[논문 리뷰] A nonlinear tracking algorithm with range-rate measurements based on unbiased measurement conversion

Lianmeng Jiao, Quan Pan외 2명|arXiv (Cornell University)|2014. 12. 12.

Target Tracking and Data Fusion in Sensor Networks참고 문헌 7인용 수 12

한 줄 요약

이 논문은 범위와 범위 속도 측정값의 곱으로 이루어진 가짜 측정값을 구성하여 비선형 추적 알고리즘을 제안한다. 이는 비편향 측정 변환과 개선된 오차 공분산 추정을 가능하게 하며, 처리된 위치 및 변환된 범위 속도 데이터에 순차 필터를 적용함으로써 2차 확장 칼만 필터링에서의 근사 오차를 감소시킨다. 몬테카를로 시뮬레이션에서 기존의 CMKF-D보다 뛰어난 성능을 보여준다.

ABSTRACT

The three-dimensional CMKF-U with only position measurements is extended to solve the nonlinear tracking problem with range-rate measurements in this paper. A pseudo measurement is constructed by the product of range and range-rate measurements to reduce the high nonlinearity of the range-rate measurements with respect to the target state; then the mean and covariance of the converted measurement errors are derived by the measurement conditioned method, showing better consistency than the transitional nested conditioning method; finally, the sequential filter was used to process the converted position and range-rate measurements sequentially to reduce the approximation error in the second-order EKF. Monte Carlo simulations show that the performance of the new tracking algorithm is better than the traditional one based on CMKF-D.

연구 동기 및 목표

• 3D 목표 추적에서 범위 속도 측정값의 높은 비선형성을 해결하기 위해.
• 변환된 측정 오차의 정확한 평균과 공분산을 유도하여 추정 일관성을 향상시키기 위해.
• 변환된 측정치를 순차적으로 처리하여 2차 확장 칼만 필터링에서의 근사 오차를 감소시키기 위해.
• 범위 속도 데이터를 활용하여 비선형 시스템에서의 추적 성능을 향상시키기 위해.

제안 방법

• 범위와 범위 속도 측정값을 곱하여 비선형성을 감소시키는 가짜 측정값을 구성하기 위해.
• 측정 조건 기반 방법을 사용하여 변환된 측정 오차의 평균과 공분산을 유도하여 전이적 중첩 조건화 방법보다 더 우수한 일관성을 확보하기 위해.
• 변환된 위치 및 범위 속도 측정치를 순차적으로 처리하기 위해 순차 필터를 적용하여 선형화 오차를 최소화하기 위해.
• 비편향 측정 변환을 사용하여 비선형 추적 환경에서 추정 정확도를 유지하기 위해.
• 범위 속도 측정값을 포함하도록 CMKF-U 접근법을 확장한 프레임워크 내에 알고리즘을 구현하기 위해.
• 실제 추적 조건에서 몬테카를로 시뮬레이션을 사용하여 방법을 검증하기 위해.

실험 결과

연구 질문

• RQ1 목표 상태에 대해 범위 속도 측정값의 높은 비선형성은 비선형 추적에서 어떻게 효과적으로 완화될 수 있는가?
• RQ2 비선형 시스템에서 변환된 측정 오차의 평균과 공분산을 추정하는 데 가장 정확한 방법은 무엇인가?
• RQ3 범위 속도 데이터를 활용한 비선형 추적에서 순차 필터링은 기존 확장 칼만 필터링에 비해 근사 오차를 감소시킬 수 있는가?
• RQ4 제안된 알고리즘은 추정 정확도와 일관성 측면에서 기존의 전통적 CMKF-D 방법과 비교해 성능 면에서 어떻게 다른가?

주요 결과

• 제안된 알고리즘은 비선형 추적 시나리오에서 기존의 전통적 CMKF-D 방법보다 더 높은 추정 정확도를 달성한다.
• 오차 공분산 추정을 위한 측정 조건 기반 방법은 전이적 중첩 조건화 방법보다 우수한 일관성을 제공한다.
• 순차 필터링은 2차 확장 칼만 필터링에서의 선형화 오차를 크게 감소시킨다.
• 범위와 범위 속도의 곱으로부터 유도된 가짜 측정값의 사용은 측정 모델의 비선형성을 효과적으로 감소시킨다.
• 몬테카를로 시뮬레이션을 통해 새로운 알고리즘이 추적 정확도와 안정성 측면에서 CMKF-D를 능가함을 확인하였다.
• 고차원 비선형 추적 문제에서 비편향 추정을 유지하면서도 강건성을 향상시킨다.