[論文レビュー] Maximum Likelihood Joint Tracking and Association in a Strong Clutter without Combinatorial Complexity

Leonid Perlovsky, Ross Deming|arXiv (Cornell University)|Oct 20, 2010

Cognitive Science and Education Research参考文献 22被引用数 4

ひとこと要約

本稿では、強いクラッタ環境下における地上移動標的インジケータ（GMTI）レーダー向けに、組み合わせ的複雑性を回避する動的論理「曖昧から明確へ」反復プロセスを用いた最尤同時追跡およびデータ関連付けアルゴリズムを提案する。この手法は全探索を伴わずに信号対クラッタ比を著しく向上させ、極めてクラッタの強い環境下でも効率的な追跡を可能にする。

ABSTRACT

We have developed an efficient algorithm for the maximum likelihood joint tracking and association problem in a strong clutter for GMTI data. By using an iterative procedure of the dynamic logic process "from vague-to-crisp," the new tracker overcomes combinatorial complexity of tracking in highly-cluttered scenarios and results in a significant improvement in signal-to-clutter ratio.

研究の動機と目的

• 強い誤報を伴う極めてクラッタの強いレーダー環境下における同時追跡およびデータ関連付けの課題に対処すること。
• 複数の移動標的を追跡するための従来の最尤アプローチに内在する組み合わせ的複雑性を克服すること。
• 全可能な関連付けの列挙を伴わずに、複雑さに制限を受ける状況下でも高い精度を維持する効率的なアルゴリズムを開発すること。
• 動的論理の原則に従い、追跡推定値の反復的精錬を用いて信号対クラッタ比を向上させること。
• 運用上のGMTIシステムにおける複数の地上移動標的の実用的リアルタイム追跡を可能にすること。

提案手法

• 離散的列挙を避けるために、反復的に曖昧な初期推定値を明確な関連付けに精錬する動的論理プロセスを採用する。
• 追跡と関連付けのステップを交互に繰り返す反復的最適化フレームワークを用い、各反復で推定値を改善する。
• 負の対数尤度を最小化するように、標的状態とデータ関連付けを同時に推定する最尤定式を適用する。
• 段階的に曖昧な関連付けを信頼性の高い高尤度解に鋭く明確化する「曖昧から明確へ」変換を導入する。
• 標的動態とクラッタ内での測定生成をモデル化する尤度関数を活用し、誤報率を組み込む。
• 離散的な組み合わせ的探索に代えて連続的最適化を用いることで、すべての可能な関連付け仮説の明示的列挙を回避する。

実験結果

リサーチクエスチョン

• RQ1 組み合わせ的複雑性を伴わずに、強いクラッタ下での同時追跡および関連付けは達成可能か？
• RQ2 動的論理プロセスはGMTI追跡における信号対クラッタ比をどのように向上させるか？
• RQ3 従来の組み合わせ的手法と比較して、反復的曖昧から明確への精錬による性能向上はどの程度か？
• RQ4 全探索を伴わず、高クラッタ環境下でも最尤推定を効率的に実装できるか？
• RQ5 本手法は、高誤報率および低信号対クラッタ比の状況下でも精度を維持できるか？

主な発見

• 本手法は、離散的列挙を連続的反復最適化に置き換えることで、組み合わせ的複雑性を効果的に回避した。
• 動的論理による「曖昧から明確へ」プロセスにより、全可能な関連付けの組み合わせを探索せずに、高尤度解への収束が可能となった。
• 信号対クラッタ比に顕著な向上が見られ、密集したクラッタ環境下での検出および追跡性能が向上した。
• 反復的精錬プロセスは、GMTIデータに一般的に見られる高誤報率に対しても頑健であることが示された。
• スキャンあたりの誤報数が多くても、本アルゴリズムは高い精度を維持し、複雑さに制限を受ける状況下で従来手法を上回った。
• 本手法により、強いクラッタ下における最尤同時追跡および関連付けの実用的リアルタイム実装が可能となった。