• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2013.10a
• /
• pp.83-84
• /
• 2013

최근 다양한 시스템의 상태를 추정하는데 시스템의 운동 특성을 모델링하는 기법이 많이 연구되고 있다. 이 기법은 시스템의 운동 특성을 수학적으로 모델링하는 것으로 모델링의 정확도에 따라 시스템의 상태 추정 정확도에 많은 영향을 미치게 된다. 따라서 본 논문에서는 표적의 기동 특성을 모델링하고 표적의 현재와 과거의 상태를 이용하여 정의된 기동 모델 중 적합성을 판단하는 기법을 제시하며 시뮬레이션을 통하여 기동하는 표적의 모델을 정확하게 판단하는지를 검증하고자 한다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.11a
• /
• pp.297-300
• /
• 2006

본 논문에서는 비선형 기동표적의 추적에 대한 새로운 접근 방식을 소개한다. 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. 표적의 기동중에 나타나는 가속도를 효과적으로 다루기 위하여, 잡음의 크기가 급격히 증가할 경우 증가분을 가속도로 인식하여 기동표적 관계식에 이용하였다. 또한 모르는 가속도에 따른 시변 변수를 적응적으로 어립잡기는 어렵기 때문에 정밀한 계산을 위하여 퍼지 뉴럴 네트워크와 적응 상호작용 다중모델 기법을 이용하였다. 퍼지 뉴럴 네트워크의 동정을 위해서는 오차 역전파 학습법을 사용하였다. 그리고 제안된 알고리즘의 수행 가능성을 보여주기 위하여 몇 가지 예를 제시하였다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.21 no.4
• /
• pp.469-474
• /
• 2011

This paper presents the intelligent tracking method for maneuvering target using the positional error compensation of the maneuvering target. The difference between measured point and predict point is separated into acceleration and noise. K-means clustering and TS fuzzy system are used to get the optimal acceleration value. The membership function is determined for acceleration and noise which are divided by K-means clustering and the characteristics of the maneuvering target is figured out. Divided acceleration and noise are used in the tracking algorithm to compensate computational error. While calculating expected value, the non-linearity of the maneuvering target is recognized as linear one by dividing acceleration and the capability of Kalman filter is kept in the filtering process. The error for the non-linearity is compensated by approximated acceleration. The proposed system improves the adaptiveness and the robustness by adjusting the parameters in the membership function of fuzzy system. Procedures of the proposed algorithm can be implemented as an on-line system. Finally, some examples are provided to show the effectiveness of the proposed algorithm.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2007.04a
• /
• pp.382-385
• /
• 2007

본 논문에서는 다중 표적의 중첩이라는 상황에 대한 새로운 해결 방식을 소개한다. 비선형 표적의 위치와 속도에 대한 추적을 중심으로 표적과 비표적의 중첩이 일어나는 순간 이후 분리되었을 때 추적중인 표적을 지속적으로 유지할 수 있는 방법에 대해 이야기 하고자 한다. 이 논문에서 제안된 알고리즘은 예측 명중위치 개념과 최대 잡음수준을 이용한 칼만필터 기반의 적응 상호작용 다중모델 기법으로 측정된 위치값과 예측된 명중위치 사이의 차이를 고려한 변형된 칼만필터 개념을 이용한다. 이 논문에서는 비선형 표적의 가속도를 시변 변수인 표적의 추가적인 잡음으로 두고 각각의 가속도 간격의 정도에 따라 얻어지는 모든 잡음에 대한 변수에 의해 각각의 하부 모델들을 특성화시켰다. 제안된 알고리즘은 표적의 운동특성에 따라 적응적으로 기법을 선택할 수 있는 선택적 방식을 구현하고자 한다. 표적의 기동중에 나타나는 가속도를 효과적으로 다루기 위하여 잡음의 크기가 급격히 증가하는 경우 그 증가분을 가속도로 인식하여 기동표적 관계식에 이용한다. 그리고 제안된 알고리즘의 수행 가능성을 보여주기 위하여 몇 가지 예를 제시하였다.

• Journal of the Institute of Electronics Engineers of Korea SC
• /
• v.46 no.3
• /
• pp.52-58
• /
• 2009

If a moving target has a linear characteristics, the Kalman filter can estimate relatively accurate the location of a target, but this performance depends on how the dynamic status characteristics of the target is accurately modeled. In many practical problems of tracking a maneuvering target, a simple kinematic model can fairly accurately describe the target dynamics for a wide class of maneuvers. However, since the target can exhibit a wide range of dynamic characteristics, no fixed SKF(Simple Kalman filter) can be matched to estimate, to the required accuracy, the states of the target for every specific maneuver. In this paper, a new AKF(Active Kalman filter) is proposed to solve this problem The process noise covariance level of the Kalman filter is adjusted at each time step according to the study result which uses the neural network algorithm. It is demonstrated by means of a computer simulation that the tracking capability of the proposed AKF(Active Kalman filter) is better than that of the SKF(Simple Kalman Filter).

• Proceedings of the Korean Institute of Navigation and Port Research Conference
• /
• 2013.06a
• /
• pp.365-367
• /
• 2013

해상감시레이더는 관제지역의 해상교통정보를 수집하는 해상교통관제시스템의 주요 센서로, 다양한 운동 특성을 갖는 선박의 안정적인 추적과 위치, 속도, 침로 등의 정확한 정보를 제공하는 것은 VTS 성능 개선 및 서비스 고도화에 매우 중요한 요소 기술이다. 본 논문에서는 해상교통관제시스템에서 다양한 기동 특성을 갖는 선박의 정확한 추적을 위하여 상호작용 다중필터(IMM) 추정기를 이용한 추적 알고리즘을 설계하고, 모의실험을 통하여 필터 뱅크의 구성에 따른 성능 비교 및 분석을 수행한다.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.17 no.1
• /
• pp.136-142
• /
• 2007

This paper proposes a new approach on nonlinear maneuvering target tracking. In this paper, proposed algorithm is the Kalman filter based on the adaptive interactive multiple model using the concept of predicted impact point and utilize modified Kalman filter regarding the error between measurement position and predicted impact point. The unknown target acceleration is regarded as an additional process noise to the target model, and each sub-model is characterized in accordance with the valiance of the overall process noise which is obtained on the basis of each acceleration interval. To compensate the decreasing performance of Kalman filter in nonlinear maneuver, we construct optional algorithm to utilize proposed method or Kalman filter selectively. To effectively estimate the acceleration during the target maneuvering, the rapid increase of the noise scale is recognized as the acceleration to be used in maneuvering target's movement equation. And a few examples are presented to show suggested algorithm's executional potential.

• Journal of Advanced Navigation Technology
• /
• v.6 no.2
• /
• pp.119-129
• /
• 2002

Maneuvering targets are difficult to track for the Kalman filter since the target model of tracking filter might not fit the real target trajectory and the statistical characteristics of the target maneuver are unknown in advance. In order to track such a highly maneuvering target, several schemes have been proposed and improved the tracking performance in some extent. Among those tracking schemes the Input Estimation (IE), Variable Dimension (VD) and Turning Acceleration Estimator (TAE) became popular. However, so far their tracking performances were analyzed individually and were not compared. In this paper, the tracking performances of the typical IE, VD and TAE schemes for a maneuvering target are compared. Monte-Carlo Simulations for three maneuvering profiles are carried out and the results are analyzed towards practical applications.

• Journal of Advanced Navigation Technology
• /
• v.4 no.2
• /
• pp.162-170
• /
• 2000

Maneuvering targets are difficult for the Kalman filter to track since the target model of tracking filter might not fit the real target trajectory and the statistical characteristics of the target maneuver are unknown in advance. In order to track such a wildly maneuvering target, several schemes had been proposed and improved the tracking performance in some extent. In this paper a Kalman filter-based scheme is proposed for maneuvering target tracking. The proposed scheme estimates the target acceleration input vector directly from the feature of maneuvering target trajectories and updates the simple Kalman tracker by use of the acceleration estimates. Simulation results for various target profiles are analyzed for a comparison of the performances of our proposed scheme with that of conventional trackers.

• Journal of the Korean Institute of Intelligent Systems
• /
• v.16 no.4
• /
• pp.472-478
• /
• 2006

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.