JPH1144754A - 目標追尾方法及び装置 - Google Patents
目標追尾方法及び装置Info
- Publication number
- JPH1144754A JPH1144754A JP9203368A JP20336897A JPH1144754A JP H1144754 A JPH1144754 A JP H1144754A JP 9203368 A JP9203368 A JP 9203368A JP 20336897 A JP20336897 A JP 20336897A JP H1144754 A JPH1144754 A JP H1144754A
- Authority
- JP
- Japan
- Prior art keywords
- matrix
- time
- vector
- observation
- smoothed
- 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.)
- Granted
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
(57)【要約】
【課題】 複数の観測装置からの目標位置の観測結果デ
ータが時系列に到着した場合のみならず非時系列に到着
した場合においてもデータを破棄することなく観測情報
として有効に活用して精度の良い追尾処理を行う装置を
得る。 【解決手段】 非時系列に観測結果が到着した場合に、
観測時刻から現在保持しているサンプリング時刻への状
態ベクトルの推移行列を算出し、該推移行列の逆行列を
算出し、上記観測時刻から上記サンプリング時刻への駆
動雑音ベクトルの変換行列を算出し、非時系列データ処
理用のゲイン行列を算出し、該非時系列データ処理用の
ゲイン行列と現在保持されているカルマンゲイン行列を
使用することにより上記観測値が遅れることなく到着し
て時系列にカルマンフィルタの処理を行った場合の計算
結果と等価な平滑ベクトルと平滑誤差共分散行列及びカ
ルマンゲイン行列を算出する、新たな処理アルゴリズム
に従い追尾処理を実行する。
ータが時系列に到着した場合のみならず非時系列に到着
した場合においてもデータを破棄することなく観測情報
として有効に活用して精度の良い追尾処理を行う装置を
得る。 【解決手段】 非時系列に観測結果が到着した場合に、
観測時刻から現在保持しているサンプリング時刻への状
態ベクトルの推移行列を算出し、該推移行列の逆行列を
算出し、上記観測時刻から上記サンプリング時刻への駆
動雑音ベクトルの変換行列を算出し、非時系列データ処
理用のゲイン行列を算出し、該非時系列データ処理用の
ゲイン行列と現在保持されているカルマンゲイン行列を
使用することにより上記観測値が遅れることなく到着し
て時系列にカルマンフィルタの処理を行った場合の計算
結果と等価な平滑ベクトルと平滑誤差共分散行列及びカ
ルマンゲイン行列を算出する、新たな処理アルゴリズム
に従い追尾処理を実行する。
Description
【０００１】
【発明の属する技術分野】この発明は、航空機等の移動
物体を目標とし、レーダ等の電波センサや赤外線カメラ
等の光学センサに代表される観測装置を複数用い、これ
ら観測装置による目標位置の観測結果に基づいて目標の
位置、速度等の真値を推定することにより、目標の運動
を追尾する目標追尾方法及び装置に関するものである。
物体を目標とし、レーダ等の電波センサや赤外線カメラ
等の光学センサに代表される観測装置を複数用い、これ
ら観測装置による目標位置の観測結果に基づいて目標の
位置、速度等の真値を推定することにより、目標の運動
を追尾する目標追尾方法及び装置に関するものである。
【０００２】
【従来の技術】従来、この種の目標追尾装置としては、
カルマンフィルタを使用したものが一般的であった。以
下、カルマンフィルタの処理アルゴリズムを述べ、従来
の目標追尾装置の構成例を説明する。時間軸を必ずしも
一定間隔と限ることなくサンプリングしたサンプリング
時刻の時系列をｔk （ｋ＝１，２，・・・）とする。カ
ルマンフィルタの理論では、まず、目標の運動モデルを
式（１）のように表現する。 ｘk＝Φ（ｔk-1，ｔk）ｘk-1＋Γ（ｔk-1，ｔk）ｗk-1 （１）
カルマンフィルタを使用したものが一般的であった。以
下、カルマンフィルタの処理アルゴリズムを述べ、従来
の目標追尾装置の構成例を説明する。時間軸を必ずしも
一定間隔と限ることなくサンプリングしたサンプリング
時刻の時系列をｔk （ｋ＝１，２，・・・）とする。カ
ルマンフィルタの理論では、まず、目標の運動モデルを
式（１）のように表現する。 ｘk＝Φ（ｔk-1，ｔk）ｘk-1＋Γ（ｔk-1，ｔk）ｗk-1 （１）
【０００３】式（１）において、ｘk 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ｎ次元状態ベ
クトル、Φ（ｔk-1，ｔk）はサンプリング時刻ｔk-1 か
らサンプリング時刻ｔk への状態ベクトルｘk の推移を
表すｎ×ｎの推移行列である。また、ｗkはサンプリン
グ時刻ｔk におけるｒ次元駆動雑音ベクトルで、平均
０、共分散行列のＱk のｒ変量正規分布に従う白色雑音
系列であるとする。Γ（ｔk-1，ｔk）は駆動雑音ベクト
ルの変換行列で、ｎ×ｒ行列である。
刻ｔk における目標運動諸元の真値を表すｎ次元状態ベ
クトル、Φ（ｔk-1，ｔk）はサンプリング時刻ｔk-1 か
らサンプリング時刻ｔk への状態ベクトルｘk の推移を
表すｎ×ｎの推移行列である。また、ｗkはサンプリン
グ時刻ｔk におけるｒ次元駆動雑音ベクトルで、平均
０、共分散行列のＱk のｒ変量正規分布に従う白色雑音
系列であるとする。Γ（ｔk-1，ｔk）は駆動雑音ベクト
ルの変換行列で、ｎ×ｒ行列である。
【０００４】例えばｘ−ｙ−ｚの直交座標系における目
標の位置及び速度を追尾する場合、式（１）の運動モデ
ルとして式（２）〜（４）のように設定することができ
る。ここで、ｗkはｘ，ｙ，ｚ各軸の加速度相当の外乱
入力を表す３次元ベクトルとする。なお、Ｉn×nはｎ×
ｎの単位行列を表す。
標の位置及び速度を追尾する場合、式（１）の運動モデ
ルとして式（２）〜（４）のように設定することができ
る。ここで、ｗkはｘ，ｙ，ｚ各軸の加速度相当の外乱
入力を表す３次元ベクトルとする。なお、Ｉn×nはｎ×
ｎの単位行列を表す。
【０００５】
【数１】
【０００６】次に、観測装置の観測モデルを次式のよう
に表現する。 ｚk＝Ｈｘk＋νk （５） 式（５）において、ｚk はサンプリング時刻ｔk におけ
るｍ次元観測値ベクトル、Ｈはｍ×ｎの観測行列であ
る。また、νk はサンプリング時刻ｔk における観測値
ベクトルｚk に対応したｍ次元観測雑音ベクトルで、平
均０、共分散行列のＲk のｍ変量正規分布に従う白色雑
音系列であるとする。なお、駆動雑音ベクトルｗk と観
測雑音ベクトルνk は互いに独立であるとする。
に表現する。 ｚk＝Ｈｘk＋νk （５） 式（５）において、ｚk はサンプリング時刻ｔk におけ
るｍ次元観測値ベクトル、Ｈはｍ×ｎの観測行列であ
る。また、νk はサンプリング時刻ｔk における観測値
ベクトルｚk に対応したｍ次元観測雑音ベクトルで、平
均０、共分散行列のＲk のｍ変量正規分布に従う白色雑
音系列であるとする。なお、駆動雑音ベクトルｗk と観
測雑音ベクトルνk は互いに独立であるとする。
【０００７】例えば観測装置の検出結果に基づき、ｘ−
ｙ−ｚの直交座標系における目標位置が観測値として得
られる場合、式（５）の観測モデルとして式（６），
（７）のように設定することができる。
ｙ−ｚの直交座標系における目標位置が観測値として得
られる場合、式（５）の観測モデルとして式（６），
（７）のように設定することができる。
【０００８】
【数２】
【０００９】サンプリング時刻ｔk までの観測値ベクト
ルの集積を次のように表すこととする。 Ｚk＝｛ｚ1，ｚ2，・・・，ｚk-1，ｚk｝ （８） カルマンフィルタの理論によれば、上記モデルに従いサ
ンプリング時刻の観測値が時系列に得られる場合の、状
態ベクトルｘk の推定値ｘk ハットが式（９）〜（１
３）によって計算される。ただし、Ｑk，Ｒkはパラメー
タであるとする。なお、Ｔは行列の転置を表す。
ルの集積を次のように表すこととする。 Ｚk＝｛ｚ1，ｚ2，・・・，ｚk-1，ｚk｝ （８） カルマンフィルタの理論によれば、上記モデルに従いサ
ンプリング時刻の観測値が時系列に得られる場合の、状
態ベクトルｘk の推定値ｘk ハットが式（９）〜（１
３）によって計算される。ただし、Ｑk，Ｒkはパラメー
タであるとする。なお、Ｔは行列の転置を表す。
【００１０】
【数３】
【００１１】ここで、ｘk ハット，ｘk チルダ，Ｐk ハ
ット，Ｐk チルダはそれぞれ式（１４）〜（１７）のよ
うに定義される。ただし、E[・]は平均操作を表す記号で
ある。ｘk ハットはサンプリング時刻ｔk までの観測情
報Ｚk に基づくｘk の条件付き平均値で、サンプリング
時刻ｔk までの観測情報Ｚk に基づいてサンプリング時
刻ｔk の状態ベクトルの真値を推定した平滑ベクトルに
相当し、ｘk チルダはサンプリング時刻ｔk-1 までの観
測情報Ｚk-1 に基づくｘk の条件付き平均値で、サンプ
リング時刻ｔk-1 までの観測情報Ｚk-1 に基づいてサン
プリング時刻ｔk の状態ベクトルの真値を推定した予測
ベクトルに相当する。Ｐk ハット，Ｐkチルダはそれぞ
れｘk ハット，ｘk チルダの誤差共分散行列を表す平滑
誤差共分散行列及び予測誤差共分散行列である。また、
式（１２）のＫk はカルマンゲイン行列と呼ばれ、ｎ×
ｍ行列である。なお、上記式（９）〜（１３）により算
出される平滑ベクトルｘk ハットは、観測情報Ｚk の下
での、推定誤差の平均がゼロで分散が最小となる意味で
最適な推定値となる。
ット，Ｐk チルダはそれぞれ式（１４）〜（１７）のよ
うに定義される。ただし、E[・]は平均操作を表す記号で
ある。ｘk ハットはサンプリング時刻ｔk までの観測情
報Ｚk に基づくｘk の条件付き平均値で、サンプリング
時刻ｔk までの観測情報Ｚk に基づいてサンプリング時
刻ｔk の状態ベクトルの真値を推定した平滑ベクトルに
相当し、ｘk チルダはサンプリング時刻ｔk-1 までの観
測情報Ｚk-1 に基づくｘk の条件付き平均値で、サンプ
リング時刻ｔk-1 までの観測情報Ｚk-1 に基づいてサン
プリング時刻ｔk の状態ベクトルの真値を推定した予測
ベクトルに相当する。Ｐk ハット，Ｐkチルダはそれぞ
れｘk ハット，ｘk チルダの誤差共分散行列を表す平滑
誤差共分散行列及び予測誤差共分散行列である。また、
式（１２）のＫk はカルマンゲイン行列と呼ばれ、ｎ×
ｍ行列である。なお、上記式（９）〜（１３）により算
出される平滑ベクトルｘk ハットは、観測情報Ｚk の下
での、推定誤差の平均がゼロで分散が最小となる意味で
最適な推定値となる。
【００１２】
【数４】
【００１３】図６は上記カルマンフィルタを使用した従
来の目標追尾装置の構成例を示す図である。図６におい
て、１は間欠的に目標の位置を観測する複数の観測装置
であって、各観測装置により得られた目標位置の観測値
とその観測時刻とで構成される観測結果のデータ２は、
伝送路３を経て入力部４に伝送される。
来の目標追尾装置の構成例を示す図である。図６におい
て、１は間欠的に目標の位置を観測する複数の観測装置
であって、各観測装置により得られた目標位置の観測値
とその観測時刻とで構成される観測結果のデータ２は、
伝送路３を経て入力部４に伝送される。
【００１４】図７は上記観測装置１が２個の場合、つま
り観測装置１ａと１ｂを備える場合についての観測結果
の入力タイミングを説明するタイミングチャートを示し
ている。各観測装置１ａ，１ｂは、それぞれ独立に時間
軸をサンプリングしながら目標の観測を行い、観測結果
のデータ２を伝送路３に送出する。各観測結果は伝送路
における伝送時間の経過後、入力部４に到着する。この
図７では、いずれの観測装置による観測であるかに係わ
らず、観測時刻の古いものから順にサンプリング時刻を
表している。なお、入力部４には、観測時刻の古いもの
から順にデータが到着するものとする。
り観測装置１ａと１ｂを備える場合についての観測結果
の入力タイミングを説明するタイミングチャートを示し
ている。各観測装置１ａ，１ｂは、それぞれ独立に時間
軸をサンプリングしながら目標の観測を行い、観測結果
のデータ２を伝送路３に送出する。各観測結果は伝送路
における伝送時間の経過後、入力部４に到着する。この
図７では、いずれの観測装置による観測であるかに係わ
らず、観測時刻の古いものから順にサンプリング時刻を
表している。なお、入力部４には、観測時刻の古いもの
から順にデータが到着するものとする。
【００１５】図６に戻って、５は平滑ベクトルを格納保
持する平滑ベクトル用メモリ、６は平滑ベクトルの平滑
誤差共分散行列を格納保持する平滑誤差共分散行列用メ
モリ、９は入力部４からのサンプリング時刻ｔk のデー
タ８を入力して１サンプリング前の時刻ｔk-1 をサンプ
リング時刻用メモリ１０から読み出し、最新のサンプリ
ング時刻ｔk と１サンプリング前の時刻ｔk-1 を送出し
た後、最新のサンプリング時刻ｔk をサンプリング時刻
用メモリ１０に格納する時刻管理部である。
持する平滑ベクトル用メモリ、６は平滑ベクトルの平滑
誤差共分散行列を格納保持する平滑誤差共分散行列用メ
モリ、９は入力部４からのサンプリング時刻ｔk のデー
タ８を入力して１サンプリング前の時刻ｔk-1 をサンプ
リング時刻用メモリ１０から読み出し、最新のサンプリ
ング時刻ｔk と１サンプリング前の時刻ｔk-1 を送出し
た後、最新のサンプリング時刻ｔk をサンプリング時刻
用メモリ１０に格納する時刻管理部である。
【００１６】また、４１は通常のカルマンフィルタによ
り追尾処理を行う追尾処理部を示し、この追尾処理部
は、時刻管理部９からの最新のサンプリング時刻と１サ
ンプリング前の時刻との入力に基づいて推移行列を算出
する推移行列算出器２１と、この推移行列算出器２１か
らの推移行列と平滑ベクトル用メモリ５からの１サンプ
リング前の平滑ベクトルとに基づいて予測ベクトルを算
出する予測処理器２２と、時刻管理部９からの最新のサ
ンプリング時刻と１サンプリング前の時刻との入力に基
づいて駆動雑音の変換行列を算出する変換行列算出器２
３と、推移行列算出器２１からの推移行列と変換行列算
出器２３からの駆動雑音の変換行列及び平滑誤差共分散
行列用メモリ６からの１サンプリング前の平滑誤差共分
散行列とに基づいて予測誤差共分散行列を算出する予測
誤差共分散行列算出器２４と、予測誤差共分散行列算出
器２４からの予測誤差共分散行列に基づいてカルマンゲ
イン行列を算出するカルマンゲイン行列算出器２５と、
入力部４からの目標位置の観測値のデータ１３と予測処
理器２２からの予測ベクトル及びカルマンゲイン行列算
出器２５からのカルマンゲイン行列とに基づいて平滑ベ
クトルを算出し平滑ベクトル用メモリ５に格納する平滑
処理器２６と、予測誤差共分散行列算出器２４からの予
測誤差共分散行列とカルマンゲイン行列算出器２５から
のカルマンゲイン行列とに基づいて平滑誤差共分散行列
を算出し平滑誤差共分散行列用メモリ６に格納する平滑
誤差共分散行列算出器２７とを備えている。
り追尾処理を行う追尾処理部を示し、この追尾処理部
は、時刻管理部９からの最新のサンプリング時刻と１サ
ンプリング前の時刻との入力に基づいて推移行列を算出
する推移行列算出器２１と、この推移行列算出器２１か
らの推移行列と平滑ベクトル用メモリ５からの１サンプ
リング前の平滑ベクトルとに基づいて予測ベクトルを算
出する予測処理器２２と、時刻管理部９からの最新のサ
ンプリング時刻と１サンプリング前の時刻との入力に基
づいて駆動雑音の変換行列を算出する変換行列算出器２
３と、推移行列算出器２１からの推移行列と変換行列算
出器２３からの駆動雑音の変換行列及び平滑誤差共分散
行列用メモリ６からの１サンプリング前の平滑誤差共分
散行列とに基づいて予測誤差共分散行列を算出する予測
誤差共分散行列算出器２４と、予測誤差共分散行列算出
器２４からの予測誤差共分散行列に基づいてカルマンゲ
イン行列を算出するカルマンゲイン行列算出器２５と、
入力部４からの目標位置の観測値のデータ１３と予測処
理器２２からの予測ベクトル及びカルマンゲイン行列算
出器２５からのカルマンゲイン行列とに基づいて平滑ベ
クトルを算出し平滑ベクトル用メモリ５に格納する平滑
処理器２６と、予測誤差共分散行列算出器２４からの予
測誤差共分散行列とカルマンゲイン行列算出器２５から
のカルマンゲイン行列とに基づいて平滑誤差共分散行列
を算出し平滑誤差共分散行列用メモリ６に格納する平滑
誤差共分散行列算出器２７とを備えている。
【００１７】次に、上記構成に係る従来の目標追尾装置
の動作について説明する。まず、平滑ベクトル用メモリ
５に式（１４）に示す平滑ベクトルｘk ハットの適切な
初期値ｘ0 ハットを設定し、また、平滑誤差共分散行列
用メモリ６に式（１６）に示す平滑誤差共分散行列Ｐk
ハットの適切な初期値Ｐ0 ハットを設定することで、目
標の追尾処理が開始される。以降、複数の観測装置１の
いずれかからの新たな観測結果が入力部４に到着する度
に、追尾処理部４１において、平滑ベクトル用メモリ５
から平滑ベクトルの値を読み出し、また、平滑誤差共分
散行列用メモリ６から平滑誤差共分散行列の値を読み出
し、これらの値を更新したのち、更新結果を再び平滑ベ
クトル用メモリ５及び平滑誤差共分散用メモリ６に格納
する。上記一連の処理を追尾終了まで繰り返し実行す
る。
の動作について説明する。まず、平滑ベクトル用メモリ
５に式（１４）に示す平滑ベクトルｘk ハットの適切な
初期値ｘ0 ハットを設定し、また、平滑誤差共分散行列
用メモリ６に式（１６）に示す平滑誤差共分散行列Ｐk
ハットの適切な初期値Ｐ0 ハットを設定することで、目
標の追尾処理が開始される。以降、複数の観測装置１の
いずれかからの新たな観測結果が入力部４に到着する度
に、追尾処理部４１において、平滑ベクトル用メモリ５
から平滑ベクトルの値を読み出し、また、平滑誤差共分
散行列用メモリ６から平滑誤差共分散行列の値を読み出
し、これらの値を更新したのち、更新結果を再び平滑ベ
クトル用メモリ５及び平滑誤差共分散用メモリ６に格納
する。上記一連の処理を追尾終了まで繰り返し実行す
る。
【００１８】以下に、サンプリング時刻ｔk の観測結果
のデータが入力部４に到着したときの処理の流れを説明
する。まず、入力部４からサンプリング時刻ｔk のデー
タ８が時刻管理部９に送出される。時刻管理部９では、
サンプリング時刻用メモリ１０から１サンプリング前の
時刻ｔk-1 を読み出し、追尾処理部４１の推移行列算出
器２１及び変換行列算出器２３に対して、最新のサンプ
リング時刻ｔk と１サンプリング前の時刻ｔk- 1 を送出
したのち、最新のサンプリング時刻ｔk をサンプリング
時刻用メモリ１０に格納する。
のデータが入力部４に到着したときの処理の流れを説明
する。まず、入力部４からサンプリング時刻ｔk のデー
タ８が時刻管理部９に送出される。時刻管理部９では、
サンプリング時刻用メモリ１０から１サンプリング前の
時刻ｔk-1 を読み出し、追尾処理部４１の推移行列算出
器２１及び変換行列算出器２３に対して、最新のサンプ
リング時刻ｔk と１サンプリング前の時刻ｔk- 1 を送出
したのち、最新のサンプリング時刻ｔk をサンプリング
時刻用メモリ１０に格納する。
【００１９】次に、推移行列算出器２１において、時刻
管理部９から最新のサンプリング時刻ｔk と１サンプリ
ング前の時刻ｔk-1 を入力し、式（３）に従い推移行列
Φ（ｔk-1，ｔk）を算出したのち、予測処理器２２にお
いて、推移行列算出器２１から推移行列Φ（ｔk-1，
ｔk）を入力し、また、平滑ベクトル用メモリ５から１
サンプリング前の平滑ベクトルｘk-1 ハットを読み出
し、式（９）に従い予測ベクトルｘk チルダを算出す
る。一方、変換行列算出器２３では、時刻管理部９から
最新のサンプリング時刻ｔk と１サンプリング前の時刻
ｔk-1 を入力し、式（４）に従い駆動雑音の変換行列Γ
（ｔk-1，ｔk）を算出し、次に、予測誤差共分散行列算
出器２４において、推移行列算出器２１から推移行列Φ
（ｔk-1，ｔk）を入力し、変換行列算出器２３から駆動
雑音の変換行列Γ（ｔk-1，ｔk）を入力し、さらに平滑
誤差共分散行列用メモリ６から１サンプリング前の平滑
誤差共分散行列Ｐk-1 ハットを読み出し、式（１１）に
従い予測誤差共分散行列Ｐk チルダを算出する。
管理部９から最新のサンプリング時刻ｔk と１サンプリ
ング前の時刻ｔk-1 を入力し、式（３）に従い推移行列
Φ（ｔk-1，ｔk）を算出したのち、予測処理器２２にお
いて、推移行列算出器２１から推移行列Φ（ｔk-1，
ｔk）を入力し、また、平滑ベクトル用メモリ５から１
サンプリング前の平滑ベクトルｘk-1 ハットを読み出
し、式（９）に従い予測ベクトルｘk チルダを算出す
る。一方、変換行列算出器２３では、時刻管理部９から
最新のサンプリング時刻ｔk と１サンプリング前の時刻
ｔk-1 を入力し、式（４）に従い駆動雑音の変換行列Γ
（ｔk-1，ｔk）を算出し、次に、予測誤差共分散行列算
出器２４において、推移行列算出器２１から推移行列Φ
（ｔk-1，ｔk）を入力し、変換行列算出器２３から駆動
雑音の変換行列Γ（ｔk-1，ｔk）を入力し、さらに平滑
誤差共分散行列用メモリ６から１サンプリング前の平滑
誤差共分散行列Ｐk-1 ハットを読み出し、式（１１）に
従い予測誤差共分散行列Ｐk チルダを算出する。
【００２０】次に、カルマンゲイン行列算出器２５にお
いて、予測誤差共分散行列算出器２４から予測誤差共分
散行列Ｐk チルダを入力し、式（１２）に従いカルマン
ゲイン行列Ｋk を算出する。さらに、平滑処理器２６に
おいて、入力部４から目標位置の観測値ｚk のデータ１
３を入力し、予測処理器２２より予測ベクトルｘk チル
ダを入力し、カルマンゲイン行列算出器２５からカルマ
ンゲイン行列Ｋk を入力し、式（１０）に従い平滑ベク
トルｘk ハットを算出した後、該平滑ベクトルを平滑ベ
クトル用メモリ５に格納する。また、平滑誤差共分散行
列算出器２７において、予測誤差共分散行列算出器２４
から予測誤差共分散行列Ｐk チルダを入力し、カルマン
ゲイン行列算出器２５からカルマンゲイン行列Ｋk を入
力し、式（１３）に従い平滑誤差共分散行列Ｐk ハット
を算出し、該平滑誤差共分散行列を平滑誤差共分散行列
用メモリ６に格納する。
いて、予測誤差共分散行列算出器２４から予測誤差共分
散行列Ｐk チルダを入力し、式（１２）に従いカルマン
ゲイン行列Ｋk を算出する。さらに、平滑処理器２６に
おいて、入力部４から目標位置の観測値ｚk のデータ１
３を入力し、予測処理器２２より予測ベクトルｘk チル
ダを入力し、カルマンゲイン行列算出器２５からカルマ
ンゲイン行列Ｋk を入力し、式（１０）に従い平滑ベク
トルｘk ハットを算出した後、該平滑ベクトルを平滑ベ
クトル用メモリ５に格納する。また、平滑誤差共分散行
列算出器２７において、予測誤差共分散行列算出器２４
から予測誤差共分散行列Ｐk チルダを入力し、カルマン
ゲイン行列算出器２５からカルマンゲイン行列Ｋk を入
力し、式（１３）に従い平滑誤差共分散行列Ｐk ハット
を算出し、該平滑誤差共分散行列を平滑誤差共分散行列
用メモリ６に格納する。
【００２１】
【発明が解決しようとする課題】上記の通り従来の目標
追尾装置は構成されており、図７に示すように、観測装
置１ａ，１ｂから入力部４に対して伝送される観測結果
データが時刻ｔk-2，ｔk -1，ｔk，ｔk+1というように、
観測時刻の古い順に観測結果データが入力部４に到着
し、時系列に観測値が得られる場合に限って適正な追尾
処理ができるよう構成されていたため、例えば、伝送路
３での伝送時間が観測装置１毎に異なるなどして、図８
に示すように、観測装置１ａ，１ｂから入力部４に対し
て伝送される観測結果データが時刻ｔk-2，ｔk，ｔk-1
というように、観測時刻の順と到着時刻の順の間に逆転
が起こることにより、非時系列に観測値が得られた場合
にはこれを適正に処理することができないという問題が
あった。観測時刻の早いデータが遅れて到着した場合に
は、例えばこの観測結果データを捨てざるを得ないとい
う問題があった。
追尾装置は構成されており、図７に示すように、観測装
置１ａ，１ｂから入力部４に対して伝送される観測結果
データが時刻ｔk-2，ｔk -1，ｔk，ｔk+1というように、
観測時刻の古い順に観測結果データが入力部４に到着
し、時系列に観測値が得られる場合に限って適正な追尾
処理ができるよう構成されていたため、例えば、伝送路
３での伝送時間が観測装置１毎に異なるなどして、図８
に示すように、観測装置１ａ，１ｂから入力部４に対し
て伝送される観測結果データが時刻ｔk-2，ｔk，ｔk-1
というように、観測時刻の順と到着時刻の順の間に逆転
が起こることにより、非時系列に観測値が得られた場合
にはこれを適正に処理することができないという問題が
あった。観測時刻の早いデータが遅れて到着した場合に
は、例えばこの観測結果データを捨てざるを得ないとい
う問題があった。
【００２２】この発明はかかる課題を解決するためにな
されたもので、観測結果のデータが時系列に到着した場
合のみならず、非時系列に到着した場合にも適正に追尾
処理を行い得る目標追尾方法及び装置を得ることを目的
とする。
されたもので、観測結果のデータが時系列に到着した場
合のみならず、非時系列に到着した場合にも適正に追尾
処理を行い得る目標追尾方法及び装置を得ることを目的
とする。
【００２３】
【課題を解決するための手段】この発明に係る目標追尾
方法は、目標の位置、速度等の運動諸元で構成される状
態ベクトルの平滑ベクトルとその誤差を推定した平滑誤
差共分散行列及びカルマンゲイン行列の初期値を設定
し、間欠的に目標位置を観測する複数の観測装置のうち
いずれかからの観測値が到着する度に、上記観測値の観
測時刻が現在格納保持されている平滑ベクトルのサンプ
リング時刻より新しい時刻であるか否かを判定し、上記
観測値の観測時刻が現在格納保持されている平滑ベクト
ルのサンプリング時刻より新しい場合には、上記観測値
と現在格納保持されている平滑ベクトル及び平滑誤差共
分散行列の各値に基づいてカルマンフィルタの処理アル
ゴリズムに従い平滑ベクトルと平滑誤差共分散行列及び
カルマンゲイン行列の値を更新してその更新結果を格納
保持すると共に、上記観測値の観測時刻が現在格納保持
されている平滑ベクトルのサンプリング時刻より古い場
合には、該観測値は遅れて到着したと判断して、現在格
納保持している平滑ベクトルと平滑誤差共分散行列及び
カルマンゲイン行列の値及び上記遅れて到着した観測値
とに基づいて該観測値が遅れることなく到着して時系列
にカルマンフィルタの処理を行った場合に得られる計算
結果と等価な平滑ベクトルと平滑誤差共分散行列及びカ
ルマンゲイン行列の値を算出し、この各算出値を平滑ベ
クトルと平滑誤差共分散行列及びカルマンゲイン行列の
更新結果として格納保持することを特徴とするものであ
る。
方法は、目標の位置、速度等の運動諸元で構成される状
態ベクトルの平滑ベクトルとその誤差を推定した平滑誤
差共分散行列及びカルマンゲイン行列の初期値を設定
し、間欠的に目標位置を観測する複数の観測装置のうち
いずれかからの観測値が到着する度に、上記観測値の観
測時刻が現在格納保持されている平滑ベクトルのサンプ
リング時刻より新しい時刻であるか否かを判定し、上記
観測値の観測時刻が現在格納保持されている平滑ベクト
ルのサンプリング時刻より新しい場合には、上記観測値
と現在格納保持されている平滑ベクトル及び平滑誤差共
分散行列の各値に基づいてカルマンフィルタの処理アル
ゴリズムに従い平滑ベクトルと平滑誤差共分散行列及び
カルマンゲイン行列の値を更新してその更新結果を格納
保持すると共に、上記観測値の観測時刻が現在格納保持
されている平滑ベクトルのサンプリング時刻より古い場
合には、該観測値は遅れて到着したと判断して、現在格
納保持している平滑ベクトルと平滑誤差共分散行列及び
カルマンゲイン行列の値及び上記遅れて到着した観測値
とに基づいて該観測値が遅れることなく到着して時系列
にカルマンフィルタの処理を行った場合に得られる計算
結果と等価な平滑ベクトルと平滑誤差共分散行列及びカ
ルマンゲイン行列の値を算出し、この各算出値を平滑ベ
クトルと平滑誤差共分散行列及びカルマンゲイン行列の
更新結果として格納保持することを特徴とするものであ
る。
【００２４】また、上記観測値の観測時刻が現在格納保
持されている平滑ベクトルのサンプリング時刻より古い
場合には、該観測時刻から該サンプリング時刻への状態
ベクトルの推移行列を算出し、該推移行列の逆行列を算
出し、上記観測時刻から上記サンプリング時刻への駆動
雑音ベクトルの変換行列を算出し、非時系列データ処理
用のゲイン行列を算出し、該非時系列データ処理用のゲ
イン行列と現在保持されているカルマンゲイン行列を使
用することにより、上記観測値が遅れることなく到着し
て時系列にカルマンフィルタの処理を行った場合の計算
結果と等価な平滑ベクトルと平滑誤差共分散行列及びカ
ルマンゲイン行列を算出することを特徴とするものであ
る。
持されている平滑ベクトルのサンプリング時刻より古い
場合には、該観測時刻から該サンプリング時刻への状態
ベクトルの推移行列を算出し、該推移行列の逆行列を算
出し、上記観測時刻から上記サンプリング時刻への駆動
雑音ベクトルの変換行列を算出し、非時系列データ処理
用のゲイン行列を算出し、該非時系列データ処理用のゲ
イン行列と現在保持されているカルマンゲイン行列を使
用することにより、上記観測値が遅れることなく到着し
て時系列にカルマンフィルタの処理を行った場合の計算
結果と等価な平滑ベクトルと平滑誤差共分散行列及びカ
ルマンゲイン行列を算出することを特徴とするものであ
る。
【００２５】また、この発明に係る目標追尾装置は、間
欠的に目標位置を観測する複数の観測装置と、上記各観
測装置から送出される観測結果のデータを受信する入力
部と、最新のサンプリング時刻の平滑ベクトルを保持す
る平滑ベクトル用メモリと、上記平滑ベクトルの平滑誤
差共分散行列を保持する平滑誤差共分散行列用メモリ
と、最新のサンプリング時刻のカルマンゲイン行列を保
持するカルマンゲイン行列用メモリと、上記平滑ベクト
ルのサンプリング時刻を保持するサンプリング時刻用メ
モリと、上記入力部に受信された観測値の観測時刻と上
記サンプリング時刻用メモリに保持されている平滑ベク
トルのサンプリング時刻との比較を行う時刻管理部と、
上記時刻管理部による比較結果に基づいて上記観測値の
観測時刻が上記平滑値のサンプリング時刻より新しい場
合に、上記入力部から観測値データを取り込むと共に上
記平滑ベクトル用メモリ及び上記平滑誤差共分散行列用
メモリから平滑ベクトル及び平滑誤差共分散行列の各値
を読み出し、カルマンフィルタの処理アルゴリズムに従
い平滑ベクトル及び平滑誤差共分散行列の値を更新して
その更新結果を上記平滑ベクトル用メモリ及び上記平滑
誤差共分散行列用メモリに格納すると共に更新演算中に
算出したカルマンゲイン行列の値を上記カルマンゲイン
行列用メモリに格納する時系列データ用追尾処理部と、
上記時刻管理部による比較結果に基づいて上記観測値の
観測時刻が上記平滑ベクトルのサンプリング時刻より古
い場合に、上記入力部から観測値データを取り込むと共
に上記平滑ベクトル用メモリと上記平滑誤差共分散行列
用メモリ及び上記カルマンゲイン行列用メモリから平滑
ベクトルと平滑誤差共分散行列及びカルマンゲイン行列
の各値を読み出し、上記観測値が遅れることなく到着し
時系列にカルマンフィルタの処理を行った場合の計算結
果と等価な平滑ベクトルと平滑誤差共分散行列及びカル
マンゲイン行列の値を算出し、この各算出値を平滑ベク
トルと平滑誤差共分散行列及びカルマンゲイン行列の更
新結果として上記平滑ベクトル用メモリと上記平滑誤差
共分散行列用メモリ及び上記カルマンゲイン行列用メモ
リに格納する非時系列データ用追尾処理部とを具備した
ことを特徴とするものである。
欠的に目標位置を観測する複数の観測装置と、上記各観
測装置から送出される観測結果のデータを受信する入力
部と、最新のサンプリング時刻の平滑ベクトルを保持す
る平滑ベクトル用メモリと、上記平滑ベクトルの平滑誤
差共分散行列を保持する平滑誤差共分散行列用メモリ
と、最新のサンプリング時刻のカルマンゲイン行列を保
持するカルマンゲイン行列用メモリと、上記平滑ベクト
ルのサンプリング時刻を保持するサンプリング時刻用メ
モリと、上記入力部に受信された観測値の観測時刻と上
記サンプリング時刻用メモリに保持されている平滑ベク
トルのサンプリング時刻との比較を行う時刻管理部と、
上記時刻管理部による比較結果に基づいて上記観測値の
観測時刻が上記平滑値のサンプリング時刻より新しい場
合に、上記入力部から観測値データを取り込むと共に上
記平滑ベクトル用メモリ及び上記平滑誤差共分散行列用
メモリから平滑ベクトル及び平滑誤差共分散行列の各値
を読み出し、カルマンフィルタの処理アルゴリズムに従
い平滑ベクトル及び平滑誤差共分散行列の値を更新して
その更新結果を上記平滑ベクトル用メモリ及び上記平滑
誤差共分散行列用メモリに格納すると共に更新演算中に
算出したカルマンゲイン行列の値を上記カルマンゲイン
行列用メモリに格納する時系列データ用追尾処理部と、
上記時刻管理部による比較結果に基づいて上記観測値の
観測時刻が上記平滑ベクトルのサンプリング時刻より古
い場合に、上記入力部から観測値データを取り込むと共
に上記平滑ベクトル用メモリと上記平滑誤差共分散行列
用メモリ及び上記カルマンゲイン行列用メモリから平滑
ベクトルと平滑誤差共分散行列及びカルマンゲイン行列
の各値を読み出し、上記観測値が遅れることなく到着し
時系列にカルマンフィルタの処理を行った場合の計算結
果と等価な平滑ベクトルと平滑誤差共分散行列及びカル
マンゲイン行列の値を算出し、この各算出値を平滑ベク
トルと平滑誤差共分散行列及びカルマンゲイン行列の更
新結果として上記平滑ベクトル用メモリと上記平滑誤差
共分散行列用メモリ及び上記カルマンゲイン行列用メモ
リに格納する非時系列データ用追尾処理部とを具備した
ことを特徴とするものである。
【００２６】さらに、上記非時系列データ用追尾処理部
は、観測値の観測時刻から現在保持している平滑ベクト
ルのサンプリング時刻への状態ベクトルの推移行列を算
出する推移行列算出器と、該推移行列の逆行列を算出す
る逆行列算出器と、上記観測時刻から上記サンプリング
時刻への駆動雑音ベクトルの変換行列を算出する変換行
列算出器と、非時系列データ処理用のゲイン行列を算出
するゲイン行列算出器と、該ゲイン行列と現在保持され
ているカルマンゲイン行列とを使用して観測値が遅れる
ことなく到着し時系列にカルマンフィルタの処理を行っ
た場合の計算結果と等価な平滑ベクトルを算出する平滑
処理器と、上記非時系列データ処理用のゲイン行列と現
在保持されているカルマンゲイン行列とを使用して上記
平滑ベクトルの平滑誤差共分散行列を算出する平滑誤差
共分散行列算出器と、上記非時系列データ処理用のゲイ
ン行列と現在保持されているカルマンゲイン行列とを使
用して観測値が遅れることなく到着し時系列にカルマン
フィルタの処理を行った場合に得られる計算結果と等価
なカルマンゲイン行列を算出するゲイン行列換算器とを
具備したことを特徴とするものである。
は、観測値の観測時刻から現在保持している平滑ベクト
ルのサンプリング時刻への状態ベクトルの推移行列を算
出する推移行列算出器と、該推移行列の逆行列を算出す
る逆行列算出器と、上記観測時刻から上記サンプリング
時刻への駆動雑音ベクトルの変換行列を算出する変換行
列算出器と、非時系列データ処理用のゲイン行列を算出
するゲイン行列算出器と、該ゲイン行列と現在保持され
ているカルマンゲイン行列とを使用して観測値が遅れる
ことなく到着し時系列にカルマンフィルタの処理を行っ
た場合の計算結果と等価な平滑ベクトルを算出する平滑
処理器と、上記非時系列データ処理用のゲイン行列と現
在保持されているカルマンゲイン行列とを使用して上記
平滑ベクトルの平滑誤差共分散行列を算出する平滑誤差
共分散行列算出器と、上記非時系列データ処理用のゲイ
ン行列と現在保持されているカルマンゲイン行列とを使
用して観測値が遅れることなく到着し時系列にカルマン
フィルタの処理を行った場合に得られる計算結果と等価
なカルマンゲイン行列を算出するゲイン行列換算器とを
具備したことを特徴とするものである。
【００２７】
【発明の実施の形態】まず、この発明の実施の形態を説
明するに先立ち、この発明の根拠となる理論の骨子を説
明する。目標追尾装置により既に処理された最新のサン
プリング時刻をｔk とし、これまでに処理されたすべて
の観測値のサンプリング時刻を時系列に並べた結果をｔ
k （ｋ＝１，２，・・・）とする。ここでは、最新のサ
ンプリング時刻ｔk についての追尾処理を前記カルマン
フィルタの処理アルゴリズムに従い終了したのち、図５
に示す過去のサンプリング時刻ｔd（ただしｔk-1＜ｔd
＜ｔkと仮定する）の観測値ｚd が遅れて入力部に到着
した場合を考える。
明するに先立ち、この発明の根拠となる理論の骨子を説
明する。目標追尾装置により既に処理された最新のサン
プリング時刻をｔk とし、これまでに処理されたすべて
の観測値のサンプリング時刻を時系列に並べた結果をｔ
k （ｋ＝１，２，・・・）とする。ここでは、最新のサ
ンプリング時刻ｔk についての追尾処理を前記カルマン
フィルタの処理アルゴリズムに従い終了したのち、図５
に示す過去のサンプリング時刻ｔd（ただしｔk-1＜ｔd
＜ｔkと仮定する）の観測値ｚd が遅れて入力部に到着
した場合を考える。
【００２８】サンプリング時刻ｔk までの全観測値のう
ち、遅れて到着した観測値ｚd を除く他のすべての観測
値の集積を式（１８）のようにＺk と表す。また、遅れ
て到着した観測値ｚd を含めた全観測値の集積を式（１
９）のようにＺk+と表す。 Ｚk ＝｛ｚ1，ｚ2，・・・，ｚk-1，ｚk｝ （１８） Ｚk+＝｛ｚ1，ｚ2，・・・，ｚk-1，ｚd，ｚk｝ （１９） 上記カルマンフィルタの処理アルゴリズムに従い、サン
プリング時刻ｔk についての追尾処理が終了した時点に
おいての、目標追尾装置で得られている平滑ベクトル及
び平滑誤差共分散行列は、上記カルマンフィルタの理論
より、式（２０），（２１）で定義されるｘk ハット，
Ｐk ハットとなる。
ち、遅れて到着した観測値ｚd を除く他のすべての観測
値の集積を式（１８）のようにＺk と表す。また、遅れ
て到着した観測値ｚd を含めた全観測値の集積を式（１
９）のようにＺk+と表す。 Ｚk ＝｛ｚ1，ｚ2，・・・，ｚk-1，ｚk｝ （１８） Ｚk+＝｛ｚ1，ｚ2，・・・，ｚk-1，ｚd，ｚk｝ （１９） 上記カルマンフィルタの処理アルゴリズムに従い、サン
プリング時刻ｔk についての追尾処理が終了した時点に
おいての、目標追尾装置で得られている平滑ベクトル及
び平滑誤差共分散行列は、上記カルマンフィルタの理論
より、式（２０），（２１）で定義されるｘk ハット，
Ｐk ハットとなる。
【００２９】
【数５】
【００３０】一方、もし仮にサンプリング時刻ｔn の観
測値ｚn が遅れることなく到着し、ｔk-1，ｔd，ｔk の
順に時系列にカルマンフィルタの処理を実行していた場
合、目標追尾装置では、式（２２）で定義される平滑ベ
クトルｘk+ハット及び式（２３）で定義される平滑誤差
共分散行列Ｐk+ハットが得られるはずである。
測値ｚn が遅れることなく到着し、ｔk-1，ｔd，ｔk の
順に時系列にカルマンフィルタの処理を実行していた場
合、目標追尾装置では、式（２２）で定義される平滑ベ
クトルｘk+ハット及び式（２３）で定義される平滑誤差
共分散行列Ｐk+ハットが得られるはずである。
【００３１】
【数６】
【００３２】すなわち、式（２０）の平滑ベクトルｘk
ハットは、式（２２）の平滑ベクトルｘk+ハットに比べ
て１回分の観測値ｚd の情報が不足しているとの条件の
下での状態ベクトルｘk の推定値であって、相対的に推
定精度の低い推定値となっている。
ハットは、式（２２）の平滑ベクトルｘk+ハットに比べ
て１回分の観測値ｚd の情報が不足しているとの条件の
下での状態ベクトルｘk の推定値であって、相対的に推
定精度の低い推定値となっている。
【００３３】この発明の目標追尾装置では、サンプリン
グ時刻ｔk についての追尾処理が終了した時点において
の、式（２０）の平滑ベクトルｘk ハット及び式（２
１）の平滑誤差共分散行列Ｐk ハットより、遅れて到着
したサンプリング時刻ｔd の観測値ｚd を使用して、式
（２２）の平滑ベクトルｘk+ハット及び式（２３）の平
滑誤差共分散行列Ｐk+ハットを算出する新たな処理アル
ゴリズムに基づき、非時系列な観測値の場合の追尾処理
を実行するものである。
グ時刻ｔk についての追尾処理が終了した時点において
の、式（２０）の平滑ベクトルｘk ハット及び式（２
１）の平滑誤差共分散行列Ｐk ハットより、遅れて到着
したサンプリング時刻ｔd の観測値ｚd を使用して、式
（２２）の平滑ベクトルｘk+ハット及び式（２３）の平
滑誤差共分散行列Ｐk+ハットを算出する新たな処理アル
ゴリズムに基づき、非時系列な観測値の場合の追尾処理
を実行するものである。
【００３４】式（２２）の平滑ベクトルｘk+ハット及び
式（２３）の平滑誤差共分散行列Ｐk+ハットを算出する
ための新たな処理アルゴリズムは以下の式（２４）〜
（２６）ように与えられる。
式（２３）の平滑誤差共分散行列Ｐk+ハットを算出する
ための新たな処理アルゴリズムは以下の式（２４）〜
（２６）ように与えられる。
【００３５】
【数７】
【００３６】ここで、式（２５），（２６）の右辺で使
用するＫk は、観測値ｚd の到着前に実行したサンプリ
ング時刻ｔk について追尾処理において、式（１２）に
より算出したカルマンゲイン行列である。したがって、
式（２４）〜（２６）の処理を行うためには、サンプリ
ング時刻ｔk についてのカルマンフィルタの処理におけ
る、カルマンゲイン行列Ｋk の算出値を別途保持してお
くことが必要である。
用するＫk は、観測値ｚd の到着前に実行したサンプリ
ング時刻ｔk について追尾処理において、式（１２）に
より算出したカルマンゲイン行列である。したがって、
式（２４）〜（２６）の処理を行うためには、サンプリ
ング時刻ｔk についてのカルマンフィルタの処理におけ
る、カルマンゲイン行列Ｋk の算出値を別途保持してお
くことが必要である。
【００３７】ところで、非時系列に到着した観測値ｚd
に対する追尾処理が上記式（２４）〜（２６）に従い終
了したのち、さらに新たなサンプリング時刻ｔの観測値
が到着した際の処理について考えると、この新たなサン
プリング時刻ｔとしては、次の２つの場合が考えられ
る。すなわち、（ａ）サンプリング時刻ｔがｔk より後
か同一、または（ｂ）サンプリング時刻ｔがｔk より前
（ただしｔd＜ｔ＜ｔkを仮定する）である。
に対する追尾処理が上記式（２４）〜（２６）に従い終
了したのち、さらに新たなサンプリング時刻ｔの観測値
が到着した際の処理について考えると、この新たなサン
プリング時刻ｔとしては、次の２つの場合が考えられ
る。すなわち、（ａ）サンプリング時刻ｔがｔk より後
か同一、または（ｂ）サンプリング時刻ｔがｔk より前
（ただしｔd＜ｔ＜ｔkを仮定する）である。
【００３８】まず、上記（ａ）の場合の処理を考える。
前述したように、式（２４）〜（２６）により算出され
た式（２２），（２３）の平滑ベクトルｘk+ハット及び
平滑誤差共分散行列Ｐk+ハットは、ｔk-1，ｔd，ｔk の
順に時系列にカルマンフィルタの処理を実行した場合に
得られる平滑ベクトル及び平滑誤差共分散行列と等価で
ある。したがって、上記（ａ）の場合は、新たに到着し
たサンプリング時刻ｔを時系列のサンプリング時刻ｔ
k+1として、通常のカルマンフィルタの処理に従い追尾
処理を継続することができる。
前述したように、式（２４）〜（２６）により算出され
た式（２２），（２３）の平滑ベクトルｘk+ハット及び
平滑誤差共分散行列Ｐk+ハットは、ｔk-1，ｔd，ｔk の
順に時系列にカルマンフィルタの処理を実行した場合に
得られる平滑ベクトル及び平滑誤差共分散行列と等価で
ある。したがって、上記（ａ）の場合は、新たに到着し
たサンプリング時刻ｔを時系列のサンプリング時刻ｔ
k+1として、通常のカルマンフィルタの処理に従い追尾
処理を継続することができる。
【００３９】一方、上記（ｂ）の場合を考えると、新た
に到着した観測値のサンプリング時刻ｔは、現在、目標
追尾装置が保持している最新のサンプリング時刻ｔk よ
り古い時刻であるから、再び、式（２４）〜（２６）の
非時系列データ用の処理アルゴリズムにより追尾処理を
実行することが必要である。この際、式（２５），（２
６）の右辺において、前述のように、最新のサンプリン
グ時刻ｔk についてのカルマンゲイン行列を必要とす
る。このゲイン行列は、本来、観測値ｚd,ｚk をこの順
にカルマンフィルタで処理した場合に得られるサンプリ
ング時刻ｔk のカルマンゲイン行列Ｋk'であって、式
（２５）で算出するＫk+とは異なるものである。したが
って、このカルマンゲイン行列Ｋk'を別途算出すること
が必要となるが、この算出式は次式（２７）により与え
られる。 Ｋk'＝Ｋk−Ｋk+ＨΦ（ｔd,ｔk）-1Ｋk （２７） ここで、式（２７）の右辺で使用するＫk は、観測値ｚ
d の到着前に実行したサンプリング時刻ｔk について追
尾処理において、式（１２）により算出したカルマンゲ
イン行列である。
に到着した観測値のサンプリング時刻ｔは、現在、目標
追尾装置が保持している最新のサンプリング時刻ｔk よ
り古い時刻であるから、再び、式（２４）〜（２６）の
非時系列データ用の処理アルゴリズムにより追尾処理を
実行することが必要である。この際、式（２５），（２
６）の右辺において、前述のように、最新のサンプリン
グ時刻ｔk についてのカルマンゲイン行列を必要とす
る。このゲイン行列は、本来、観測値ｚd,ｚk をこの順
にカルマンフィルタで処理した場合に得られるサンプリ
ング時刻ｔk のカルマンゲイン行列Ｋk'であって、式
（２５）で算出するＫk+とは異なるものである。したが
って、このカルマンゲイン行列Ｋk'を別途算出すること
が必要となるが、この算出式は次式（２７）により与え
られる。 Ｋk'＝Ｋk−Ｋk+ＨΦ（ｔd,ｔk）-1Ｋk （２７） ここで、式（２７）の右辺で使用するＫk は、観測値ｚ
d の到着前に実行したサンプリング時刻ｔk について追
尾処理において、式（１２）により算出したカルマンゲ
イン行列である。
【００４０】以上述べたことから、過去のサンプリング
時刻ｔd の観測値ｚd が遅れて入力部に到着した場合の
処理の手順は、まず、サンプリング時刻ｔd,ｔk の値及
び既に目標追尾装置に保持されている平滑ベクトルｘk
ハット、平滑誤差共分散行列Ｐk ハットの値から、式
（２４）〜（２６）に従い新たな平滑ベクトルｘk+ハッ
ト、平滑誤差共分散行列Ｐk+ハットの値を算出した後、
次に到着する観測値が再び非時系列である場合に備え、
式（２７）に従いカルマンゲイン行列Ｋk'を算出してい
おく、という手順となる。以上がこの発明の根拠となる
理論の骨子である。以下、この発明の実施の形態につい
て説明する。
時刻ｔd の観測値ｚd が遅れて入力部に到着した場合の
処理の手順は、まず、サンプリング時刻ｔd,ｔk の値及
び既に目標追尾装置に保持されている平滑ベクトルｘk
ハット、平滑誤差共分散行列Ｐk ハットの値から、式
（２４）〜（２６）に従い新たな平滑ベクトルｘk+ハッ
ト、平滑誤差共分散行列Ｐk+ハットの値を算出した後、
次に到着する観測値が再び非時系列である場合に備え、
式（２７）に従いカルマンゲイン行列Ｋk'を算出してい
おく、という手順となる。以上がこの発明の根拠となる
理論の骨子である。以下、この発明の実施の形態につい
て説明する。
【００４１】実施の形態１．図１はこの発明の実施の形
態１に係る目標追尾装置の全体構成図である。図１にお
いて、図６に示す従来例と同一部分は同一符号を付して
その説明は省略する。新たな符号として、７は後述する
時系列データ用追尾処理部１１において算出されるカル
マンゲイン行列及び設定されるカルマンゲイン行列の初
期値を格納保持するカルマンゲイン行列用メモリ、１１
は観測結果が時系列に到着した場合に通常のカルマンフ
ィルタにより追尾処理を行う時系列データ用追尾処理部
で、入力部４から観測値データ１３を取り込み、平滑ベ
クトル用メモリ５から平滑ベクトルの値を読み出し、平
滑誤差共分散行列用メモリ６から平滑誤差共分散行列の
値を読み出し、カルマンフィルタの処理アルゴリズムに
従いこれら平滑ベクトル及び平滑誤差共分散行列の値を
更新して、更新結果を再び平滑ベクトル用メモリ５及び
平滑誤差共分散用メモリ６に格納すると共に、上記更新
演算中に算出したカルマンゲイン行列の値をカルマンゲ
イン行列用メモリ７に格納する。また、１２は観測結果
が非時系列に到着した場合に非時系列の観測値を処理す
るための新たな処理方法により追尾処理を行う非時系列
データ用追尾処理部で、入力部４から観測値データ１３
を取り込み、平滑ベクトル用メモリ５から平滑ベクトル
の値を読み出し、平滑誤差共分散行列用メモリ６から平
滑誤差共分散行列の値を読み出し、さらにカルマンゲイ
ン行列用メモリ７からカルマンゲイン行列の値を読み出
し、これら平滑ベクトル、平滑誤差共分散行列及びカル
マンゲイン行列の値を更新して、更新結果を再び平滑ベ
クトル用メモリ５、平滑誤差共分散用メモリ６、カルマ
ンゲイン行列用メモリ７に格納する。
態１に係る目標追尾装置の全体構成図である。図１にお
いて、図６に示す従来例と同一部分は同一符号を付して
その説明は省略する。新たな符号として、７は後述する
時系列データ用追尾処理部１１において算出されるカル
マンゲイン行列及び設定されるカルマンゲイン行列の初
期値を格納保持するカルマンゲイン行列用メモリ、１１
は観測結果が時系列に到着した場合に通常のカルマンフ
ィルタにより追尾処理を行う時系列データ用追尾処理部
で、入力部４から観測値データ１３を取り込み、平滑ベ
クトル用メモリ５から平滑ベクトルの値を読み出し、平
滑誤差共分散行列用メモリ６から平滑誤差共分散行列の
値を読み出し、カルマンフィルタの処理アルゴリズムに
従いこれら平滑ベクトル及び平滑誤差共分散行列の値を
更新して、更新結果を再び平滑ベクトル用メモリ５及び
平滑誤差共分散用メモリ６に格納すると共に、上記更新
演算中に算出したカルマンゲイン行列の値をカルマンゲ
イン行列用メモリ７に格納する。また、１２は観測結果
が非時系列に到着した場合に非時系列の観測値を処理す
るための新たな処理方法により追尾処理を行う非時系列
データ用追尾処理部で、入力部４から観測値データ１３
を取り込み、平滑ベクトル用メモリ５から平滑ベクトル
の値を読み出し、平滑誤差共分散行列用メモリ６から平
滑誤差共分散行列の値を読み出し、さらにカルマンゲイ
ン行列用メモリ７からカルマンゲイン行列の値を読み出
し、これら平滑ベクトル、平滑誤差共分散行列及びカル
マンゲイン行列の値を更新して、更新結果を再び平滑ベ
クトル用メモリ５、平滑誤差共分散用メモリ６、カルマ
ンゲイン行列用メモリ７に格納する。
【００４２】ここで、上記時系列データ用追尾処理部１
１は図２に示す構成を備えている。図２に示すように、
時系列データ用追尾処理部１１は、時刻管理部９からの
最新のサンプリング時刻と１サンプリング前の時刻との
入力に基づいて推移行列を算出する推移行列算出器２１
と、この推移行列算出器２１からの推移行列と平滑ベク
トル用メモリ５からの１サンプリング前の平滑ベクトル
とに基づいて予測ベクトルを算出する予測処理器２２
と、時刻管理部９からの最新のサンプリング時刻と１サ
ンプリング前の時刻との入力に基づいて駆動雑音ベクト
ルの変換行列を算出する変換行列算出器２３と、推移行
列算出器２１からの推移行列と変換行列算出器２３から
の駆動雑音の変換行列及び平滑誤差共分散行列用メモリ
６からの１サンプリング前の平滑誤差共分散行列とに基
づいて予測誤差共分散行列を算出する予測誤差共分散行
列算出器２４と、予測誤差共分散行列算出器２４からの
予測誤差共分散行列に基づいてカルマンゲイン行列を算
出して算出結果をカルマンゲイン行列用メモリ７に格納
するカルマンゲイン行列算出器２５と、入力部４からの
目標位置の観測値のデータ１３と予測処理器２２からの
予測ベクトル及びカルマンゲイン行列算出器２５からの
カルマンゲイン行列とに基づいて平滑ベクトルを算出し
平滑ベクトル用メモリ５に格納する平滑処理器２６と、
予測誤差共分散行列算出器２４からの予測誤差共分散行
列とカルマンゲイン行列算出器２５からのカルマンゲイ
ン行列とに基づいて平滑誤差共分散行列を算出し平滑誤
差共分散行列用メモリ６に格納する平滑誤差共分散行列
算出器２７とを備えている。
１は図２に示す構成を備えている。図２に示すように、
時系列データ用追尾処理部１１は、時刻管理部９からの
最新のサンプリング時刻と１サンプリング前の時刻との
入力に基づいて推移行列を算出する推移行列算出器２１
と、この推移行列算出器２１からの推移行列と平滑ベク
トル用メモリ５からの１サンプリング前の平滑ベクトル
とに基づいて予測ベクトルを算出する予測処理器２２
と、時刻管理部９からの最新のサンプリング時刻と１サ
ンプリング前の時刻との入力に基づいて駆動雑音ベクト
ルの変換行列を算出する変換行列算出器２３と、推移行
列算出器２１からの推移行列と変換行列算出器２３から
の駆動雑音の変換行列及び平滑誤差共分散行列用メモリ
６からの１サンプリング前の平滑誤差共分散行列とに基
づいて予測誤差共分散行列を算出する予測誤差共分散行
列算出器２４と、予測誤差共分散行列算出器２４からの
予測誤差共分散行列に基づいてカルマンゲイン行列を算
出して算出結果をカルマンゲイン行列用メモリ７に格納
するカルマンゲイン行列算出器２５と、入力部４からの
目標位置の観測値のデータ１３と予測処理器２２からの
予測ベクトル及びカルマンゲイン行列算出器２５からの
カルマンゲイン行列とに基づいて平滑ベクトルを算出し
平滑ベクトル用メモリ５に格納する平滑処理器２６と、
予測誤差共分散行列算出器２４からの予測誤差共分散行
列とカルマンゲイン行列算出器２５からのカルマンゲイ
ン行列とに基づいて平滑誤差共分散行列を算出し平滑誤
差共分散行列用メモリ６に格納する平滑誤差共分散行列
算出器２７とを備えている。
【００４３】また、上記非時系列データ用追尾処理部１
２は図３に示す構成を備えている。図３に示すように、
非時系列データ用追尾処理部１２は、時系列データ用追
尾処理部１１と同様な推移行列算出器２１及び変換行列
算出器２３を備えると共に、推移行列算出器２１により
算出された推移行列の逆行列を算出する逆行列算出器３
１と、変換行列算出器２３からの駆動雑音ベクトルの変
換行列、逆行列算出器３１からの推移行列の逆行列、平
滑誤差共分散行列用メモリ６からの平滑誤差共分散行列
及びカルマンゲイン行列用メモリ７からのカルマンゲイ
ン行列に基づいて非時系列データ処理用のゲイン行列を
算出するゲイン行列算出器３２と、入力部４からの観測
値、逆行列算出器３１からの推移行列の逆行列、ゲイン
行列算出器３２からの非時系列データ処理用のゲイン行
列及び平滑ベクトル用メモリ５からの平滑ベクトルに基
づいて観測値が遅れることなく到着し時系列にカルマン
フィルタの処理を行った場合の計算結果と等価な平滑ベ
クトルを算出し算出された平滑ベクトルを改めて平滑ベ
クトル用メモリ５に格納する平滑処理器３３と、変換行
列算出器２３からの駆動雑音ベクトルの変換行列、逆行
列算出器３１からの推移行列の逆行列、ゲイン行列算出
器３２からの非時系列データ処理用のゲイン行列、平滑
誤差共分散行列用メモリ６からの平滑誤差共分散行列及
びカルマンゲイン行列用メモリ７からのカルマンゲイン
行列に基づいて平滑ベクトルの平滑誤差共分散行列を算
出し算出された平滑ベクトルの平滑誤差共分散行列を平
滑誤差共分散行列用メモリ６に格納する平滑誤差共分散
行列算出器３４と、逆行列算出器３１からの推移行列の
逆行列、ゲイン行列算出器３２からの非時系列データ処
理用のゲイン行列及びカルマンゲイン行列用メモリ７か
らのカルマンゲイン行列に基づいて観測値が遅れること
なく到着し時系列にカルマンフィルタの処理を行った場
合に得られる計算結果と等価なカルマンゲイン行列を算
出し算出されたカルマンゲイン行列をカルマンゲイン行
列用メモリ７に格納するゲイン行列換算器３５とを備え
ている。
２は図３に示す構成を備えている。図３に示すように、
非時系列データ用追尾処理部１２は、時系列データ用追
尾処理部１１と同様な推移行列算出器２１及び変換行列
算出器２３を備えると共に、推移行列算出器２１により
算出された推移行列の逆行列を算出する逆行列算出器３
１と、変換行列算出器２３からの駆動雑音ベクトルの変
換行列、逆行列算出器３１からの推移行列の逆行列、平
滑誤差共分散行列用メモリ６からの平滑誤差共分散行列
及びカルマンゲイン行列用メモリ７からのカルマンゲイ
ン行列に基づいて非時系列データ処理用のゲイン行列を
算出するゲイン行列算出器３２と、入力部４からの観測
値、逆行列算出器３１からの推移行列の逆行列、ゲイン
行列算出器３２からの非時系列データ処理用のゲイン行
列及び平滑ベクトル用メモリ５からの平滑ベクトルに基
づいて観測値が遅れることなく到着し時系列にカルマン
フィルタの処理を行った場合の計算結果と等価な平滑ベ
クトルを算出し算出された平滑ベクトルを改めて平滑ベ
クトル用メモリ５に格納する平滑処理器３３と、変換行
列算出器２３からの駆動雑音ベクトルの変換行列、逆行
列算出器３１からの推移行列の逆行列、ゲイン行列算出
器３２からの非時系列データ処理用のゲイン行列、平滑
誤差共分散行列用メモリ６からの平滑誤差共分散行列及
びカルマンゲイン行列用メモリ７からのカルマンゲイン
行列に基づいて平滑ベクトルの平滑誤差共分散行列を算
出し算出された平滑ベクトルの平滑誤差共分散行列を平
滑誤差共分散行列用メモリ６に格納する平滑誤差共分散
行列算出器３４と、逆行列算出器３１からの推移行列の
逆行列、ゲイン行列算出器３２からの非時系列データ処
理用のゲイン行列及びカルマンゲイン行列用メモリ７か
らのカルマンゲイン行列に基づいて観測値が遅れること
なく到着し時系列にカルマンフィルタの処理を行った場
合に得られる計算結果と等価なカルマンゲイン行列を算
出し算出されたカルマンゲイン行列をカルマンゲイン行
列用メモリ７に格納するゲイン行列換算器３５とを備え
ている。
【００４４】次に、上記構成に係る動作について説明す
る。始めに、図１に示す目標追尾装置の全体構成図にお
ける動作を説明する。間欠的に目標の位置を観測する複
数の観測装置１により得られた目標位置の観測値とその
観測時刻とで構成される観測結果データ２は、伝送路３
を経て入力部４に伝送される。各観測結果データは伝送
路２における伝送時間の経過の後、入力部４に到着す
る。なお、伝送路３における伝送時間は観測装置間で必
ずしも同一ではないとする。まず、平滑ベクトル用メモ
リ５に式（１４）に示す平滑ベクトルｘk ハットの適切
な初期値ｘ0 ハットを設定し、平滑誤差共分散行列用メ
モリ６に式（１６）に示す平滑誤差共分散行列Ｐk ハッ
トの適切な初期値Ｐ0 ハットを設定し、カルマンゲイン
行列用メモリ７にカルマンゲイン行列Ｋk の適切な初期
値Ｋ0 をそれぞれ設定することで目標の追尾処理が開始
される。
る。始めに、図１に示す目標追尾装置の全体構成図にお
ける動作を説明する。間欠的に目標の位置を観測する複
数の観測装置１により得られた目標位置の観測値とその
観測時刻とで構成される観測結果データ２は、伝送路３
を経て入力部４に伝送される。各観測結果データは伝送
路２における伝送時間の経過の後、入力部４に到着す
る。なお、伝送路３における伝送時間は観測装置間で必
ずしも同一ではないとする。まず、平滑ベクトル用メモ
リ５に式（１４）に示す平滑ベクトルｘk ハットの適切
な初期値ｘ0 ハットを設定し、平滑誤差共分散行列用メ
モリ６に式（１６）に示す平滑誤差共分散行列Ｐk ハッ
トの適切な初期値Ｐ0 ハットを設定し、カルマンゲイン
行列用メモリ７にカルマンゲイン行列Ｋk の適切な初期
値Ｋ0 をそれぞれ設定することで目標の追尾処理が開始
される。
【００４５】以降、複数の観測装置１のいずれかからの
観測結果データが入力部４に到着すると、まず、到着し
た観測結果のサンプリング時刻（ｔarriveとする）のデ
ータ８が時刻管理部９に送出され、時刻管理部９におい
て、サンプリング時刻用メモリ１０より目標追尾装置が
現在保持している最新の平滑ベクトルの時刻（ｔholdと
する）を読み出し、ｔarriveとｔholdの値を比較を行
う。この比較の結果、ｔarrive≧ｔholdである場合、時
刻管理部９はｔarrive及びｔholdのデータを時系列デー
タ用追尾処理部１１に送出したのち、サンプリング時刻
用メモリ１０の内容をｔarriveに更新する。一方、ｔ
arrive＜ｔholdである場合には、時刻管理部９はｔ
arrive及びｔholdのデータを非時系列データ用追尾処理
部１２に送出し、サンプリング時刻用メモリ１０の内容
の更新を行わない。
観測結果データが入力部４に到着すると、まず、到着し
た観測結果のサンプリング時刻（ｔarriveとする）のデ
ータ８が時刻管理部９に送出され、時刻管理部９におい
て、サンプリング時刻用メモリ１０より目標追尾装置が
現在保持している最新の平滑ベクトルの時刻（ｔholdと
する）を読み出し、ｔarriveとｔholdの値を比較を行
う。この比較の結果、ｔarrive≧ｔholdである場合、時
刻管理部９はｔarrive及びｔholdのデータを時系列デー
タ用追尾処理部１１に送出したのち、サンプリング時刻
用メモリ１０の内容をｔarriveに更新する。一方、ｔ
arrive＜ｔholdである場合には、時刻管理部９はｔ
arrive及びｔholdのデータを非時系列データ用追尾処理
部１２に送出し、サンプリング時刻用メモリ１０の内容
の更新を行わない。
【００４６】時系列データ用追尾処理部１１にｔarrive
及びｔholdのデータが送出されると、時系列データ用追
尾処理部１１は、入力部４から観測値データ１３を取り
込み、平滑ベクトル用メモリ５から平滑ベクトルの値を
読み出し、平滑誤差共分散行列用メモリ６から平滑誤差
共分散行列の値を読み出し、これら平滑ベクトル及び平
滑誤差共分散行列の値を更新して、更新結果を再び平滑
ベクトル用メモリ５、平滑誤差共分散用メモリ６に格納
し、また、上記更新演算中に算出したカルマンゲイン行
列の値をカルマンゲイン行列用メモリ７に格納する。
及びｔholdのデータが送出されると、時系列データ用追
尾処理部１１は、入力部４から観測値データ１３を取り
込み、平滑ベクトル用メモリ５から平滑ベクトルの値を
読み出し、平滑誤差共分散行列用メモリ６から平滑誤差
共分散行列の値を読み出し、これら平滑ベクトル及び平
滑誤差共分散行列の値を更新して、更新結果を再び平滑
ベクトル用メモリ５、平滑誤差共分散用メモリ６に格納
し、また、上記更新演算中に算出したカルマンゲイン行
列の値をカルマンゲイン行列用メモリ７に格納する。
【００４７】一方、非時系列データ用追尾処理部１２に
ｔarrive及びｔholdのデータが送出されると、非時系列
データ用追尾処理部１２は、入力部４から観測値データ
１３を取り込み、平滑ベクトル用メモリ５から平滑ベク
トルの値を読み出し、平滑誤差共分散行列用メモリ６か
ら平滑誤差共分散行列の値を読み出し、さらにカルマン
ゲイン行列用メモリ７からカルマンゲイン行列の値を読
み出し、これら平滑ベクトル、平滑誤差共分散行列及び
カルマンゲイン行列の値を更新して、更新結果を再び平
滑ベクトル用メモリ５、平滑誤差共分散用メモリ６、カ
ルマンゲイン行列用メモリ７に格納する。
ｔarrive及びｔholdのデータが送出されると、非時系列
データ用追尾処理部１２は、入力部４から観測値データ
１３を取り込み、平滑ベクトル用メモリ５から平滑ベク
トルの値を読み出し、平滑誤差共分散行列用メモリ６か
ら平滑誤差共分散行列の値を読み出し、さらにカルマン
ゲイン行列用メモリ７からカルマンゲイン行列の値を読
み出し、これら平滑ベクトル、平滑誤差共分散行列及び
カルマンゲイン行列の値を更新して、更新結果を再び平
滑ベクトル用メモリ５、平滑誤差共分散用メモリ６、カ
ルマンゲイン行列用メモリ７に格納する。
【００４８】次に、図２に示す時系列データ用追尾処理
部１１の動作について説明する。時系列データ用追尾処
理部１１の構成と動作は、図６に示す従来の目標追尾装
置の追尾処理部４１と同様であり、カルマンゲイン行列
算出器２５によるゲイン行列算出結果をカルマンゲイン
行列用メモリ７に格納する点のみが異なっている。
部１１の動作について説明する。時系列データ用追尾処
理部１１の構成と動作は、図６に示す従来の目標追尾装
置の追尾処理部４１と同様であり、カルマンゲイン行列
算出器２５によるゲイン行列算出結果をカルマンゲイン
行列用メモリ７に格納する点のみが異なっている。
【００４９】図２において、時系列データ用追尾処理部
１１では、ｔk-1＝ｔhold，ｔk＝ｔarriveとおいて従来
の目標追尾装置の追尾処理部４１と同様の処理を行う。
すなわち、推移行列算出器２１において、式（３）に従
い推移行列Φ（ｔk-1，ｔk）を算出したのち、予測処理
器２２において、式（９）に従い予測ベクトルｘk チル
ダを算出し、一方、変換行列算出器２３において、式
(4)に従い駆動雑音の変換行列Γ（ｔk-1，ｔk）を算出
し、次に、予測誤差共分散行列算出器２４において、平
滑誤差共分散行列用メモリ６から１サンプリング前の平
滑誤差共分散行列Ｐk-1 ハットを読み出し、式（１１）
に従い予測誤差共分散行列Ｐk チルダを算出する。次
に、カルマンゲイン行列算出器２５において、式（１
２）に従いカルマンゲイン行列Ｋk を算出したのち、該
カルマンゲイン行列をカルマンゲイン行列用メモリ７に
格納する。さらに、平滑処理器２６において、式（１
０）に従い平滑ベクトルｘk ハットを算出した後、該平
滑ベクトルを平滑ベクトル用メモリ５に格納する。ま
た、平滑誤差共分散行列算出器２７において、式（１
３）に従い平滑誤差共分散行列Ｐk ハットを算出し、該
平滑誤差共分散行列を平滑誤差共分散行列用メモリ６に
格納する。
１１では、ｔk-1＝ｔhold，ｔk＝ｔarriveとおいて従来
の目標追尾装置の追尾処理部４１と同様の処理を行う。
すなわち、推移行列算出器２１において、式（３）に従
い推移行列Φ（ｔk-1，ｔk）を算出したのち、予測処理
器２２において、式（９）に従い予測ベクトルｘk チル
ダを算出し、一方、変換行列算出器２３において、式
(4)に従い駆動雑音の変換行列Γ（ｔk-1，ｔk）を算出
し、次に、予測誤差共分散行列算出器２４において、平
滑誤差共分散行列用メモリ６から１サンプリング前の平
滑誤差共分散行列Ｐk-1 ハットを読み出し、式（１１）
に従い予測誤差共分散行列Ｐk チルダを算出する。次
に、カルマンゲイン行列算出器２５において、式（１
２）に従いカルマンゲイン行列Ｋk を算出したのち、該
カルマンゲイン行列をカルマンゲイン行列用メモリ７に
格納する。さらに、平滑処理器２６において、式（１
０）に従い平滑ベクトルｘk ハットを算出した後、該平
滑ベクトルを平滑ベクトル用メモリ５に格納する。ま
た、平滑誤差共分散行列算出器２７において、式（１
３）に従い平滑誤差共分散行列Ｐk ハットを算出し、該
平滑誤差共分散行列を平滑誤差共分散行列用メモリ６に
格納する。
【００５０】次に、図３に示す非時系列データ処理部１
２の動作について、図４に示す処理手順の流れを参照し
て説明する。時刻管理部９からサンプリング時刻ｔ
arrive及びｔholdが送出されると、非時系列データ用追
尾処理部１２では、ｔd＝ｔarrive，ｔk＝ｔholdとお
き、まず、推移行列算出器２１において、式（３）に示
す推移行列の定義式を使用し推移行列Φ（ｔd，ｔk）を
算出する（ステップ１）。また、逆行列算出器３１にお
いて、推移行列の逆行列Φ（ｔd，ｔk）-1を算出し（ス
テップ２）、変換行列算出器２３において、式（４）に
示す駆動雑音変換行列の定義式を使用して変換行列Γ
（ｔd，ｔk）を算出する（ステップ３）。
２の動作について、図４に示す処理手順の流れを参照し
て説明する。時刻管理部９からサンプリング時刻ｔ
arrive及びｔholdが送出されると、非時系列データ用追
尾処理部１２では、ｔd＝ｔarrive，ｔk＝ｔholdとお
き、まず、推移行列算出器２１において、式（３）に示
す推移行列の定義式を使用し推移行列Φ（ｔd，ｔk）を
算出する（ステップ１）。また、逆行列算出器３１にお
いて、推移行列の逆行列Φ（ｔd，ｔk）-1を算出し（ス
テップ２）、変換行列算出器２３において、式（４）に
示す駆動雑音変換行列の定義式を使用して変換行列Γ
（ｔd，ｔk）を算出する（ステップ３）。
【００５１】次に、ゲイン行列算出器３２において、逆
行列算出器３１から推移行列の逆行列Φ（ｔd，ｔk）-1
を入力し、変換行列算出器２３から駆動雑音ベクトルの
変換行列Γ（ｔd，ｔk）を入力し、平滑誤差共分散行列
用メモリ６から式（２１）に示す平滑誤差共分散行列Ｐ
k ハットを読み出し、カルマンゲイン行列用メモリ７か
らカルマンゲイン行列Ｋk を読み出して、式（２５）に
従い非時系列データ処理用のゲイン行列Ｋk+を算出し
（ステップ４）、次に平滑処理器３３において、入力部
４から観測値ｚd を入力し、逆行列算出器３１から推移
行列の逆行列Φ（ｔd，ｔk）-1を入力し、ゲイン行列算
出器３２から非時系列データ処理用のゲイン行列Ｋk+を
入力し、平滑ベクトル用メモリ５から式（２０）に示す
平滑ベクトルを読み出し、式（２４）に従い式（２２）
に示す平滑ベクトルｘk+ハットを算出した後、該平滑ベ
クトルｘk+ハットを改めて平滑ベクトル用メモリ５に格
納する（ステップ５）。
行列算出器３１から推移行列の逆行列Φ（ｔd，ｔk）-1
を入力し、変換行列算出器２３から駆動雑音ベクトルの
変換行列Γ（ｔd，ｔk）を入力し、平滑誤差共分散行列
用メモリ６から式（２１）に示す平滑誤差共分散行列Ｐ
k ハットを読み出し、カルマンゲイン行列用メモリ７か
らカルマンゲイン行列Ｋk を読み出して、式（２５）に
従い非時系列データ処理用のゲイン行列Ｋk+を算出し
（ステップ４）、次に平滑処理器３３において、入力部
４から観測値ｚd を入力し、逆行列算出器３１から推移
行列の逆行列Φ（ｔd，ｔk）-1を入力し、ゲイン行列算
出器３２から非時系列データ処理用のゲイン行列Ｋk+を
入力し、平滑ベクトル用メモリ５から式（２０）に示す
平滑ベクトルを読み出し、式（２４）に従い式（２２）
に示す平滑ベクトルｘk+ハットを算出した後、該平滑ベ
クトルｘk+ハットを改めて平滑ベクトル用メモリ５に格
納する（ステップ５）。
【００５２】さらに、平滑誤差共分散行列算出器３４に
おいて、逆行列算出器３１から推移行列の逆行列Φ（ｔ
d，ｔk）-1を入力し、変換行列算出器２３から駆動雑音
ベクトルの変換行列Γ（ｔd，ｔk）を入力し、ゲイン行
列算出器３２から非時系列データ処理用のゲイン行列Ｋ
k+を入力し、平滑誤差共分散行列用メモリ６から式（２
１）に示す平滑誤差共分散行列Ｐk ハットを読み出し、
カルマンゲイン行列用メモリ７からカルマンゲイン行列
Ｋk を読み出して、式（２６）に従い式（２３）に示す
平滑誤差共分散行列Ｐk+ハットを算出した後、該平滑誤
差共分散行列Ｐk+ハットを改めて平滑誤差共分散行列用
メモリ６に格納し（ステップ６）、最後にゲイン行列換
算器３５において、逆行列算出器３１から推移行列の逆
行列Φ（ｔd，ｔk）-1を入力し、ゲイン行列算出器３２
から非時系列データ処理用のゲイン行列Ｋk+ハットを入
力し、カルマンゲイン行列用メモリ７からカルマンゲイ
ン行列Ｋk を読み出して、式（２７）に従いカルマンゲ
イン行列Ｋk'を算出した後、該カルマンゲイン行列Ｋk'
を改めてカルマンゲイン行列用メモリ７に格納して（ス
テップ７）、処理を終了する。
おいて、逆行列算出器３１から推移行列の逆行列Φ（ｔ
d，ｔk）-1を入力し、変換行列算出器２３から駆動雑音
ベクトルの変換行列Γ（ｔd，ｔk）を入力し、ゲイン行
列算出器３２から非時系列データ処理用のゲイン行列Ｋ
k+を入力し、平滑誤差共分散行列用メモリ６から式（２
１）に示す平滑誤差共分散行列Ｐk ハットを読み出し、
カルマンゲイン行列用メモリ７からカルマンゲイン行列
Ｋk を読み出して、式（２６）に従い式（２３）に示す
平滑誤差共分散行列Ｐk+ハットを算出した後、該平滑誤
差共分散行列Ｐk+ハットを改めて平滑誤差共分散行列用
メモリ６に格納し（ステップ６）、最後にゲイン行列換
算器３５において、逆行列算出器３１から推移行列の逆
行列Φ（ｔd，ｔk）-1を入力し、ゲイン行列算出器３２
から非時系列データ処理用のゲイン行列Ｋk+ハットを入
力し、カルマンゲイン行列用メモリ７からカルマンゲイ
ン行列Ｋk を読み出して、式（２７）に従いカルマンゲ
イン行列Ｋk'を算出した後、該カルマンゲイン行列Ｋk'
を改めてカルマンゲイン行列用メモリ７に格納して（ス
テップ７）、処理を終了する。
【００５３】上述した実施の形態に係る目標追尾装置の
特徴を要約すると次のようになる。上述した実施の形態
に係る目標追尾装置は、時系列データ用追尾処理部１１
と非時系列データ用追尾処理部１２の２つの処理部を設
け、時刻管理部９において入力部４に到着した観測結果
データの観測時刻を監視することにより、観測結果が時
系列に到着した場合には、時系列データ用追尾処理部１
１にて通常のカルマンフィルタにから追尾処理を行い、
観測結果が非時系列に到着した場合には、非時系列デー
タ用追尾処理部１２にて非時系列の観測値を処理するた
めの新たな処理方法により追尾処理を行うように構成さ
れている。
特徴を要約すると次のようになる。上述した実施の形態
に係る目標追尾装置は、時系列データ用追尾処理部１１
と非時系列データ用追尾処理部１２の２つの処理部を設
け、時刻管理部９において入力部４に到着した観測結果
データの観測時刻を監視することにより、観測結果が時
系列に到着した場合には、時系列データ用追尾処理部１
１にて通常のカルマンフィルタにから追尾処理を行い、
観測結果が非時系列に到着した場合には、非時系列デー
タ用追尾処理部１２にて非時系列の観測値を処理するた
めの新たな処理方法により追尾処理を行うように構成さ
れている。
【００５４】また、新たにカルマンゲイン行列用メモリ
７を設け、観測結果が時系列に到着した場合には、時系
列データ用追尾処理部１１において算出したカルマンゲ
イン行列を上記カルマンゲイン行列用メモリ７に格納
し、観測結果が非時系列に到着した場合には、非時系列
データ用追尾処理部１２において、上記カルマンゲイン
行列用メモリ７に格納されているカルマンゲイン行列を
読み出して、これを追尾処理に使用したのち、上記読み
出したカルマンゲイン行列を更新して、この更新結果を
上記カルマンゲイン行列用メモリ７に再び格納するよう
に構成されている。
７を設け、観測結果が時系列に到着した場合には、時系
列データ用追尾処理部１１において算出したカルマンゲ
イン行列を上記カルマンゲイン行列用メモリ７に格納
し、観測結果が非時系列に到着した場合には、非時系列
データ用追尾処理部１２において、上記カルマンゲイン
行列用メモリ７に格納されているカルマンゲイン行列を
読み出して、これを追尾処理に使用したのち、上記読み
出したカルマンゲイン行列を更新して、この更新結果を
上記カルマンゲイン行列用メモリ７に再び格納するよう
に構成されている。
【００５５】また、非時系列データ用追尾処理部１２で
は、遅れて到着した古い観測値と、すでにこの観測値が
存在しないものとして追尾処理を実行した結果で得られ
ている最新時刻についての平滑ベクトル及び平滑誤差共
分散行列と、これらを算出する際に計算したカルマンゲ
イン行列の値に基づき、上記古い観測値が遅れることな
く到着し時系列にカルマンフィルタで追尾処理を行った
場合に得られるはずであった最適な平滑ベクトル及び平
滑誤差共分散行列を算出し、さらに、上記古い観測値が
遅れることなく到着し時系列にカルマンフィルタで追尾
処理を行った場合に計算されるはずであった最新時刻に
ついてのカルマンゲイン行列を算出する処理方法により
追尾処理を行っている。
は、遅れて到着した古い観測値と、すでにこの観測値が
存在しないものとして追尾処理を実行した結果で得られ
ている最新時刻についての平滑ベクトル及び平滑誤差共
分散行列と、これらを算出する際に計算したカルマンゲ
イン行列の値に基づき、上記古い観測値が遅れることな
く到着し時系列にカルマンフィルタで追尾処理を行った
場合に得られるはずであった最適な平滑ベクトル及び平
滑誤差共分散行列を算出し、さらに、上記古い観測値が
遅れることなく到着し時系列にカルマンフィルタで追尾
処理を行った場合に計算されるはずであった最新時刻に
ついてのカルマンゲイン行列を算出する処理方法により
追尾処理を行っている。
【００５６】さらに、非時系列データ用追尾処理部１２
は、上記処理方法により追尾処理を実行するために、状
態ベクトルの推移行列を算出する推移行列算出器２１
と、該推移行列の逆行列を算出する逆行列算出器３１
と、駆動雑音の変換行列を算出する変換行列算出器２３
と、非時系列データ処理用のゲイン行列を算出するゲイ
ン行列算出器３２と、前記最適な平滑ベクトルを算出す
る平滑処理器３３と、上記最適な平滑ベクトルの平滑誤
差共分散行列を算出する平滑誤差共分散行列算出器３４
と、上記古い観測値が遅れることなく到着し時系列にカ
ルマンフィルタで追尾処理を行った場合に計算されるは
ずであった最新時刻についてのカルマンゲイン行列を算
出するゲイン行列換算器３５とを備えている。
は、上記処理方法により追尾処理を実行するために、状
態ベクトルの推移行列を算出する推移行列算出器２１
と、該推移行列の逆行列を算出する逆行列算出器３１
と、駆動雑音の変換行列を算出する変換行列算出器２３
と、非時系列データ処理用のゲイン行列を算出するゲイ
ン行列算出器３２と、前記最適な平滑ベクトルを算出す
る平滑処理器３３と、上記最適な平滑ベクトルの平滑誤
差共分散行列を算出する平滑誤差共分散行列算出器３４
と、上記古い観測値が遅れることなく到着し時系列にカ
ルマンフィルタで追尾処理を行った場合に計算されるは
ずであった最新時刻についてのカルマンゲイン行列を算
出するゲイン行列換算器３５とを備えている。
【００５７】したがって、上記実施の形態によれば、複
数の観測装置からの観測結果が時系列に到着した場合の
みならず、非時系列に到着した場合にも、遅れて到着し
た古い観測値を捨て去ることなく追尾処理を実行するこ
とができる。また、この発明の目標追尾装置の非時系列
データ用追尾処理の方法によれば、観測時刻の古い観測
値が遅れて到着した場合にも、この観測値が遅れること
なく到着し時系列にカルマンフィルタを実行していた場
合に得られる平滑ベクトルと等価な最適な平滑ベクトル
を算出することでき、時系列に観測結果が到着していた
場合と同等の追尾精度を得ることができる。さらに、上
記非時系列データ用追尾処理方法に基づき、観測結果が
時系列に到着した場合の追尾処理を実行することができ
る。
数の観測装置からの観測結果が時系列に到着した場合の
みならず、非時系列に到着した場合にも、遅れて到着し
た古い観測値を捨て去ることなく追尾処理を実行するこ
とができる。また、この発明の目標追尾装置の非時系列
データ用追尾処理の方法によれば、観測時刻の古い観測
値が遅れて到着した場合にも、この観測値が遅れること
なく到着し時系列にカルマンフィルタを実行していた場
合に得られる平滑ベクトルと等価な最適な平滑ベクトル
を算出することでき、時系列に観測結果が到着していた
場合と同等の追尾精度を得ることができる。さらに、上
記非時系列データ用追尾処理方法に基づき、観測結果が
時系列に到着した場合の追尾処理を実行することができ
る。
【００５８】
【発明の効果】以上述べたように、この発明に係る目標
追尾方法及び装置によれば、観測結果のデータが時系列
に到着した場合のみならず、非時系列に到着した場合に
も遅れて到着した古い観測値を破棄することなく有効に
活用して適正に追尾処理を行い得ることができる。
追尾方法及び装置によれば、観測結果のデータが時系列
に到着した場合のみならず、非時系列に到着した場合に
も遅れて到着した古い観測値を破棄することなく有効に
活用して適正に追尾処理を行い得ることができる。
【００５９】また、観測時刻の古い観測値が遅れて到着
した場合にも、この観測値が遅れることなく到着し時系
列にカルマンフィルタを実行していた場合に得られる平
滑ベクトルと等価な最適な平滑ベクトルを算出すること
でき、時系列に観測結果が到着していた場合と同等の追
尾精度を得ることができる。
した場合にも、この観測値が遅れることなく到着し時系
列にカルマンフィルタを実行していた場合に得られる平
滑ベクトルと等価な最適な平滑ベクトルを算出すること
でき、時系列に観測結果が到着していた場合と同等の追
尾精度を得ることができる。
【図面の簡単な説明】
【図１】 この発明の実施の形態に係る目標追尾装置の
全体構成図である。
全体構成図である。
【図２】 図１の時系列データ処理用追尾処理部の内部
構成図である。
構成図である。
【図３】 図１の非時系列データ処理用追尾処理部の内
部構成図である。
部構成図である。
【図４】 図１の非時系列データ処理用追尾処理部にお
ける処理手順を示すフローチャートである。
ける処理手順を示すフローチャートである。
【図５】 この発明の説明に供するもので、遅れて到着
した観測値の観測時刻を説明する説明図である。
した観測値の観測時刻を説明する説明図である。
【図６】 従来の目標追尾装置を示す構成図である。
【図７】 図６に示す装置における問題点の説明に供す
るもので、２つの観測装置からの観測結果が時系列に到
着する場合のタイミングチャートである。
るもので、２つの観測装置からの観測結果が時系列に到
着する場合のタイミングチャートである。
【図８】 図６に示す装置における問題点の説明に供す
るもので、２つの観測装置からの観測結果が非時系列に
到着する場合のタイミングチャートである。
るもので、２つの観測装置からの観測結果が非時系列に
到着する場合のタイミングチャートである。
１，１ａ，１ｂ 観測装置、２ 観測結果データ、３
伝送路、４ 入力部、５ 平滑ベクトル用メモリ、６
平滑誤差共分散行列用メモリ、７ カルマンゲイン行列
用メモリ、８ 観測時刻のデータ、９ 時刻管理部、１
０ サンプリング時刻用メモリ、１１ 時系列データ用
追尾処理部、１２ 非時系列データ用追尾処理部、１３
目標位置観測値のデータ、２１ 推移行列算出器、２
３ 変換行列算出器、３１ 逆行列算出器、３２ ゲイ
ン行列算出器、３３ 平滑処理器、３４ 平滑誤差共分
散行列算出器、３５ ゲイン行列換算器。
伝送路、４ 入力部、５ 平滑ベクトル用メモリ、６
平滑誤差共分散行列用メモリ、７ カルマンゲイン行列
用メモリ、８ 観測時刻のデータ、９ 時刻管理部、１
０ サンプリング時刻用メモリ、１１ 時系列データ用
追尾処理部、１２ 非時系列データ用追尾処理部、１３
目標位置観測値のデータ、２１ 推移行列算出器、２
３ 変換行列算出器、３１ 逆行列算出器、３２ ゲイ
ン行列算出器、３３ 平滑処理器、３４ 平滑誤差共分
散行列算出器、３５ ゲイン行列換算器。
Claims (4)
- 【請求項１】 目標の位置、速度等の運動諸元で構成さ
れる状態ベクトルの平滑ベクトルとその誤差を推定した
平滑誤差共分散行列及びカルマンゲイン行列の初期値を
設定し、 間欠的に目標位置を観測する複数の観測装置のうちいず
れかからの観測値が到着する度に、 上記観測値の観測時刻が現在格納保持されている平滑ベ
クトルのサンプリング時刻より新しい時刻であるか否か
を判定し、 上記観測値の観測時刻が現在格納保持されている平滑ベ
クトルのサンプリング時刻より新しい場合には、上記観
測値と現在格納保持されている平滑ベクトル及び平滑誤
差共分散行列の各値に基づいてカルマンフィルタの処理
アルゴリズムに従い平滑ベクトルと平滑誤差共分散行列
及びカルマンゲイン行列の値を更新してその更新結果を
格納保持すると共に、 上記観測値の観測時刻が現在格納保持されている平滑ベ
クトルのサンプリング時刻より古い場合には、該観測値
は遅れて到着したと判断して、現在格納保持している平
滑ベクトルと平滑誤差共分散行列及びカルマンゲイン行
列の値及び上記遅れて到着した観測値とに基づいて該観
測値が遅れることなく到着して時系列にカルマンフィル
タの処理を行った場合に得られる計算結果と等価な平滑
ベクトルと平滑誤差共分散行列及びカルマンゲイン行列
の値を算出し、この各算出値を平滑ベクトルと平滑誤差
共分散行列及びカルマンゲイン行列の更新結果として格
納保持することを特徴とする目標追尾方法。 - 【請求項２】 上記観測値の観測時刻が現在格納保持さ
れている平滑ベクトルのサンプリング時刻より古い場合
には、該観測時刻から該サンプリング時刻への状態ベク
トルの推移行列を算出し、該推移行列の逆行列を算出
し、上記観測時刻から上記サンプリング時刻への駆動雑
音ベクトルの変換行列を算出し、非時系列データ処理用
のゲイン行列を算出し、該非時系列データ処理用のゲイ
ン行列と現在保持されているカルマンゲイン行列を使用
することにより、上記観測値が遅れることなく到着して
時系列にカルマンフィルタの処理を行った場合の計算結
果と等価な平滑ベクトルと平滑誤差共分散行列及びカル
マンゲイン行列を算出することを特徴とする請求項１記
載の目標追尾方法。 - 【請求項３】 間欠的に目標位置を観測する複数の観測
装置と、 上記各観測装置から送出される観測結果のデータを受信
する入力部と、 最新のサンプリング時刻の平滑ベクトルを保持する平滑
ベクトル用メモリと、 上記平滑ベクトルの平滑誤差共分散行列を保持する平滑
誤差共分散行列用メモリと、 最新のサンプリング時刻のカルマンゲイン行列を保持す
るカルマンゲイン行列用メモリと、 上記平滑ベクトルのサンプリング時刻を保持するサンプ
リング時刻用メモリと、 上記入力部に受信された観測値の観測時刻と上記サンプ
リング時刻用メモリに保持されている平滑ベクトルのサ
ンプリング時刻との比較を行う時刻管理部と、 上記時刻管理部による比較結果に基づいて上記観測値の
観測時刻が上記平滑値のサンプリング時刻より新しい場
合に、上記入力部から観測値データを取り込むと共に上
記平滑ベクトル用メモリ及び上記平滑誤差共分散行列用
メモリから平滑ベクトル及び平滑誤差共分散行列の各値
を読み出し、カルマンフィルタの処理アルゴリズムに従
い平滑ベクトル及び平滑誤差共分散行列の値を更新して
その更新結果を上記平滑ベクトル用メモリ及び上記平滑
誤差共分散行列用メモリに格納すると共に更新演算中に
算出したカルマンゲイン行列の値を上記カルマンゲイン
行列用メモリに格納する時系列データ用追尾処理部と、 上記時刻管理部による比較結果に基づいて上記観測値の
観測時刻が上記平滑ベクトルのサンプリング時刻より古
い場合に、上記入力部から観測値データを取り込むと共
に上記平滑ベクトル用メモリと上記平滑誤差共分散行列
用メモリ及び上記カルマンゲイン行列用メモリから平滑
ベクトルと平滑誤差共分散行列及びカルマンゲイン行列
の各値を読み出し、上記観測値が遅れることなく到着し
時系列にカルマンフィルタの処理を行った場合の計算結
果と等価な平滑ベクトルと平滑誤差共分散行列及びカル
マンゲイン行列の値を算出し、この各算出値を平滑ベク
トルと平滑誤差共分散行列及びカルマンゲイン行列の更
新結果として上記平滑ベクトル用メモリと上記平滑誤差
共分散行列用メモリ及び上記カルマンゲイン行列用メモ
リに格納する非時系列データ用追尾処理部とを具備した
ことを特徴とする目標追尾装置。 - 【請求項４】 上記非時系列データ用追尾処理部は、観
測値の観測時刻から現在保持している平滑ベクトルのサ
ンプリング時刻への状態ベクトルの推移行列を算出する
推移行列算出器と、該推移行列の逆行列を算出する逆行
列算出器と、上記観測時刻から上記サンプリング時刻へ
の駆動雑音ベクトルの変換行列を算出する変換行列算出
器と、非時系列データ処理用のゲイン行列を算出するゲ
イン行列算出器と、該ゲイン行列と現在保持されている
カルマンゲイン行列とを使用して観測値が遅れることな
く到着し時系列にカルマンフィルタの処理を行った場合
の計算結果と等価な平滑ベクトルを算出する平滑処理器
と、上記非時系列データ処理用のゲイン行列と現在保持
されているカルマンゲイン行列とを使用して上記平滑ベ
クトルの平滑誤差共分散行列を算出する平滑誤差共分散
行列算出器と、上記非時系列データ処理用のゲイン行列
と現在保持されているカルマンゲイン行列とを使用して
観測値が遅れることなく到着し時系列にカルマンフィル
タの処理を行った場合に得られる計算結果と等価なカル
マンゲイン行列を算出するゲイン行列換算器とを具備し
たことを特徴とする請求項３記載の目標追尾装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP20336897A JP3330852B2 (ja) | 1997-07-29 | 1997-07-29 | 目標追尾方法及び装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP20336897A JP3330852B2 (ja) | 1997-07-29 | 1997-07-29 | 目標追尾方法及び装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH1144754A true JPH1144754A (ja) | 1999-02-16 |
| JP3330852B2 JP3330852B2 (ja) | 2002-09-30 |
Family
ID=16472879
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP20336897A Expired - Fee Related JP3330852B2 (ja) | 1997-07-29 | 1997-07-29 | 目標追尾方法及び装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3330852B2 (ja) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1031719A2 (en) | 1999-02-23 | 2000-08-30 | Nissan Motor Co., Ltd. | Diesel engine controller |
| JP2009014596A (ja) * | 2007-07-06 | 2009-01-22 | Mitsubishi Electric Corp | 目標追尾装置及び目標追尾方法 |
| JP2016004014A (ja) * | 2014-06-19 | 2016-01-12 | 日本電気株式会社 | 目標追尾装置、目標追尾方法、プログラム |
| JP6194520B1 (ja) * | 2016-06-24 | 2017-09-13 | 三菱電機株式会社 | 物体認識装置、物体認識方法および自動運転システム |
| CN110567461A (zh) * | 2019-08-01 | 2019-12-13 | 北京航空航天大学 | 一种考虑无陀螺仪的非合作航天器姿态和参数估计方法 |
| CN110995203A (zh) * | 2019-12-27 | 2020-04-10 | 广东海洋大学深圳研究院 | 一种基于条件数融合的非线性可观测度分析方法 |
| CN111257824A (zh) * | 2020-01-20 | 2020-06-09 | 西安工程大学 | 基于扩散卡尔曼滤波的分布式检测方法 |
| JPWO2021009852A1 (ja) * | 2019-07-16 | 2021-01-21 | ||
| CN117908034A (zh) * | 2024-03-20 | 2024-04-19 | 西北工业大学 | 基于自适应波束跟踪水下目标高稳健模基doa估计方法 |
-
1997
- 1997-07-29 JP JP20336897A patent/JP3330852B2/ja not_active Expired - Fee Related
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1031719A2 (en) | 1999-02-23 | 2000-08-30 | Nissan Motor Co., Ltd. | Diesel engine controller |
| JP2009014596A (ja) * | 2007-07-06 | 2009-01-22 | Mitsubishi Electric Corp | 目標追尾装置及び目標追尾方法 |
| JP2016004014A (ja) * | 2014-06-19 | 2016-01-12 | 日本電気株式会社 | 目標追尾装置、目標追尾方法、プログラム |
| JP6194520B1 (ja) * | 2016-06-24 | 2017-09-13 | 三菱電機株式会社 | 物体認識装置、物体認識方法および自動運転システム |
| JP2017227580A (ja) * | 2016-06-24 | 2017-12-28 | 三菱電機株式会社 | 物体認識装置、物体認識方法および自動運転システム |
| WO2021009852A1 (ja) * | 2019-07-16 | 2021-01-21 | 日本電気株式会社 | 推定装置、制御システム、推定方法及びプログラム |
| JPWO2021009852A1 (ja) * | 2019-07-16 | 2021-01-21 | ||
| CN110567461A (zh) * | 2019-08-01 | 2019-12-13 | 北京航空航天大学 | 一种考虑无陀螺仪的非合作航天器姿态和参数估计方法 |
| CN110995203A (zh) * | 2019-12-27 | 2020-04-10 | 广东海洋大学深圳研究院 | 一种基于条件数融合的非线性可观测度分析方法 |
| CN110995203B (zh) * | 2019-12-27 | 2023-03-21 | 广东海洋大学深圳研究院 | 一种基于条件数融合的非线性可观测度分析方法 |
| CN111257824A (zh) * | 2020-01-20 | 2020-06-09 | 西安工程大学 | 基于扩散卡尔曼滤波的分布式检测方法 |
| CN111257824B (zh) * | 2020-01-20 | 2023-03-28 | 西安工程大学 | 基于扩散卡尔曼滤波的分布式检测方法 |
| CN117908034A (zh) * | 2024-03-20 | 2024-04-19 | 西北工业大学 | 基于自适应波束跟踪水下目标高稳健模基doa估计方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3330852B2 (ja) | 2002-09-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3330852B2 (ja) | 目標追尾方法及び装置 | |
| WO2020043019A1 (zh) | 定位数据的处理方法及处理装置、计算设备和存储介质 | |
| JP2009300380A (ja) | 目標追尾装置 | |
| CN110376605B (zh) | 地图构建方法、导航方法和装置 | |
| CN106156790B (zh) | 一种应用于传感器网络的分布式协作算法和数据融合机制 | |
| US20090234783A1 (en) | Value function representation method of reinforcement learning and apparatus using this | |
| US20230252355A1 (en) | Systems and methods for knowledge transfer in machine learning | |
| JP3894424B2 (ja) | 目標追尾装置 | |
| JP5230132B2 (ja) | 目標追尾装置及び目標追尾方法 | |
| CN113779497B (zh) | 一种解决量测信息存在随机时延和丢包的目标跟踪方法 | |
| CN116881385B (zh) | 轨迹平滑方法、装置、电子设备及可读存储介质 | |
| JP4080722B2 (ja) | 目標追尾装置及び目標追尾方法 | |
| WO2023157157A1 (ja) | 目標追尾装置及び目標追尾方法 | |
| JP2003149328A (ja) | レーダの目標相関装置 | |
| JP3792927B2 (ja) | 目標追尾装置 | |
| JP4140706B2 (ja) | 目標追尾装置 | |
| CN113989332B (zh) | 一种目标跟踪方法、装置、存储介质及电子设备 | |
| JP2002311132A (ja) | 追尾装置 | |
| JPH0943346A (ja) | 追尾処理装置 | |
| JP2001033270A (ja) | 走行軌跡計測装置 | |
| Bagchi | A Quantitative Analysis of Kalman-Filter based Visual SLAM systems | |
| CN117382725A (zh) | 转角补偿确定方法、装置、终端及存储介质 | |
| Lei et al. | Sequential LMMSE Filtering with Out-of-Sequence Observations Under Nonlinear System | |
| JP2988154B2 (ja) | 目標追尾装置 | |
| JP3750892B2 (ja) | 追尾装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20070719 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080719 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090719 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100719 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100719 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110719 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110719 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120719 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120719 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130719 Year of fee payment: 11 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |