클러터 환경에서 다중 기동표적 트랙초기화 및 표적식별 기법 연구

Abstract

본 논문에서는 기동하는 다중 표적의 자동탐지 및 추적을 위한 트랙초기화 기법과 해양환경에서 수동 소나센서 운용 시 주어지는 표적의 각도정보만을 이용한 표적식별 기법을 제안한다. 기존의 자료결합기법으로서 널리 사용되고 있는 PDA 자료결합 알고리듬은 트랙이 존재한다는 가정이 전제된 방법이므로 추적 중인 트랙 내에 표적의 존재에 관한 확률을 산출할 수가 없었다. 그러나, IPDA 알고리듬[5,6]은 표적 존재유무에 대한 가설을 정의하여 자료결합 과정에서 표적 존재유무에 대한 정보처리 과정을 포함하고 있기 때문에 트랙존재확률 산출이 가능하다. 이러한 방법으로 산출된 트랙존재확률을 이용하여 추적 트랙의 초기화뿐만 아니라 트랙의 합리적인 유지 및 관리가 가능하였다. 그러나, 다양한 기동 패턴을 갖고 있는 표적을 추적하는 경우 단일 모델 필터구조로 표적의 동력학적 특성을 묘사하는 건 무리가 있다. 이러한 경우 다수 모델(Interactive Multiple Model) 구조를 갖는 필터 알고리즘을 적용하여 다양한 패턴으로 기동하는 표적의 추적에 있어 상태변수 추정치의 수렴도 및 추적 트랙의 안정도 측면에서의 성능을 높일 수 있다. 본 논문에서 제안하는 다수모델구조의 추적필터와 트랙초기화 알고리즘을 결합한 IMM-IPDA-AI 및 IMM-MPDA 기법을 다양한 기동패턴을 갖는 다수의 가상표적이 존재하는 환경에 적용하여 표적의 자동 탐지 및 추적을 위한 트랙초기화 성능을 검증하였다. 해양환경에서 소나센서가 수동 모드로 운용될 경우 탐지된 표적의 식별을 위해서는 가용한 표적의 각도와 각속도 정보를 이용하여야 한다. 본 연구에서는 이러한 각도, 각속도 정보를 바탕으로 각도와 각속도의 변화량을 나타내는 특징 파라미터, 그리고 표적의 상태를 나타내는 가설군을 정의하여 제안하는 Bayesian 기법, Dempster-Shafer 기법, 신경회로망 기법, SPRT 기법을 표적 식별을 위한 시스템 모델링 과정을 수행하고, 컴퓨터 시뮬레이션을 가상의 다중 표적이 존재하는 환경에서 실제 각 기법들의 특성과 성능을 비교, 분석하였다.; This thesis proposes algorithms for the automatic initiation of the tracks of maneuvering targets in cluttered environments. This track initiation algorithm consists of IPDA-AI(Integrated Probabilistic Data Association-Amplitude Information) and MPDA(Most Probable Data Association) in an Interacting Multiple Model(IMM) configuration, and they are referred to as the IMMIPDAF- AI and IMM-MPDA repectively. The IMM portion consists of several filters based on different dynamical models to handle target maneuvers. Each of the filters utilizes an IPDA-AI(or MPDA) algorithm to deal with the problem of track existence in the presence of clutter. Although the primary purpose of this study is to deal with the track initiation problem, the IMMIPDAF- AI and IMM-MPDA can also be used for the maintenance of existing tracks and the termination of tracks for targets when they disappear. For illustrative purposes, simulation is used to compare the performance of the algorithms proposed to other track formation algorithms. This thesis also considers the problem of classification of targets being tracked in an ocean environment. To build a target classifier for a passive sonar mode, two features, the variations of angle and angular velocity, are used. These two features are combined to classify target tracked into two different categories: threatening targets and non-threatening targets. A neural network which robustly performs in cases with internal/external noises and existing target model uncertainty exist is implemented for determining the type of target tracked. In addition, three popular statisticbased techniques, namely, the Bayesian, the Dempster-Shafer(D-S), and the SPRT(Sequential Probability Ratio Test) methods, are applied to develop target classification algorithms for our application. Monte-Carlo simulation is performed to evaluate the practicality of these classification methods for identifying threatening targets in an ocean environment.