한국지능시스템학회논문지 (Journal of the Korean Institute of Intelligent Systems)

  • 제15권5호
  • /
  • Pages.593-598
  • /
  • 2005
  • /
  • 1976-9172(pISSN)
  • /
  • 2288-2324(eISSN)
한국지능시스템학회 (Korean Institute of Intelligent Systems)
권호 표지
DOI QR코드

DOI QR Code

퍼지 칼만 필터를 이용한 새로운 지능형 추적 알고리즘

A New Intelligent Tracking Algorithm Using Fuzzy Kalman Filter

  • 노선영 (연세대학교 전기전자공학과) ;
  • 주영훈 (군산대학교 전자정보공학부) ;
  • 박진배 (연세대학교 전기전자공학과)
  • 발행 : 2005.10.01
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

표적의 상태를 추정하기 위해 사용된 칼만 필터는 급 기동을 하거나 비선형적인 운동특성을 가지는 표적이 발생할 때, 모델은 상당한 오차를 유발하며 추적 성능은 현저히 저하될 수 있다. 이러한 문제점을 해결하기 위해서 본 논문에서는 기동하는 표적을 추정하기 위한 새로운 지능형 추정 알고리즘을 제안한다. 제안된 알고리즘은 유전 알고리즘에 기반한 퍼지 칼만 필터를 이용하여 실제 알지 못하는 표적의 가속도를 전체 프로세스 잡음으로 추정한 후, 보정된 필터의 잔여치와 변화를 이용한 퍼지 시스템으로 새로운 퍼지 이득을 추출하여 측정 예측 오차를 보정함으로써 한 개의 필터로 표적 움직임의 비선형성을 효과적으로 다룰 수 있다. 제안된 기법의 우수성을 검증하기 위해서 다중 모델 기법을 사용한 필터와 비교 모의실험을 하였다.

The standard Kalman filter has been used to estimate the states of the target, but in the presence of a maneuver, its error is occurred and performance may be seriously degraded. To solve this problem, this paper presents a new intelligent tracking algorithm using the fuzzy Kalman filter. In this algorithm, the unknown acceleration is regarded as an additive process noise by using the fuzzy logic based on genetic algorithm(GA) method. And then, the modified filter is corrected by the new update equation method which is a fuzzy system using the relation between the filter residual and its variation. To shows the feasibility of the suggested method with only one filter, the computer simulations system are provided, this method is compared with multiple model method.

키워드

참고문헌

  1. Y. Bar-Shalom and X. Li, Estimation and Tracking: Principles, Techniques and Software, Artech House, 1993
  2. M. S. Grewal and A. P. Andrews, Kalman filtering: theory and practice, Prentice Hall, 1993
  3. Y. Bar-Shalom and K. Birmiwal, 'Variable dimension filter for maneuvering target tracking,' IEEE Trans. on Aerospace and Electronic Systems, Vol. AES-18, No.5, pp. 621-629, 1982 https://doi.org/10.1109/TAES.1982.309274
  4. P. L. Bogler, 'Tracking a maneuvering target using input estimation,' IEEE Trans. on Aerospace and Electronic Systems, Vol. AES-23, No.3, pp. 298-310, 1987 https://doi.org/10.1109/TAES.1987.310826
  5. H. A. P. Blom, and Y. Bar-Shalom, 'The interaction multiple model algorithm for systems with Markovian Switching coefficients,' IEEE Trans. on Automatic Control, Vol. AC-33 No.8, pp. 780-783, 1988
  6. A. Munir and D. P. Atherton, 'Adaptive interacting multiple model algorithm for tracking a maneuvering target, ' IEE Proc. of Radar., Sonar Navigation, Vol. 142, No.1, pp. 11-17, 1995
  7. B. J. Lee, Y. H. joo, and J. B. Park, 'The design of target tracking system using the identification of TS fuzzy model,' Proc. of KIEE Summer Annual Conference 2001, pp. 1958-1960, 2001
  8. S. McGinnity and G. W. Irwin, 'Fuzzy logic approach to maneuvering target tracking,' lEE proc. Of Radar, Sonar, and Navigation, Vol. 145, No.6, pp. 337-341, 1998
  9. D. E. Goldberg, Genetic algorithms in search, optimization, and machine learning, Addison -wesley, 1989
  10. B. J. Lee, .J. B, Park, H. J. Lee and Y. H. Ioo, 'Fuzzy-logic-based IMM algorithm for tracking a manoeuvring target,' IEE Proc. Radar Sonar Navig., Vol. 152, No.1, pp. 16-22, 2005
  11. A. T. Alouani., Price, P., and W. D. Blair, 'A two-stage Kalman estimator for state estimation in the presence of random bias for tracking maneuvering targets,' Proc. 30th IEEE Conf. on Decision and Control, Vol. 2, pp. 2059-2002, 1991
  12. B. J. Lee, Y. H. Ioo, and J. B. Park, 'An intelligent tracking method for a maneuvering target,' Int. Jour. of control, Automation, and Systems Vol. 1, No.1, pp. 93-100, 2003