Rao-Blackwellized Multiple Model Particle Filter Data Fusion algorithm

It is generally known that particle filters can produce consistent target tracking performance in comparison to the Kalman filter for non-linear and non-Gaussian systems. In this paper, I propose a Rao-Blackwellized multiple model particle filter(RBMMPF) to enhance computational efficiency of the particle filters as well as to reduce sensitivity of modeling. Despite that the Rao-Blackwellized particle filter needs less particles than general particle filter, it has a similar tracking performance with a less computational load. Comparison results for performance is listed for the using single sensor information RBMMPF and using multisensor data fusion RBMMPF.

Rao-Blackwellized Multiple Model Particle Filter자료융합 알고리즘

일반적으로 비선형 시스템에서 particle filter가 Kalman Filter보다 표적추적 성능이 뛰어나다고 알려져 있다. 그러나 particle filter는 많은 연산량을 요구하는 단점이 있다. 본 논문에서는 particle filter 보다 적은 particle의 수, 즉 적은 연산량으로 동일한 성능을 가지는 Rao-Blackwellized particle filter의 모델의 민감성을 줄인 Rao-Blackwellized Multiple Model Particle Filter(RBMMPF)의 알고리즘을 소개하고 이에 다중센서 정보를 융합하는 자료융합 기법을 적용하였다. 시뮬레이션을 통해 단일센서 정보를 이용한 RBMMPF 표적추적 성능과 다중센서정보를 융합한 RBMMPF의 표적추적 성능을 비교, 분석하였다.