Journal of the Korean Institute of Intelligent Systems (한국지능시스템학회논문지)

Korean Institute of Intelligent Systems (한국지능시스템학회)
권호 표지
DOI QR코드

DOI QR Code

A Fuzzy-Neural Network-Based IMM Method Tracking System

퍼지 뉴럴 네트워크 기반 다중모델 기법 추적 시스템

  • 손현승 (연세대학교 전기전자공학과) ;
  • 주영훈 (군산대학교 전자정보공학부) ;
  • 박진배 (연세대학교 전기전자공학과)
  • Published : 2006.08.01
Download PDF
⟨ Previous Next ⟩

Abstract

This paper presents a new fuzzy-neural-network based interacting multiple model (FNNBIMM) algorithm for tracking a maneuvering target. To effectively handle the unknown target acceleration, this paper regards it as additional noise, time-varying variance to target model. Each sub model characterized by the variance of the overall process noise, which is obtained on the basis of each acceleration interval. Since it is hard to approximate this time-varying variance adaptively owing to the unknown acceleration, the FNN is utilized to precisely approximate this time-varying variance. The error back-propagation method is utilized to optimize each FNN. To show the feasibility of the proposed algorithm, a numerical example is provided.

본 논문에서는 기동표적의 추적에 대한 새로운 퍼지 뉴럴 네트워크 기반의 다중모델 기법을 소개한다. 표적의 가속도를 효과적으로 다루기 위하여, 이 논문에서는 표적의 가속도를 시변 변수인 표적의 추가적인 잡음으로 두고 각각의 가속도 간격의 정도에 따라 얻어지는 모든 잡음에 대한 변수에 의해 각각의 하부 모델들을 특성화시켰다. 모르는 가속도에 따른 시변 변수를 적응적으로 어립잡기는 어렵기 때문에 정밀한 계산을 위하여 퍼지 뉴럴 네트워크가 이용되었다. 퍼지 뉴럴 네트워크의 동정을 위해서는 오차 역전파 학습법을 사용하였다. 그리고 제안된 알고리즘의 수행 가능성을 보여주기 위하여 몇 가지 예를 제시하였다.

Keywords

References

  1. Singer, R. A.: 'Estimating optimal tracking filter performance for manned maneuvering targets', IEEE Trans. Aero. Electron. Sys., AES-6, (4), pp. 473-483, 1970 https://doi.org/10.1109/TAES.1970.310128
  2. Blom, H. A. P., and Bar-Shalom, Y.: 'The interacting multiple model algorithm for systems with a jump-linear smoothing application', IEEE Trans. Autom. Control, AC-33, (8), pp. 780-783, 1988
  3. Bar-Shalom, Y., Chan, K. C., and Blom, H.A.P.: 'Tracking a maneuvering target using input estimation versus the interacting multiple model algorithm', IEEE Trans. Aero. Electron. Sys., AES-25, (2), pp. 296-300, 1989 https://doi.org/10.1109/7.18693
  4. I. A. Gura, 'Extension of Linear Estimation Technique to Nonlinear Problem', Jour. of Astronomical Science, Vol. 4, pp. 194-205, 1968
  5. Y. T. Chan, A. G. C. Hu and J. B. Plant, 'A Kalman Filter Based Tracking Scheme with Input Estimation', IEEE Trans. on Aero. and Electro. sys., Vol. AES-15, No.2, pp. 237-244, 1979 https://doi.org/10.1109/TAES.1979.308710
  6. Y. T. Chan, J. B. Plant, and J. R. T. Bottomley, 'A Kalman Tracker with a Simple Input Estimator', IEEE Trans. on Aero. and Electro. sys., Vol. AES-18, No.2, pp. 235-241, 1992 https://doi.org/10.1109/TAES.1982.309233
  7. K. C. C. Chan, H. Leung, and V. Lee, 'Maneuvering Target Tracking Using Fuzzy Logic', IEEE Trans. on Aero. and Electro. sys., Vol. AES-28, No.5, pp. 782-792, 1997
  8. T. H. S. Li, 'Estimation of one-Dimensional Radar Tracking via Fuzzy-Kalman Filter', IECON' 93, . pp. 2384-2388, 1993
  9. C. G. Moore and C. J. Harris, 'Aspects of Fuzzy Control and Estimation', Advances in Intelligent Control, pp. 201-242, 1994
  10. B. J. Lee, J. B. Park, H. J. Lee and Y. H. Joo, 'Fuzzy-Logic-Based IMM Algorithm for Tracking a Maneuvering Target', IEE Proc. Radar, Sonar and Nav. Vol. 152 pp.16-22, 2005 https://doi.org/10.1049/ip-rsn:20041002
  11. A. Munir and D. P. Atherton, 'Adaptive interacting multiple model algorithm for tracking a maneuvering target', IEE Proc. of Radar Sonar and Nav. Vol 142, No.1, pp. 11-17, 1995 https://doi.org/10.1049/ip-rsn:19951528