Gaussian Mixture 기반의 다수스캔 자동표적추적 및 클러터밀도 추정기법 연구

Abstract

본 논문에서는 클러터 환경에서 견실한 표적추적 수행을 위한 Gaussian mixture기반의 자동표적추적 및 클러터밀도 추정기법을 제안한다. Gaussian mixture는 유한개의 가우시안 컴퍼넌트를 통해 비선형/비가우시안의 밀도를 효과적으로 표현할 수 있다. 제안하는 자동표적추적기법인 Gaussian Mixture Measurements—Integrated Track Splitting(GMM—ITS) 필터는 비선형 측정치를 이용한 표적추적을 수행한다. GMM은 하나의 비선형 측정치의 likelihood에 대하여 선형 가우시안 밀도를 따르는 다수의 측정치 컴퍼넌트를 통해 근사한다. ITS에서는 트랙에 대한 사후확률밀도는 다양한 결합 사건에 의해 만들어지는 각 측정치 히스토리에 대한 트랙컴퍼넌트들의 Gaussian mixture로 나타내어, 표적탐지 확률이 낮고 클러터밀도가 높은 어려운 추적환경에서 견실한 추적성능을 보인다. 제안하는 GMM—ITS는 다수표적추적기법인 GMM—JITS, GMM—LM—ITS로 확장할 수 있으며, 시뮬레이션을 통해 수동센서를 이용한 단일표적/다수표적 추적성능을 분석하였다. 자동표적추적 알고리듬의 설계 파라미터 중 클러터밀도는 거짓트랙구분을 위한 표적존재확률 산출에 있어 중요한 파라미터이다. 본 논문에서 제안하는 클러터밀도추정기법으로 Interactive Clutter Measurement Density Estimation(ICMDE)은 밀도추정기법인 Gaussian Mixture—Probability Hypothesis Density(GM—PHD)필터를 이용하여 감시영역 안의 클러터밀도를 산출한다. 표적측정치의 존재로 인한 클러터밀도 추정성능의 저하를 개선하기 위하여 ICMDE는 측정치가 클러터일 확률을 산출하여 이를 클러터밀도 산출에 반영한다. ICMDE는 클러터 likelihood를 모델링을 통해 단일 가우시안 밀도로 단순화함으로써 알고리듬의 복잡성을 개선하였다. 제안하는 ICMDE는 비균일/동적 클러터환경의 다수표적 시뮬레이션을 통해 클러터밀도 추정성능 및 거짓트랙구분 성능을 분석하였으며 Gaussian mixture를 통한 연산시간 대비 우수한 추정성능을 확인하였다.