트랙 기반의 자료결합 기법을 이용한 Track Before Detect 알고리즘 연구

Abstract

본 논문에서는 표적의 Signal-to-Noise Ratio(SNR)가 낮은 환경에서 자동 표적 상태 추적을 위해 트랙 기반의 자료결합 기법을 이용한 Track Before Detect 알고리즘으로써 단일표적 추적을 위한 Track Before Detect using Integrated Probabilistic Data Association(TBD-IPDA)와 다중표적 추적을 위한 Track Before Detect using Linear Multi-target Integrated Probabilistic Data Association(TBD-LMIPDA) 제안한다. 제안하는 TBD-IPDA은 유효 측정영역을 통해 측정치를 효율적으로 선택하는 자료결합 기법의 장점과 신호세기 문턱치를 적용하지 않고 모든 데이터를 사용하여 표적의 정보 손실을 막는 TBD 알고리즘의 장점을 이용하여, 표적의 신호세기가 약한 환경에서의 표적 추적 성능을 향상시킨다. 즉, TBD-IPDA는 예측 추정치를 중심으로 한 유효 측정 영역 내부의 모든 측정치에 대하여 Likelihood Ratio를 구하고 Likelihood Ratio가 높은 측정치들을 사용하여 표적의 상태변수를 추정하기 때문에 표적 정보 손실 가능성을 줄이고 각 트랙마다 관심 영역 전체가 아닌 다음 표적이 있을법한 유효 측정 영역에 집중하기 때문에 연산 효율도 우수하다. 또한 기존의 IPDA와 동일한 연산 방식을 갖기 때문에 Modulated Clutter Measurement Density를 계산하는 Linear Multi-target 기법을 적용하면 다중 표적 알고리즘으로(TBD-LMIPDA)의 확장도 쉽게 가능하다. 제안하는 알고리즘의 성능 분석을 위해 표적이 한 개 또는 여러 개 일 때, 다양한 SNR에 따라 일정한 신호 세기를 갖는 표적에 대한 Reyleigh 분포 측정 잡음 환경과 Fluctuating 신호 세기를 갖는 표적에 대한 Weibull 분포 측정 잡음 환경에서 시뮬레이션을 수행하였다. 일반적인 영상처리 탐지 기법과 자료결합 기법을 이용한 Track After Detect IPDA 알고리즘과 Particle Filter를 이용한 TBD 알고리즘을 비교 대상으로 선택하였으며, 표적 추적 성공률, 표적 추적 정확도 그리고 연산시간을 비교 분석하여 제안하는 알고리즘의 성능을 검증했다.