Intelligent tracking methods for a maneuvering target = 기동 표적에 대한 지능형 추적 기법
저자
발행사항
서울 : Graduate School, Yonsei University, 2004
학위논문사항
학위논문(박사)-- Graduate School, Yonsei University : Dept. of Electrical and Electronic Engineering 2004.2
발행연도
2004
작성언어
영어
주제어
발행국(도시)
서울
형태사항
xxi, 103장 : 삽도 ; 26 cm.
일반주기명
지도교수: Jin Bae Park.
소장기관
칼만 필터는 일정한 속도를 가지는 이동 표적의 상태 추정에 널리 이용되어 왔다. 그러나 선회나 회피를 위한 기동이 고려될 경우, 기동은 표적 모델상에서 큰 프로세스 잡음으로 작용하고, 본래의 프로세스 잡음의 분산이 그 것을 다룰 수 없기 때문에, 칼만 필터의 성능은 현저히 저하될 수 있다. 이러한 문제를 해결하기 위해, 기동 표적에 대한 지능형 추적 기법으로서 새로운 지능형 칼만 필터와 지능형 상호작용 다중모델 알고리즘을 제안한다. 지능형 칼만 필터에서, 실제 알지 못하는 표적의 가속도는 추가적인 프로세스 잡음으로 간주된다. 표적 기동이 발생할 경우, 칼만 필터의 innovation은 기동의 크기에 비례하여 증가한다. 이러한 사실로부터, 전체 프로세스 잡음의 분산은 매 샘플링 시간에서 필터의 innovation과 그 변화로부터 근사화될 수 있다. 전체 프로세스 잡음의 분산은 실제 알지 못하는 가속도로 인하여 시변이 되고, 또한 비선형이 될 수 있으므로, 하나의 퍼지 시스템이 그 것을 근사화시키기 위한 universal approximator로 사용된다. 지능형 상호작용 다중모델 알고리즘에서, 지능형 칼만 필터들이 다양한 가속도 구간에 기반하여 부필터들로 사용되고, 각 부필터의 전체 프로세스 잡음의 분산은 지능형 칼만 필터와 동일한 방법에 의해 근사화된다. 지능형 칼만 필터와 지능형 상호작용 다중모델 알고리즘에서, 각 퍼지 시스템의 파라미터들과 규칙수는 유전 알고리즘이나 DNA 코딩 기법에 의하여 최적화된다. 최적화 기법에 따라 지능형 칼만 필터는 유전 알고리즘 기반 지능형 칼만 필터, 또는 DNA 코딩 기반 지능형 칼만 필터로, 지능형 상호작용 다중모델 알고리즘은 유전 알고리즘 기반 지능형 상호작용 다중모델 알고리즘, 또는 DNA 코딩 기반 지능형 상호작용 다중모델 알고리즘으로 각각 명명된다. 퍼지 시스템의 최적화는 지능형 칼만 필터에서 일정한 가속도 수준에 대하여, 또한 지능형 상호작용 다중모델 알고리즘에서 각 가속도 구간 내의 임의의 가속도에 대하여 추적 오차를 최소화시키는 방향으로 이루어진다. 제안된 지능형 추적 기법들의 효율성을 보여주기 위해, 접근하는 대함 미사일에 대한 표적 추적 시나리오가 모의실험되고, 그 전에 각각의 퍼지 시스템은 유전 알고리즘이나 DNA 코딩 기법에 의해 오프라인 상에서 최적화된다. 모의실험 결과에서, 각 퍼지 시스템이 전체 프로세스 잡음의 분산을 잘 근사화시키고, 따라서 제안된 지능형 추적 기법들이 상호 작용 다중 모델 알고리즘과 적응 상호 작용 다중 모델 알고리즘과 비교하여 더 우수한 성능을 가짐을 알 수 있다. 제안된 기법들은 시변 분산을 근사화시키기 위하여 오프라인에서 최적화된 퍼지 시스템을 이용함으로써, 표적 기동의 통계적 특성에 관한 사전 정보를 요구하지 않는다는 장점을 가진다.
더보기The Kalman filter (KF) has been widely used in the state estimation of a moving target with constant velocity. However, When the maneuver for turn or evasion is considered, the performance of the KF may be seriously degraded because the maneuver works as a large process noise on the target model and the original process noise variance can not cover it. To solve this difficulty, A new intelligent Kalman filter (IKF) and a new intelligent interacting multiple model (IIMM) algorithm are proposed as intelligent tracking methods for a maneuvering target. In the IKF, the unknown target acceleration is regarded as an additive process noise. When the target maneuver is occurred, the innovation of the KF increases in proportion to its magnitude. From this fact, the overall process noise variance can be approximated from the filter innovation and its variation at every sampling time. Since the overall process noise variance is time-varying due to the unknown acceleration and might be nonlinear, a fuzzy system is utilized as a universal approximator to approximate it. In the IIMM algorithm, the IKFs are used as the sub-filters on the basis of different acceleration intervals, and the overall process noise variance of each sub-filter is approximated in the same way as the IKF. In the IKF and the IIMM algorithm, the parameters and the number of rules of each fuzzy system can be optimized by the genetic algorithm (GA) or the DNA coding method. According to the optimization tools, the IKF is named the GA-based IKF or the DNA-coding-based IKF, and the IIMM algorithm is named the GA-based IIMM algorithm or the DNA-coding-based IIMM algorithm, respectively. The optimization of the fuzzy system is performed to the direction of minimizing the tracking errors for some acceleration levels in the IKF and for random accelerations within each acceleration interval in the IIMM algorithm. To show the effectiveness of the proposed intelligent tracking methods, a tracking scenario for an incoming anti-ship missile is simulated, and before that, each fuzzy system to approximate the time-varying variance is optimized off-line by the GA and the DNA coding method. In simulation results, one can see that each fuzzy system can well approximate the overall process noise variance, and the proposed intelligent tracking methods have better tracking performances compared with the IMM algorithm and the AIMM algorithm. The proposed methods have an advantage that it does not require the prior information on the statistical property of the target maneuver by using the off-line optimized fuzzy system to approximate the time-varying variance.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)