표적존재확률 기반의 ILLPF 및 다수표적추적용 클러터 측정치 밀도 추정 기법 연구

Abstract

본 논문에서는 레이더와 소나와 같은 센서들에 의해 탐지되는 표적의 정보이외에 다수의 클러터가 존재하는 환경에서 표적존재확률 기반의 integrated local linearization particle filter (ILLPF)와 다수표적추적용 클러터 측정치 밀도 추정기법 multitarget tracking-spatial clutter measurement density estimation (MTT-SCMDE)을 제안한다. Particle filter는 표적의 동역학 모델과 센서에서 입수된 측정치 모델 둘 중 하나라도 선형이 아닌 비선형 시스템에서 우수한 성능을 지니고 있으며 최근 컴퓨터 연산속도의 발전으로 인해 추적시스템에서 많이 사용된다. 하지만 기존의 particle filter는 표적의 측정치와 클러터 측정치를 구별할 수 없기 때문에 클러터가 다수 발생하는 추적환경에서는 적용이 불가능하다. 클러터 환경에서 particle filter를 적용하기 위해 표적존재확률 기반의 트랙관리기법이 적용된 integrated particle filter (IPF)가 연구되었다. 제안하는 ILLPF는 extended Kalman filter (EKF) 및 unscented Kalman filter (UKF)를 통해 얻은 추정치를 importance density로 선택함으로써 기존의 particle filter보다 더 정확하게 표적의 사전 및 사후 확률밀도함수를 표현할 수 있는 LLPF를 클러터환경에서 표적의 트랙관리가 가능하도록 표적존재확률의 개념이 도입된 표적추적 알고리즘이다. 이 ILLPF를 다수의 기동하는 표적추적 수행을 위한 다수모델추적기법 및 다수표적추적기법이 포함된 interacting multiple model-linear multitarget-ILLPF (IMM-LM-ILLPF)로 확장하였고, 제안하는 ILLPF의 추적성능을 몬테 카를로 시뮬레이션을 통해 검증하였다. 클러터 환경에서 표적추적을 수행하는데 있어 클러터 측정치 밀도는 표적존재확률을 계산하기 위해 중요한 파라미터이다. 대부분의 자료연관 알고리즘들은 클러터 측정치들의 공간적인 분포를 uniform하다고 가정하여 고정된 클러터 측정치 밀도로 가정하여 추적을 수행해왔다. 하지만 실제추적환경에서는 클러터 측정치의 개수 및 위치와 같은 사전적인 정보를 알 수 없기 때문에 입수된 측정치에 대해서 고정된 클러터 측정치 밀도를 사용하게 되면 추적이 제대로 수행되지 않을 수 있다. 실제추적환경에서 표적추적수행을 위해 각 측정치마다 고유의 공간적 부피를 계산하는 클러터 측정치 밀도 추정 기법 spatial clutter measurement density estimation (SCMDE)이 연구되었다. 본 논문에서는 기존의 SCMDE기법을 다수표적추적에 적합한 multitarget tracking SCMDE (MTT-SCMDE)로 확장하였고, 다수표적추적상황에서 추적성능향상을 확인하였다. 또한 IMM-LM-ILLPF와 MTT-SCMDE를 하나로 통합함으로써 클러터 측정치에 대한 사전정보가 결여되어 있는 비선형 표적추적환경에서 제안하는 알고리즘들의 호환성 및 범용성을 입증하였다.