目標の属性信頼度P(Ja
|Zk )を算出し(ステップ31)、ゲイン行列算出器
において、現時刻より1サンプリング前に算出した式
(54)の予測誤差共分散行列Pk (−)を第3の遅延
回路11を通して等速直進運動モデルによる予測誤差評
価器10より入力し、あらかじめ設定された式(16)
の観測誤差共分散行列Rk より式(57)に従いゲイン
行列を算出し、等速直進運動モデルによる平滑器13に
おいて、式(57)のゲイン行列を入力し、運動諸元及
び属性による探知データ信頼度算出器8から式(47)
〜(49)の探知データの仮説信頼度を入力し、現時刻
より1サンプリング前に算出された予測値ベクトルx^
k (−)を第1の遅延回路15を通して等速直線運動モ
デルによる予測器14から入力し、運動諸元相関器5及
び属性データ相関器22において追尾目標と相関の可能
性があるとして選択されたmk 個の探知データベクトル
zk,i を入力し、式(65)により平滑値ベクトルx^
k (+)を算出し、また等速直進運動モデルによる平滑
誤差評価器9において、ゲイン行列算出器12より式
(57)のゲイン行列を入力し、運動諸元及び属性によ
る探知データ信頼度算出器8から式(47)〜(49)
の探知データの仮説信頼度を入力し、現時刻より1サン
プリング前に算出された予測値ベクトルxk (−)を第
1の遅延回路15を通して等速直線運動モデルによる予
測器14から入力し、現時刻より1サンプリング前に算
出された式(54)の予測誤差共分散行列Pk (−)を
第3の遅延回路11を通して等速直線運動モデルによる
予測誤差評価器10から入力し、運動諸元相関器5及び
属性データ相関器22において追尾目標と相関の可能性
があるとして選択されたmk 個の探知データベクトルz
k,i を入力し、式(70)〜(72)により平滑誤差共
分散行列Pk (+)を算出し(ステップ32)、追尾終
了になるまでこの一連の流れを繰り返す(ステップ3
3)。
に従って説明する。目標観測装置1より得られる目標位
置等の運動諸元及び属性の情報を基に通常のカルマンフ
ィルタ理論に基づき、目標の位置、速度の平滑値及び平
滑誤差共分散行列の初期値を設定し(ステップ20)、
等速直進運動モデルを設定した(ステップ21)後、等
速直線運動モデルによる予測器14において等速直進モ
デルによる平滑器13より入力される平滑値ベクトルx
^k-1 (+)により式(53)に従い予測値ベクトルx
^k (−)を算出し、また等速直線運動モデルによる予
測誤差評価器10において、等速直線運動モデルによる
平滑誤差評価器9より入力される平滑誤差共分散行列P
k-1 (+)及びあらかじめ設定された式(7)の駆動雑
音共分散行列Qk-1 より式(54)に従い予測誤差共分
散行列Pk (−)を算出し(ステップ22)、次に目標
観測装置1より目標及びクラッタ等の信号検出結果であ
る位置等の運動諸元ベクトルzk,track (i)と信号分
析結果である目標の類識別結果等の属性データベクトル
zk,id(i)よりなる探知データベクトルzk,i を入力
し(ステップ23)、運動諸元確率分布算出器3におい
て、現時刻より1サンプリング前に算出した式(53)
の予測値ベクトルxk (−)を第1の遅延回路15を通
して等速直線運動モデルによる予測器14から入力し
て、追尾目標からの運動諸元の確率分布の平均値である
ベクトルzk (−)を式(30)により算出し、現時刻
より1サンプリング前に算出した式(54)の予測誤差
共分散行列Pk (−)を第3の遅延回路11を通して等
速直線運動モデルによる予測誤差評価器10から入力
し、これとあらかじめ設定された式(16)の観測誤差
共分散行列Rk より追尾目標からの運動諸元の確率分布
の広がりSk を式(31)を用いて算出し、ベクトルz
k (−)及びSk により式(29)に表される追尾目標
からの運動諸元の確率分布を求め(ステップ24)、属
性データ確率分布算出器4において、1サンプリング前
に算出した追尾目標の属性の信頼度P(Ja |ZK-1 )
またはその初期値P(Ja |NS)を第2の遅延回路1
7を通して追尾目標属性信頼度算出器16より入力し
(ステップ25)、これと目標観測装置1より属性デー
タベクトルzk,id(i)と共に入力される仮説Ja の基
での属性データベクトルzk,id(i)の信頼度により式
(34)及び(35)を用いて追尾目標からの属性デー
タの確率分布を算出し(ステップ26)、次に運動諸元
相関器5において、運動諸元確率分布算出器3より入力
される式(29)の確率分布とあらかじめ設定されたパ
ラメータdにより式(36)を使用して追尾目標と相関
の可能性のある探知データを選択し(ステップ27)、
また属性相関器6において、属性データ確率分布算出器
4より入力される式(34)及び(35)の追尾目標か
らの属性データの確率分布とあらかじめ設定されたパラ
メータcにより式(39)を使用して追尾目標と相関の
可能性のあるmk 個の探知データを選択し、これを式
(25)のZk とし(ステップ28)、このZk の各探
知データベクトルzk,i に対して探知データ仮説生成器
7で探知データの仮説χk,i を生成し(ステップ2
9)、運動諸元による探知データ信頼度算出器18にお
いて、運動諸元確率分布算出器3から入力された式(2
9)の確率分布と、あらかじめ設定された探知確率PD
及び目標予測存在範囲内に存在する確率PGkにより式
(73)〜(75)に従い探知データの仮説の信頼度を
算出し(ステップ34)、追尾目標属性信頼度算出器1
6において、式(47)〜(49)の探知データの仮説
信頼度を入力し、目標観測装置1より仮説Ja の基での
属性データベクトルzk,id(i)の信頼度入力し、現時
刻より1サンプリング前に追尾目標属性信頼度算出器1
6で算出された追尾目標の属性信頼度P(Ja |
Zk-1 )を第2の遅延回路17を通して入力し、式(5
0)及び(51)により追尾目標の属性信頼度P(Ja
|Zk )を算出し(ステップ31)、ゲイン行列算出器
において、現時刻より1サンプリング前に算出した式
(54)の予測誤差共分散行列Pk (−)を第3の遅延
回路11を通して等速直進運動モデルによる予測誤差評
価器10より入力し、あらかじめ設定された式(16)
の観測誤差共分散行列Rk より式(57)に従いゲイン
行列を算出し、等速直進運動モデルによる平滑器13に
おいて、式(57)のゲイン行列を入力し、運動諸元及
び属性による探知データ信頼度算出器8から式(47)
〜(49)の探知データの仮説信頼度を入力し、現時刻
より1サンプリング前に算出された予測値ベクトルx^
k (−)を第1の遅延回路15を通して等速直線運動モ
デルによる予測器14から入力し、運動諸元相関器5及
び属性データ相関器22において追尾目標と相関の可能
性があるとして選択されたmk 個の探知データベクトル
zk,i を入力し、式(65)により平滑値ベクトルx^
k (+)を算出し、また等速直進運動モデルによる平滑
誤差評価器9において、ゲイン行列算出器12より式
(57)のゲイン行列を入力し、運動諸元及び属性によ
る探知データ信頼度算出器8から式(47)〜(49)
の探知データの仮説信頼度を入力し、現時刻より1サン
プリング前に算出された予測値ベクトルxk (−)を第
1の遅延回路15を通して等速直線運動モデルによる予
測器14から入力し、現時刻より1サンプリング前に算
出された式(54)の予測誤差共分散行列Pk (−)を
第3の遅延回路11を通して等速直線運動モデルによる
予測誤差評価器10から入力し、運動諸元相関器5及び
属性データ相関器22において追尾目標と相関の可能性
があるとして選択されたmk 個の探知データベクトルz
k,i を入力し、式(70)〜(72)により平滑誤差共
分散行列Pk (+)を算出し(ステップ32)、追尾終
了になるまでこの一連の流れを繰り返す(ステップ3
3)。
【0076】
【数24】
【0077】次にこの発明の第3の発明を図3及び図8
に従って説明する。目標観測装置1より得られる目標位
置等の運動諸元及び属性の情報を基に通常のカルマンフ
ィルタ理論に基づき、目標の位置、速度の平滑値及び平
滑誤差共分散行列の初期値を設定し(ステップ20)、
等速直進運動モデルを設定した(ステップ21)後、等
速直線運動モデルによる予測器14において等速直進モ
デルによる平滑器13より入力される平滑値ベクトルx
^k-1 (+)により式(53)に従い予測値ベクトルx
^k (−)を算出し、また等速直線運動モデルによる予
測誤差評価器10において、等速直線運動モデルによる
平滑誤差評価器9より入力される平滑誤差共分散行列P
k-1 (+)及びあらかじめ設定された式(7)の駆動雑
音共分散行列Qk-1 より式(54)に従い予測誤差共分
散行列Pk (−)を算出し(ステップ22)、次に目標
観測装置1より目標及びクラッタ等の信号検出結果であ
る位置等の運動諸元ベクトルzk,track (i)と信号分
析結果である目標の類識別結果等の属性データベクトル
zk,id(i)よりなる探知データベクトルzk,i を入力
し(ステップ23)、運動諸元確率分布算出器3におい
て、現時刻より1サンプリング前に算出した式(53)
の予測値ベクトルxk (−)を第1の遅延回路15を通
して等速直線運動モデルによる予測器14から入力し
て、追尾目標からの運動諸元の確率分布の平均値である
ベクトルzk (−)を式(30)により算出し、現時刻
より1サンプリング前に算出した式(54)の予測誤差
共分散行列Pk (−)を第3の遅延回路11を通して等
速直線運動モデルによる予測誤差評価器10から入力
し、これとあらかじめ設定された式(16)の観測誤差
共分散行列Rk より追尾目標からの運動諸元の確率分布
の広がりSk を式(31)を用いて算出し、ベクトルz
k (−)及びSk により式(29)に表される追尾目標
からの運動諸元の確率分布を求め(ステップ24)、属
性データ確率分布算出器4において、1サンプリング前
に算出した追尾目標の属性の信頼度P(Ja |Zk-1 )
またはその初期値P(Ja |NS)を第2の遅延回路1
7を通して追尾目標属性信頼度算出器16より入力し
(ステップ25)、これと目標観測装置1より属性デー
タベクトルzk,id(i)と共に入力される仮説Ja の基
での属性データベクトルzk,id(i)の信頼度により式
(34)及び(35)を用いて追尾目標からの属性デー
タの確率分布を算出し(ステップ26)、次に運動諸元
相関器5において、運動諸元確率分布算出器3より入力
される式(29)の確率分布とあらかじめ設定されたパ
ラメータdにより式(36)を使用して追尾目標と相関
の可能性のあるmk 個の探知データを選択し、これを式
(25)のZk とし(ステップ27)、このZk の各探
知データベクトルzk,i に対して探知データ仮説生成器
7で探知データの仮説χk,i を生成し(ステップ2
9)、運動諸元及び属性による探知データ信頼度算出器
8において、運動諸元確率分布算出器3から入力された
式(29)の確率分布と、属性データ確率分布算出器4
より入力された式(34)及び(35)の確率分布と、
あらかじめ設定された探知確率PD 及び目標予測存在範
囲内に存在する確率PGkにより式(47)〜(49)に
従い探知データの仮説の信頼度を算出し(ステップ3
0)、追尾目標属性信頼度算出器16において、式(4
7)〜(49)の探知データの仮説信頼度を入力し、目
標観測装置1より仮説Ja の基での属性データベクトル
zk,id(i)の信頼度を入力し、現時刻より1サンプリ
ング前に追尾目標属性信頼度算出器16で算出された追
尾目標の属性信頼度P(Ja |Zk-1 )を第2の遅延回
路17を通して入力し、式(50)及び(51)により
追尾目標の属性信頼度P(Ja |Zk )を算出し(ステ
ップ31)、ゲイン行列算出器において、現時刻より1
サンプリング前に算出した式(54)の予測誤差共分散
行列Pk (−)を第3の遅延回路11を通して等速直進
運動モデルによる予測誤差評価器10より入力し、あら
かじめ設定された式(16)の観測誤差共分散行列Rk
より式(57)に従いゲイン行列を算出し、等速直進運
動モデルによる平滑器13において、式(57)のゲイ
ン行列を入力し、運動諸元及び属性による探知データ信
頼度算出器8から式(47)〜(49)の探知データの
仮説信頼度を入力し、現時刻より1サンプリング前に算
出された予測値ベクトルxk (−)を第1の遅延回路1
5を通して等速直線運動モデルによる予測器14から入
力し、運動諸元相関器5及び属性データ相関器6におい
て追尾目標と相関の可能性があるとして選択されたmk
個の探知データベクトルzk,i を入力し、式(65)に
より平滑値ベクトルx^k (+)を算出し、また等速直
進運動モデルによる平滑誤差評価器9において、ゲイン
行列算出器12より式(57)のゲイン行列を入力し、
運動諸元及び属性による探知データ信頼度算出器8から
式(47)〜(49)の探知データの仮説信頼度を入力
し、現時刻より1サンプリング前に算出された予測値ベ
クトルx^k (−)を第1の遅延回路15を通して等速
直線運動モデルによる予測器14から入力し、現時刻よ
り1サンプリング前に算出された式(54)の予測誤差
共分散行列Pk(−)を第3の遅延回路11を通して等
速直線運動モデルによる予測誤差評価器10から入力
し、運動諸元相関器5及び属性データ相関器6において
追尾目標と相関の可能性があるとして選択されたmk 個
の探知データベクトルzk,i を入力し、式(70)〜
(72)により平滑誤差共分散行列Pk (+)を算出し
(ステップ32)、追尾終了になるまでこの一連の流れ
を繰り返す(ステップ33)。
に従って説明する。目標観測装置1より得られる目標位
置等の運動諸元及び属性の情報を基に通常のカルマンフ
ィルタ理論に基づき、目標の位置、速度の平滑値及び平
滑誤差共分散行列の初期値を設定し(ステップ20)、
等速直進運動モデルを設定した(ステップ21)後、等
速直線運動モデルによる予測器14において等速直進モ
デルによる平滑器13より入力される平滑値ベクトルx
^k-1 (+)により式(53)に従い予測値ベクトルx
^k (−)を算出し、また等速直線運動モデルによる予
測誤差評価器10において、等速直線運動モデルによる
平滑誤差評価器9より入力される平滑誤差共分散行列P
k-1 (+)及びあらかじめ設定された式(7)の駆動雑
音共分散行列Qk-1 より式(54)に従い予測誤差共分
散行列Pk (−)を算出し(ステップ22)、次に目標
観測装置1より目標及びクラッタ等の信号検出結果であ
る位置等の運動諸元ベクトルzk,track (i)と信号分
析結果である目標の類識別結果等の属性データベクトル
zk,id(i)よりなる探知データベクトルzk,i を入力
し(ステップ23)、運動諸元確率分布算出器3におい
て、現時刻より1サンプリング前に算出した式(53)
の予測値ベクトルxk (−)を第1の遅延回路15を通
して等速直線運動モデルによる予測器14から入力し
て、追尾目標からの運動諸元の確率分布の平均値である
ベクトルzk (−)を式(30)により算出し、現時刻
より1サンプリング前に算出した式(54)の予測誤差
共分散行列Pk (−)を第3の遅延回路11を通して等
速直線運動モデルによる予測誤差評価器10から入力
し、これとあらかじめ設定された式(16)の観測誤差
共分散行列Rk より追尾目標からの運動諸元の確率分布
の広がりSk を式(31)を用いて算出し、ベクトルz
k (−)及びSk により式(29)に表される追尾目標
からの運動諸元の確率分布を求め(ステップ24)、属
性データ確率分布算出器4において、1サンプリング前
に算出した追尾目標の属性の信頼度P(Ja |Zk-1 )
またはその初期値P(Ja |NS)を第2の遅延回路1
7を通して追尾目標属性信頼度算出器16より入力し
(ステップ25)、これと目標観測装置1より属性デー
タベクトルzk,id(i)と共に入力される仮説Ja の基
での属性データベクトルzk,id(i)の信頼度により式
(34)及び(35)を用いて追尾目標からの属性デー
タの確率分布を算出し(ステップ26)、次に運動諸元
相関器5において、運動諸元確率分布算出器3より入力
される式(29)の確率分布とあらかじめ設定されたパ
ラメータdにより式(36)を使用して追尾目標と相関
の可能性のあるmk 個の探知データを選択し、これを式
(25)のZk とし(ステップ27)、このZk の各探
知データベクトルzk,i に対して探知データ仮説生成器
7で探知データの仮説χk,i を生成し(ステップ2
9)、運動諸元及び属性による探知データ信頼度算出器
8において、運動諸元確率分布算出器3から入力された
式(29)の確率分布と、属性データ確率分布算出器4
より入力された式(34)及び(35)の確率分布と、
あらかじめ設定された探知確率PD 及び目標予測存在範
囲内に存在する確率PGkにより式(47)〜(49)に
従い探知データの仮説の信頼度を算出し(ステップ3
0)、追尾目標属性信頼度算出器16において、式(4
7)〜(49)の探知データの仮説信頼度を入力し、目
標観測装置1より仮説Ja の基での属性データベクトル
zk,id(i)の信頼度を入力し、現時刻より1サンプリ
ング前に追尾目標属性信頼度算出器16で算出された追
尾目標の属性信頼度P(Ja |Zk-1 )を第2の遅延回
路17を通して入力し、式(50)及び(51)により
追尾目標の属性信頼度P(Ja |Zk )を算出し(ステ
ップ31)、ゲイン行列算出器において、現時刻より1
サンプリング前に算出した式(54)の予測誤差共分散
行列Pk (−)を第3の遅延回路11を通して等速直進
運動モデルによる予測誤差評価器10より入力し、あら
かじめ設定された式(16)の観測誤差共分散行列Rk
より式(57)に従いゲイン行列を算出し、等速直進運
動モデルによる平滑器13において、式(57)のゲイ
ン行列を入力し、運動諸元及び属性による探知データ信
頼度算出器8から式(47)〜(49)の探知データの
仮説信頼度を入力し、現時刻より1サンプリング前に算
出された予測値ベクトルxk (−)を第1の遅延回路1
5を通して等速直線運動モデルによる予測器14から入
力し、運動諸元相関器5及び属性データ相関器6におい
て追尾目標と相関の可能性があるとして選択されたmk
個の探知データベクトルzk,i を入力し、式(65)に
より平滑値ベクトルx^k (+)を算出し、また等速直
進運動モデルによる平滑誤差評価器9において、ゲイン
行列算出器12より式(57)のゲイン行列を入力し、
運動諸元及び属性による探知データ信頼度算出器8から
式(47)〜(49)の探知データの仮説信頼度を入力
し、現時刻より1サンプリング前に算出された予測値ベ
クトルx^k (−)を第1の遅延回路15を通して等速
直線運動モデルによる予測器14から入力し、現時刻よ
り1サンプリング前に算出された式(54)の予測誤差
共分散行列Pk(−)を第3の遅延回路11を通して等
速直線運動モデルによる予測誤差評価器10から入力
し、運動諸元相関器5及び属性データ相関器6において
追尾目標と相関の可能性があるとして選択されたmk 個
の探知データベクトルzk,i を入力し、式(70)〜
(72)により平滑誤差共分散行列Pk (+)を算出し
(ステップ32)、追尾終了になるまでこの一連の流れ
を繰り返す(ステップ33)。
【0078】次にこの発明の第4の発明を図4及び図9
に従って説明する。目標観測装置1より得られる目標位
置等の運動諸元及び属性の情報を基に通常のカルマンフ
ィルタ理論に基づき、目標の位置、速度の平滑値及び平
滑誤差共分散行列の初期値を設定し(ステップ20)、
等速直進運動モデルを設定した(ステップ21)後、等
速直線運動モデルによる予測器14において等速直進モ
デルによる平滑器13より入力される平滑値ベクトルx
^k-1 (+)により式(53)に従い予測値ベクトルx
^k (−)を算出し、また等速直線運動モデルによる予
測誤差評価器10において、等速直線運動モデルによる
平滑誤差評価器9より入力される平滑誤差共分散行列P
k-1 (+)及びあらかじめ設定された式(7)の駆動雑
音共分散行列Qk-1 より式(54)に従い予測誤差共分
散行列Pk (−)を算出し(ステップ22)、次に目標
観測装置1より目標及びクラッタ等の信号検出結果であ
る位置等の運動諸元ベクトルzk,track (i)と信号分
析結果である目標の類識別結果等の属性データベクトル
zk,id(i)よりなる探知データベクトルzk,i を入力
し(ステップ23)、運動諸元確率分布算出器3におい
て、現時刻より1サンプリング前に算出した式(53)
の予測値ベクトルx^k (−)を第1の遅延回路15を
通して等速直線運動モデルによる予測器14から入力し
て、運動諸元の確率分布の平均値であるベクトルz
k (−)を式(30)により算出し、現時刻より1サン
プリング前に算出した式(54)の予測誤差共分散行列
Pk (−)を第3の遅延回路11を通して等速直線運動
モデルによる予測誤差評価器10から入力し、これとあ
らかじめ設定された式(16)の観測誤差共分散行列R
k より運動諸元の確率分布の広がりSk を式(31)を
用いて算出し、ベクトルzk(−)及びSk により式
(29)に表される追尾目標からの運動諸元の確率分布
を求め(ステップ24)、属性データ確率分布算出器4
において、1サンプリング前に算出した追尾目標の属性
の信頼度P(Ja |Zk-1 )またはその初期値P(Ja
|NS)を第2の遅延回路33を通して追尾目標属性信
頼度算出器16より入力し(ステップ25)、これと目
標観測装置1より属性データベクトルzk,id(i)と共
に入力される仮説Ja の基での属性データベクトルz
k,id(i)の信頼度により式(34)及び(35)を用
いて属性データの確率分布を算出し(ステップ26)、
次に探知データ相関器19において、運動諸元確率分布
算出器3より入力される式(29)の確率分布と属性デ
ータ確率分布算出器4より入力される式(34)及び
(35)の属性データの確率分布により式(28)に示
す探知データベクトルzk,i の確率分布を算出し、あら
かじめ設定されたパラメータbにより式(76)を使用
して追尾目標と相関の可能性のあるmk 個の探知データ
を選択し、これを式(25)のZk とし(ステップ3
5)、このZk の各探知データベクトルzk,i に対して
探知データ仮説生成器7で探知データの仮説χk,i を生
成し(ステップ29)、運動諸元及び属性による探知デ
ータ信頼度算出器8において、運動諸元確率分布算出器
3から入力された式(29)の確率分布と、属性データ
確率分布算出器4より入力された式(34)及び(3
5)の確率分布と、あらかじめ設定された探知確率PD
及び目標予測存在範囲内に存在する確率PGkにより式
(47)〜(49)に従い探知データの仮説の信頼度を
算出し(ステップ30)、追尾目標属性信頼度算出器1
6において、式(47)〜(49)の探知データの仮説
信頼度を入力し、目標観測装置1より仮説Ja の基での
属性データベクトルzk,id(i)の信頼度を入力し、現
時刻より1サンプリング前に追尾目標属性信頼度算出器
16で算出された追尾目標の属性信頼度P(Ja|Z
k-1 )を第2の遅延回路33を通して入力し、式(5
0)及び(51)により追尾目標の属性信頼度P(Ja
|Zk )を算出し(ステップ31)、ゲイン行列算出器
において、現時刻より1サンプリング前に算出した式
(54)の予測誤差共分散行列Pk (−)を第3の遅延
回路11を通して等速直進運動モデルによる予測誤差評
価器10より入力し、あらかじめ設定された式(16)
の観測誤差共分散行列Rk より式(57)に従いゲイン
行列を算出し、等速直進運動モデルによる平滑器13に
おいて、式(57)のゲイン行列を入力し、運動諸元及
び属性による探知データ信頼度算出器8から式(47)
〜(49)の探知データの仮説信頼度を入力し、現時刻
より1サンプリング前に算出された予測値ベクトルx^
k (−)を第1の遅延回路15を通して等速直線運動モ
デルによる予測器14から入力し、運動諸元相関器5及
び属性データ相関器6において追尾目標と相関の可能性
があるとして選択されたmk 個の探知データベクトルz
k,i を入力し、式(65)により平滑値ベクトルx^k
(+)を算出し、また等速直進運動モデルによる平滑誤
差評価器9において、ゲイン行列算出器12より式(5
7)のゲイン行列を入力し、運動諸元及び属性による探
知データ信頼度算出器8から式(47)〜(49)の探
知データの仮説信頼度を入力し、現時刻より1サンプリ
ング前に算出された予測値ベクトルxk (−)を第1の
遅延回路15を通して等速直線運動モデルによる予測器
14から入力し、現時刻より1サンプリング前に算出さ
れた式(54)の予測誤差共分散行列Pk (−)を第3
の遅延回路11を通して等速直線運動モデルによる予測
誤差評価器10から入力し、運動諸元相関器5及び属性
データ相関器6において追尾目標と相関の可能性がある
として選択されたmk 個の探知データベクトルzk,i を
入力し、式(70)〜(72)により平滑誤差共分散行
列Pk (+)を算出し(ステップ32)、追尾終了にな
るまでこの一連の流れを繰り返す(ステップ33)。
に従って説明する。目標観測装置1より得られる目標位
置等の運動諸元及び属性の情報を基に通常のカルマンフ
ィルタ理論に基づき、目標の位置、速度の平滑値及び平
滑誤差共分散行列の初期値を設定し(ステップ20)、
等速直進運動モデルを設定した(ステップ21)後、等
速直線運動モデルによる予測器14において等速直進モ
デルによる平滑器13より入力される平滑値ベクトルx
^k-1 (+)により式(53)に従い予測値ベクトルx
^k (−)を算出し、また等速直線運動モデルによる予
測誤差評価器10において、等速直線運動モデルによる
平滑誤差評価器9より入力される平滑誤差共分散行列P
k-1 (+)及びあらかじめ設定された式(7)の駆動雑
音共分散行列Qk-1 より式(54)に従い予測誤差共分
散行列Pk (−)を算出し(ステップ22)、次に目標
観測装置1より目標及びクラッタ等の信号検出結果であ
る位置等の運動諸元ベクトルzk,track (i)と信号分
析結果である目標の類識別結果等の属性データベクトル
zk,id(i)よりなる探知データベクトルzk,i を入力
し(ステップ23)、運動諸元確率分布算出器3におい
て、現時刻より1サンプリング前に算出した式(53)
の予測値ベクトルx^k (−)を第1の遅延回路15を
通して等速直線運動モデルによる予測器14から入力し
て、運動諸元の確率分布の平均値であるベクトルz
k (−)を式(30)により算出し、現時刻より1サン
プリング前に算出した式(54)の予測誤差共分散行列
Pk (−)を第3の遅延回路11を通して等速直線運動
モデルによる予測誤差評価器10から入力し、これとあ
らかじめ設定された式(16)の観測誤差共分散行列R
k より運動諸元の確率分布の広がりSk を式(31)を
用いて算出し、ベクトルzk(−)及びSk により式
(29)に表される追尾目標からの運動諸元の確率分布
を求め(ステップ24)、属性データ確率分布算出器4
において、1サンプリング前に算出した追尾目標の属性
の信頼度P(Ja |Zk-1 )またはその初期値P(Ja
|NS)を第2の遅延回路33を通して追尾目標属性信
頼度算出器16より入力し(ステップ25)、これと目
標観測装置1より属性データベクトルzk,id(i)と共
に入力される仮説Ja の基での属性データベクトルz
k,id(i)の信頼度により式(34)及び(35)を用
いて属性データの確率分布を算出し(ステップ26)、
次に探知データ相関器19において、運動諸元確率分布
算出器3より入力される式(29)の確率分布と属性デ
ータ確率分布算出器4より入力される式(34)及び
(35)の属性データの確率分布により式(28)に示
す探知データベクトルzk,i の確率分布を算出し、あら
かじめ設定されたパラメータbにより式(76)を使用
して追尾目標と相関の可能性のあるmk 個の探知データ
を選択し、これを式(25)のZk とし(ステップ3
5)、このZk の各探知データベクトルzk,i に対して
探知データ仮説生成器7で探知データの仮説χk,i を生
成し(ステップ29)、運動諸元及び属性による探知デ
ータ信頼度算出器8において、運動諸元確率分布算出器
3から入力された式(29)の確率分布と、属性データ
確率分布算出器4より入力された式(34)及び(3
5)の確率分布と、あらかじめ設定された探知確率PD
及び目標予測存在範囲内に存在する確率PGkにより式
(47)〜(49)に従い探知データの仮説の信頼度を
算出し(ステップ30)、追尾目標属性信頼度算出器1
6において、式(47)〜(49)の探知データの仮説
信頼度を入力し、目標観測装置1より仮説Ja の基での
属性データベクトルzk,id(i)の信頼度を入力し、現
時刻より1サンプリング前に追尾目標属性信頼度算出器
16で算出された追尾目標の属性信頼度P(Ja|Z
k-1 )を第2の遅延回路33を通して入力し、式(5
0)及び(51)により追尾目標の属性信頼度P(Ja
|Zk )を算出し(ステップ31)、ゲイン行列算出器
において、現時刻より1サンプリング前に算出した式
(54)の予測誤差共分散行列Pk (−)を第3の遅延
回路11を通して等速直進運動モデルによる予測誤差評
価器10より入力し、あらかじめ設定された式(16)
の観測誤差共分散行列Rk より式(57)に従いゲイン
行列を算出し、等速直進運動モデルによる平滑器13に
おいて、式(57)のゲイン行列を入力し、運動諸元及
び属性による探知データ信頼度算出器8から式(47)
〜(49)の探知データの仮説信頼度を入力し、現時刻
より1サンプリング前に算出された予測値ベクトルx^
k (−)を第1の遅延回路15を通して等速直線運動モ
デルによる予測器14から入力し、運動諸元相関器5及
び属性データ相関器6において追尾目標と相関の可能性
があるとして選択されたmk 個の探知データベクトルz
k,i を入力し、式(65)により平滑値ベクトルx^k
(+)を算出し、また等速直進運動モデルによる平滑誤
差評価器9において、ゲイン行列算出器12より式(5
7)のゲイン行列を入力し、運動諸元及び属性による探
知データ信頼度算出器8から式(47)〜(49)の探
知データの仮説信頼度を入力し、現時刻より1サンプリ
ング前に算出された予測値ベクトルxk (−)を第1の
遅延回路15を通して等速直線運動モデルによる予測器
14から入力し、現時刻より1サンプリング前に算出さ
れた式(54)の予測誤差共分散行列Pk (−)を第3
の遅延回路11を通して等速直線運動モデルによる予測
誤差評価器10から入力し、運動諸元相関器5及び属性
データ相関器6において追尾目標と相関の可能性がある
として選択されたmk 個の探知データベクトルzk,i を
入力し、式(70)〜(72)により平滑誤差共分散行
列Pk (+)を算出し(ステップ32)、追尾終了にな
るまでこの一連の流れを繰り返す(ステップ33)。
【0079】
【数25】
【0080】次にこの発明の第5の発明を図5及び図1
0に従って説明する。目標観測装置1より得られる目標
位置等の運動諸元及び属性の情報を基に通常のカルマン
フィルタ理論に基づき、目標の位置、速度の平滑値及び
平滑誤差共分散行列の初期値を設定し(ステップ2
0)、等速直進運動モデルを設定した(ステップ21)
後、等速直線運動モデルによる予測器14において等速
直進モデルによる平滑器13より入力される平滑値ベク
トルx^k-1 (+)により式(53)に従い予測値ベク
トルx^k (−)を算出し、また等速直線運動モデルに
よる予測誤差評価器10において、等速直線運動モデル
による平滑誤差評価器9より入力される平滑誤差共分散
行列Pk-1 (+)及びあらかじめ設定された式(7)の
駆動雑音共分散行列Qk-1 より式(54)に従い予測誤
差共分散行列Pk (−)を算出し(ステップ22)、次
に目標観測装置1より目標及びクラッタ等の信号検出結
果である位置等の運動諸元ベクトルzk,track (i)と
信号分析結果である目標の類識別結果等の属性データベ
クトルzk,id(i)よりなる探知データベクトルzk,i
を入力し(ステップ23)、運動諸元確率分布算出器3
において、現時刻より1サンプリング前に算出した式
(53)の予測値ベクトルxk (−)を第1の遅延回路
15を通して等速直線運動モデルによる予測器14から
入力して、運動諸元の確率分布の平均値であるベクトル
zk (−)を式(30)により算出し、現時刻より1サ
ンプリング前に算出した式(54)の予測誤差共分散行
列Pk (−)を第3の遅延回路11を通して等速直線運
動モデルによる予測誤差評価器10から入力し、これと
あらかじめ設定された式(16)の観測誤差共分散行列
Rk より運動諸元の確率分布の広がりSk を式(31)
を用いて算出し、ベクトルzk(−)及びSk により式
(29)に表される追尾目標からの運動諸元の確率分布
を求め(ステップ24)、属性データ確率分布算出器4
において、1サンプリング前に算出した追尾目標の属性
の信頼度P(Ja |Zk-1 )またはその初期値P(Ja
|NS)を第2の遅延回路33を通して追尾目標属性信
頼度算出器16より入力し(ステップ25)、これと目
標観測装置1より属性データベクトルzk,id(i)と共
に入力される仮説Ja の基での属性データベクトルz
k,id(i)の信頼度により式(34)及び(35)を用
いて属性データの確率分布を算出し(ステップ26)、
次に探知データ相関器19において、運動諸元確率分布
算出器3より入力される式(29)の確率分布と属性デ
ータ確率分布算出器4より入力される式(34)及び
(35)の属性データの確率分布により式(28)に示
す探知データベクトルzk,i の確率分布を算出し、あら
かじめ設定されたパラメータbにより式(76)を使用
して追尾目標と相関の可能性のあるmk 個の探知データ
を選択し、これを式(25)のZk とし(ステップ3
5)、このZk の各探知データベクトルzk,i に対して
探知データ仮説生成器7で探知データの仮説χk,i を生
成し(ステップ29)、運動諸元による探知データ信頼
度算出器18において、運動諸元確率分布算出器3から
入力された式(29)の確率分布と、あらかじめ設定さ
れた探知確率PD 及び目標予測存在範囲内に存在する確
率PGkにより式(73)〜(75)に従い探知データの
仮説の信頼度を算出し(ステップ34)、追尾目標属性
信頼度算出器16において、式(47)〜(49)の探
知データの仮説信頼度を入力し、目標観測装置1より仮
説Ja の基での属性データベクトルzk,id(i)の信頼
度を入力し、現時刻より1サンプリング前に追尾目標属
性信頼度算出器16で算出された追尾目標の属性信頼度
P(Ja |Zk-1 )を第2の遅延回路33を通して入力
し、式(50)及び(51)により追尾目標の属性信頼
度P(Ja |Zk )を算出し(ステップ31)、ゲイン
行列算出器において、現時刻より1サンプリング前に算
出した式(54)の予測誤差共分散行列Pk (−)を第
3の遅延回路11を通して等速直進運動モデルによる予
測誤差評価器10より入力し、あらかじめ設定された式
(16)の観測誤差共分散行列Rk より式(57)に従
いゲイン行列を算出し、等速直進運動モデルによる平滑
器13において、式(57)のゲイン行列を入力し、運
動諸元及び属性による探知データ信頼度算出器8から式
(47)〜(49)の探知データの仮説信頼度を入力
し、現時刻より1サンプリング前に算出された予測値ベ
クトルx^k (−)を第1の遅延回路15を通して等速
直線運動モデルによる予測器14から入力し、運動諸元
相関器5及び属性データ相関器6において追尾目標と相
関の可能性があるとして選択されたmk 個の探知データ
ベクトルzk,i を入力し、式(65)により平滑値ベク
トルx^k (+)を算出し、また等速直進運動モデルに
よる平滑誤差評価器9において、ゲイン行列算出器12
より式(57)のゲイン行列を入力し、運動諸元及び属
性による探知データ信頼度算出器8から式(47)〜
(49)の探知データの仮説信頼度を入力し、現時刻よ
り1サンプリング前に算出された予測値ベクトルx
k (−)を第1の遅延回路15を通して等速直線運動モ
デルによる予測器14から入力し、現時刻より1サンプ
リング前に算出された式(54)の予測誤差共分散行列
Pk (−)を第3の遅延回路11を通して等速直線運動
モデルによる予測誤差評価器10から入力し、運動諸元
相関器5及び属性データ相関器6において追尾目標と相
関の可能性があるとして選択されたmk 個の探知データ
ベクトルzk,i を入力し、式(70)〜(72)により
平滑誤差共分散行列Pk (+)を算出し(ステップ3
2)、追尾終了になるまでこの一連の流れを繰り返す
(ステップ33)。
0に従って説明する。目標観測装置1より得られる目標
位置等の運動諸元及び属性の情報を基に通常のカルマン
フィルタ理論に基づき、目標の位置、速度の平滑値及び
平滑誤差共分散行列の初期値を設定し(ステップ2
0)、等速直進運動モデルを設定した(ステップ21)
後、等速直線運動モデルによる予測器14において等速
直進モデルによる平滑器13より入力される平滑値ベク
トルx^k-1 (+)により式(53)に従い予測値ベク
トルx^k (−)を算出し、また等速直線運動モデルに
よる予測誤差評価器10において、等速直線運動モデル
による平滑誤差評価器9より入力される平滑誤差共分散
行列Pk-1 (+)及びあらかじめ設定された式(7)の
駆動雑音共分散行列Qk-1 より式(54)に従い予測誤
差共分散行列Pk (−)を算出し(ステップ22)、次
に目標観測装置1より目標及びクラッタ等の信号検出結
果である位置等の運動諸元ベクトルzk,track (i)と
信号分析結果である目標の類識別結果等の属性データベ
クトルzk,id(i)よりなる探知データベクトルzk,i
を入力し(ステップ23)、運動諸元確率分布算出器3
において、現時刻より1サンプリング前に算出した式
(53)の予測値ベクトルxk (−)を第1の遅延回路
15を通して等速直線運動モデルによる予測器14から
入力して、運動諸元の確率分布の平均値であるベクトル
zk (−)を式(30)により算出し、現時刻より1サ
ンプリング前に算出した式(54)の予測誤差共分散行
列Pk (−)を第3の遅延回路11を通して等速直線運
動モデルによる予測誤差評価器10から入力し、これと
あらかじめ設定された式(16)の観測誤差共分散行列
Rk より運動諸元の確率分布の広がりSk を式(31)
を用いて算出し、ベクトルzk(−)及びSk により式
(29)に表される追尾目標からの運動諸元の確率分布
を求め(ステップ24)、属性データ確率分布算出器4
において、1サンプリング前に算出した追尾目標の属性
の信頼度P(Ja |Zk-1 )またはその初期値P(Ja
|NS)を第2の遅延回路33を通して追尾目標属性信
頼度算出器16より入力し(ステップ25)、これと目
標観測装置1より属性データベクトルzk,id(i)と共
に入力される仮説Ja の基での属性データベクトルz
k,id(i)の信頼度により式(34)及び(35)を用
いて属性データの確率分布を算出し(ステップ26)、
次に探知データ相関器19において、運動諸元確率分布
算出器3より入力される式(29)の確率分布と属性デ
ータ確率分布算出器4より入力される式(34)及び
(35)の属性データの確率分布により式(28)に示
す探知データベクトルzk,i の確率分布を算出し、あら
かじめ設定されたパラメータbにより式(76)を使用
して追尾目標と相関の可能性のあるmk 個の探知データ
を選択し、これを式(25)のZk とし(ステップ3
5)、このZk の各探知データベクトルzk,i に対して
探知データ仮説生成器7で探知データの仮説χk,i を生
成し(ステップ29)、運動諸元による探知データ信頼
度算出器18において、運動諸元確率分布算出器3から
入力された式(29)の確率分布と、あらかじめ設定さ
れた探知確率PD 及び目標予測存在範囲内に存在する確
率PGkにより式(73)〜(75)に従い探知データの
仮説の信頼度を算出し(ステップ34)、追尾目標属性
信頼度算出器16において、式(47)〜(49)の探
知データの仮説信頼度を入力し、目標観測装置1より仮
説Ja の基での属性データベクトルzk,id(i)の信頼
度を入力し、現時刻より1サンプリング前に追尾目標属
性信頼度算出器16で算出された追尾目標の属性信頼度
P(Ja |Zk-1 )を第2の遅延回路33を通して入力
し、式(50)及び(51)により追尾目標の属性信頼
度P(Ja |Zk )を算出し(ステップ31)、ゲイン
行列算出器において、現時刻より1サンプリング前に算
出した式(54)の予測誤差共分散行列Pk (−)を第
3の遅延回路11を通して等速直進運動モデルによる予
測誤差評価器10より入力し、あらかじめ設定された式
(16)の観測誤差共分散行列Rk より式(57)に従
いゲイン行列を算出し、等速直進運動モデルによる平滑
器13において、式(57)のゲイン行列を入力し、運
動諸元及び属性による探知データ信頼度算出器8から式
(47)〜(49)の探知データの仮説信頼度を入力
し、現時刻より1サンプリング前に算出された予測値ベ
クトルx^k (−)を第1の遅延回路15を通して等速
直線運動モデルによる予測器14から入力し、運動諸元
相関器5及び属性データ相関器6において追尾目標と相
関の可能性があるとして選択されたmk 個の探知データ
ベクトルzk,i を入力し、式(65)により平滑値ベク
トルx^k (+)を算出し、また等速直進運動モデルに
よる平滑誤差評価器9において、ゲイン行列算出器12
より式(57)のゲイン行列を入力し、運動諸元及び属
性による探知データ信頼度算出器8から式(47)〜
(49)の探知データの仮説信頼度を入力し、現時刻よ
り1サンプリング前に算出された予測値ベクトルx
k (−)を第1の遅延回路15を通して等速直線運動モ
デルによる予測器14から入力し、現時刻より1サンプ
リング前に算出された式(54)の予測誤差共分散行列
Pk (−)を第3の遅延回路11を通して等速直線運動
モデルによる予測誤差評価器10から入力し、運動諸元
相関器5及び属性データ相関器6において追尾目標と相
関の可能性があるとして選択されたmk 個の探知データ
ベクトルzk,i を入力し、式(70)〜(72)により
平滑誤差共分散行列Pk (+)を算出し(ステップ3
2)、追尾終了になるまでこの一連の流れを繰り返す
(ステップ33)。
【0081】
【発明の効果】以上のようにこの発明の多目標追尾方法
及びその装置によれば、例えば目標の類識別結果のよう
な属性データの観測諸元を追尾対象目標の位置、速度等
の目標運動諸元算出に有効的に利用でき、また、通常の
目標自動追尾装置に特別の付加装置を付けることもな
く、目標運動諸元算出精度を向上させることができる。
及びその装置によれば、例えば目標の類識別結果のよう
な属性データの観測諸元を追尾対象目標の位置、速度等
の目標運動諸元算出に有効的に利用でき、また、通常の
目標自動追尾装置に特別の付加装置を付けることもな
く、目標運動諸元算出精度を向上させることができる。
【図1】この発明の第1の発明の多目標追尾装置の実施
例の構成を示す図である。
例の構成を示す図である。
【図2】この発明の第2の発明の多目標追尾装置の実施
例の構成を示す図である。
例の構成を示す図である。
【図3】この発明の第3の発明の多目標追尾装置の実施
例の構成を示す図である。
例の構成を示す図である。
【図4】この発明の第4の発明の多目標追尾装置の実施
例の構成を示す図である。
例の構成を示す図である。
【図5】この発明の第5の発明の多目標追尾装置の実施
例の構成を示す図である。
例の構成を示す図である。
【図6】この発明の第1の発明の多目標追尾装置の実施
例を補足するための処理手順を示す図である。
例を補足するための処理手順を示す図である。
【図7】この発明の第2の発明の多目標追尾装置の実施
例を補足するための処理手順を示す図である。
例を補足するための処理手順を示す図である。
【図8】この発明の第3の発明の多目標追尾装置の実施
例を補足するための処理手順を示す図である。
例を補足するための処理手順を示す図である。
【図9】この発明の第4の発明の多目標追尾装置の実施
例を補足するための処理手順を示す図である。
例を補足するための処理手順を示す図である。
【図10】この発明の第5の発明の多目標追尾装置の実
施例を補足するための処理手順を示す図である。
施例を補足するための処理手順を示す図である。
【図11】従来の多目標追尾方法の一実施例の処理手順
を示す図である。
を示す図である。
【図12】従来の多目標追尾装置の一実施例の構成を示
す図である。
す図である。
【図13】追尾目標と探知データの相関を説明する図で
ある。
ある。
【図14】追尾目標と探知データの相関を説明する図で
ある。
ある。
1 目標観測装置 2 観測諸元転送装置 3 運動諸元確率分布算出器 4 属性データ確率分布算出器 5 運動諸元相関器 6 属性相関器 7 探知データ仮説生成器 8 運動諸元及び属性による探知データの信頼度算出器 9 等速直進運動モデルによる平滑誤差評価器 10 等速直進運動モデルによる予測誤差評価器 11 第3の遅延回路 12 ゲイン行列算出器 13 等速直進モデルによる平滑器 14 等速直進モデルによる予測器 15 第1の遅延回路 16 追尾目標属性信頼度算出器 17 第2の遅延回路 18 運動諸元による探知データの信頼度算出器 19 探知データ相関器 20 初期値設定ステップ 21 運動モデル設定ステップ 22 予測値及び予測誤差共分散行列算出ステップ 23 探知データ入力ステップ 24 観測位置データの確率分布諸元算出ステップ 25 追尾目標属性信頼度の入力ステップ 26 属性データの確率分布諸元算出ステップ 27 目標予測存在範囲内外判定ステップ 28 属性による探知データの有効判定ステップ 29 探知データの仮説生成ステップ 30 観測位置及び属性を用いた探知データの仮説信頼
度算出ステップ 31 追尾目標属性信頼度の算出ステップ 32 平滑値及び平滑誤差共分散行列算出ステップ 33 追尾終了判定ステップ 34 観測位置を用いた探知データの仮説信頼度算出ス
テップ 35 観測位置及び属性による探知データの有効判定ス
テップ
度算出ステップ 31 追尾目標属性信頼度の算出ステップ 32 平滑値及び平滑誤差共分散行列算出ステップ 33 追尾終了判定ステップ 34 観測位置を用いた探知データの仮説信頼度算出ス
テップ 35 観測位置及び属性による探知データの有効判定ス
テップ
Claims (5)
- 【請求項1】 追尾目標及び追尾目標以外のクラッタ等
からの位置等の運動諸元の信号検出結果である観測位置
データ及び類識別結果等の信号分析結果である属性デー
タを探知データとして出力する目標観測装置と、探知デ
ータを転送する観測諸元転送装置と、観測位置データの
存在確率分布を算出する運動諸元確率分布算出器と、上
記追尾目標からの運動諸元確率分布を基にした目標予測
存在範囲により追尾目標と相関の可能性のある探知デー
タを選択する運動諸元相関器と、追尾目標からの属性デ
ータ確率分布を算出する属性データ確率分布算出器と、
上記相関器で選択された探知データの中から上記追尾目
標からの属性データ確率分布により追尾目標と相関の可
能性のある探知データを選択する属性データ相関器と、
上記相関器で選択された探知データと追尾目標との仮説
を生成する探知データ仮説生成器と、上記追尾目標から
の運動諸元確率分布と追尾目標からの属性データ確率分
布により探知データの仮説信頼度を算出する探知データ
信頼度算出器と、等速直進運動モデルによる平滑誤差を
評価する平滑誤差評価器と、等速直進運動モデルにおけ
る予測誤差を評価する予測誤差評価器と、上記予測誤差
評価器で算出した予測誤差評価値を1サンプリング分遅
延させる第3の遅延回路と、ゲイン行列を算出するゲイ
ン行列算出器と、等速直進運動モデルによる平滑値を算
出する平滑器と、等速直進運動モデルによる目標位置、
速度等の予測値を算出する予測器と、上記予測器で算出
した予測値を1サンプリング分遅延させる第1の遅延回
路と、上記相関器で選択された探知データとその信頼度
より追尾目標の属性の信頼度を算出する追尾目標属性信
頼度算出器と、上記追尾目標属性信頼度算出器で算出さ
れた追尾目標の属性信頼度を1サンプリング分遅延させ
る第2の遅延回路とで構成したことを特徴とする多目標
追尾装置。 - 【請求項2】 追尾目標及び追尾目標以外のクラッタ等
からの位置等の運動諸元の信号検出結果である観測位置
データ及び類識別結果等の信号分析結果である属性デー
タを探知データとして出力する目標観測装置と、探知デ
ータを転送する観測諸元転送装置と、観測位置データの
存在確率分布を算出する運動諸元確率分布算出器と、上
記追尾目標からの運動諸元確率分布を基にした目標予測
存在範囲により追尾目標と相関の可能性のある探知デー
タを選択する運動諸元相関器と、追尾目標からの属性デ
ータ確率分布を算出する属性データ確率分布算出器と、
上記相関器で選択された探知データの中から上記追尾目
標からの属性データ確率分布により追尾目標と相関の可
能性のある探知データを選択する属性データ相関器と、
上記相関器で選択された探知データと追尾目標との仮説
を生成する探知データ仮説生成器と、上記追尾目標から
の運動諸元確率分布により探知データの仮説信頼度を算
出する探知データ信頼度算出器と、等速直進運動モデル
による平滑誤差を評価する平滑誤差評価器と、等速直進
運動モデルにおける予測誤差を評価する予測誤差評価器
と、上記予測誤差評価器で算出した予測誤差評価値を1
サンプリング分遅延させる第3の遅延回路と、ゲイン行
列を算出するゲイン行列算出器と、等速直進運動モデル
による平滑値を算出する平滑器と、等速直進運動モデル
による目標位置、速度等の予測値を算出する予測器と、
上記予測器で算出した予測値を1サンプリング分遅延さ
せる第1の遅延回路と、上記相関器で選択された探知デ
ータとその信頼度より追尾目標の属性の信頼度を算出す
る追尾目標属性信頼度算出器と、上記追尾目標属性信頼
度算出器で算出された追尾目標の属性信頼度を1サンプ
リング分遅延させる第2の遅延回路とで構成したことを
特徴とする多目標追尾装置。 - 【請求項3】 追尾目標及び追尾目標以外のクラッタ等
からの位置等の運動諸元の信号検出結果である観測位置
データ及び類識別結果等の信号分析結果である属性デー
タを探知データとして出力する目標観測装置と、探知デ
ータを転送する観測諸元転送装置と、観測位置データの
存在確率分布を算出する運動諸元確率分布算出器と、上
記追尾目標からの運動諸元確率分布を基にした目標予測
存在範囲により追尾目標と相関の可能性のある探知デー
タを選択する運動諸元相関器と、追尾目標からの属性デ
ータ確率分布を算出する属性データ確率分布算出器と、
上記相関器で選択された探知データと追尾目標との仮説
を生成する探知データ仮説生成器と、上記追尾目標から
の運動諸元確率分布と追尾目標からの属性データ確率分
布により探知データの仮説信頼度を算出する探知データ
信頼度算出器と、等速直進運動モデルによる平滑誤差を
評価する平滑誤差評価器と、等速直進運動モデルにおけ
る予測誤差を評価する予測誤差評価器と、上記予測誤差
評価器で算出した予測誤差評価値を1サンプリング分遅
延させる第3の遅延回路と、ゲイン行列を算出するゲイ
ン行列算出器と、等速直進運動モデルによる平滑値を算
出する平滑器と、等速直進運動モデルによる目標位置、
速度等の予測値を算出する予測器と、上記予測器で算出
した予測値を1サンプリング分遅延させる第1の遅延回
路と、上記相関器で選択された探知データとその信頼度
より追尾目標の属性の信頼度を算出する追尾目標属性信
頼度算出器と、上記追尾目標属性信頼度算出器で算出さ
れた追尾目標の属性信頼度を1サンプリング分遅延させ
る第2の遅延回路とで構成したことを特徴とする多目標
追尾装置。 - 【請求項4】 追尾目標及び追尾目標以外のクラッタ等
からの位置等の運動諸元の信号検出結果である観測位置
データ及び類識別結果等の信号分析結果である属性デー
タを探知データとして出力する目標観測装置と、探知デ
ータを転送する観測諸元転送装置と、観測位置データの
存在確率分布を算出する運動諸元確率分布算出器と、追
尾目標からの属性データ確率分布を算出する属性データ
確率分布算出器と、上記追尾目標からの運動諸元確率分
布及び上記追尾目標からの属性データ確率分布を基に算
出された探知データ確率分布により追尾目標と相関の可
能性のある探知データを選択する探知データ相関器と、
上記相関器で選択された探知データと追尾目標との仮説
を生成する探知データ仮説生成器と、上記追尾目標から
の運動諸元確率分布と追尾目標からの属性データ確率分
布により探知データの仮説信頼度を算出する探知データ
信頼度算出器と、等速直進運動モデルによる平滑誤差を
評価する平滑誤差評価器と、等速直進運動モデルにおけ
る予測誤差を評価する予測誤差評価器と、上記予測誤差
評価器で算出した予測誤差評価値を1サンプリング分遅
延させる第3の遅延回路と、ゲイン行列を算出するゲイ
ン行列算出器と、等速直進運動モデルによる平滑値を算
出する平滑器と、等速直進運動モデルによる目標位置、
速度等の予測値を算出する予測器と、上記予測器で算出
した予測値を1サンプリング分遅延させる第1の遅延回
路と、上記相関器で選択された探知データとその信頼度
より追尾目標の属性の信頼度を算出する追尾目標属性信
頼度算出器と、上記追尾目標属性信頼度算出器で算出さ
れた追尾目標の属性信頼度を1サンプリング分遅延させ
る第2の遅延回路とで構成したことを特徴とする多目標
追尾装置。 - 【請求項5】 追尾目標及び追尾目標以外のクラッタ等
からの位置等の運動諸元の信号検出結果である観測位置
データ及び類識別結果等の信号分析結果である属性デー
タを探知データとして出力する目標観測装置と、探知デ
ータを転送する観測諸元転送装置と、観測位置データの
存在確率分布を算出する運動諸元確率分布算出器と、追
尾目標からの属性データ確率分布を算出する属性データ
確率分布算出器と、上記追尾目標からの運動諸元確率分
布及び上記追尾目標からの属性データ確率分布を基に算
出された探知データ確率分布により追尾目標と相関の可
能性のある探知データを選択する探知データ相関器と、
上記相関器で選択された探知データと追尾目標との仮説
を生成する探知データ仮説生成器と、上記追尾目標から
の運動諸元確率分布により探知データの仮説信頼度を算
出する探知データ信頼度算出器と、等速直進運動モデル
による平滑誤差を評価する平滑誤差評価器と、等速直進
運動モデルにおける予測誤差を評価する予測誤差評価器
と、上記予測誤差評価器で算出した予測誤差評価値を1
サンプリング分遅延させる第3の遅延回路と、ゲイン行
列を算出するゲイン行列算出器と、等速直進運動モデル
による平滑値を算出する平滑器と、等速直進運動モデル
による目標位置、速度等の予測値を算出する予測器と、
上記予測器で算出した予測値を1サンプリング分遅延さ
せる第1の遅延回路と、上記相関器で選択された探知デ
ータとその信頼度より追尾目標の属性の信頼度を算出す
る追尾目標属性信頼度算出器と、上記追尾目標属性信頼
度算出器で算出された追尾目標の属性信頼度を1サンプ
リング分遅延させる第2の遅延回路とで構成したことを
特徴とする多目標追尾装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP8877592A JPH05288840A (ja) | 1992-04-09 | 1992-04-09 | 多目標追尾装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP8877592A JPH05288840A (ja) | 1992-04-09 | 1992-04-09 | 多目標追尾装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH05288840A true JPH05288840A (ja) | 1993-11-05 |
Family
ID=13952235
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP8877592A Pending JPH05288840A (ja) | 1992-04-09 | 1992-04-09 | 多目標追尾装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH05288840A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008261739A (ja) * | 2007-04-12 | 2008-10-30 | Mitsubishi Electric Corp | 多目標追尾装置 |
JP2010032356A (ja) * | 2008-07-29 | 2010-02-12 | Mitsubishi Electric Corp | レーダ装置 |
JP2017067624A (ja) * | 2015-09-30 | 2017-04-06 | 三菱電機株式会社 | 目標追尾装置及びレーダ装置 |
CN114333294A (zh) * | 2021-11-30 | 2022-04-12 | 上海电科智能***股份有限公司 | 一种基于非全覆盖的多元多种物体感知识别跟踪方法 |
-
1992
- 1992-04-09 JP JP8877592A patent/JPH05288840A/ja active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008261739A (ja) * | 2007-04-12 | 2008-10-30 | Mitsubishi Electric Corp | 多目標追尾装置 |
JP2010032356A (ja) * | 2008-07-29 | 2010-02-12 | Mitsubishi Electric Corp | レーダ装置 |
JP2017067624A (ja) * | 2015-09-30 | 2017-04-06 | 三菱電機株式会社 | 目標追尾装置及びレーダ装置 |
CN114333294A (zh) * | 2021-11-30 | 2022-04-12 | 上海电科智能***股份有限公司 | 一种基于非全覆盖的多元多种物体感知识别跟踪方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rutten et al. | Recursive track-before-detect with target amplitude fluctuations | |
Ristic et al. | Calibration of multi-target tracking algorithms using non-cooperative targets | |
Kalandros et al. | Tutorial on multisensor management and fusion algorithms for target tracking | |
CN106405537B (zh) | 基于位置信息和多普勒信息的雷达航迹起始方法 | |
KR101402206B1 (ko) | 운동학 및 형상 정보를 활용한 다중 표적 추적 방법 | |
CN116128932B (zh) | 一种多目标跟踪方法 | |
CN106934324A (zh) | 基于简化多假设算法的雷达数据关联方法 | |
CN114002667A (zh) | 一种基于随机矩阵法的多近邻扩展目标跟踪算法 | |
JP2004251660A (ja) | 目標追尾装置 | |
Memon et al. | Detection and tracking of the trajectories of dynamic UAVs in restricted and cluttered environment | |
JP2004309209A (ja) | センサ信号処理システム | |
JPH05288840A (ja) | 多目標追尾装置 | |
JPH05297947A (ja) | 多目標追尾装置 | |
Demim et al. | A new filtering strategy for target tracking application using the second form of smooth variable structure filter | |
CN114488104B (zh) | 基于交互一致性的天波超视距雷达目标跟踪方法 | |
JP4166651B2 (ja) | 目標追尾装置 | |
CN113280821B (zh) | 基于斜率约束和回溯搜索的水下多目标跟踪方法 | |
JP2004219300A (ja) | 目標追尾装置 | |
Wang et al. | Study on multiple targets tracking algorithm based on multiple sensors | |
JPH0797136B2 (ja) | 多目標追尾方法及びその装置 | |
JP3411485B2 (ja) | 目標追尾装置 | |
CN113486300A (zh) | 一种无人驾驶车辆多目标跟踪方法 | |
JP3440010B2 (ja) | 目標追尾装置 | |
JPH0643241A (ja) | 多目標追尾方法及びその装置 | |
JPH0797135B2 (ja) | 多目標追尾方法及びその装置 |