[논문 리뷰] Maximum Likelihood Joint Tracking and Association in a Strong Clutter without Combinatorial Complexity

Leonid Perlovsky, Ross Deming|arXiv (Cornell University)|2010. 10. 20.

Cognitive Science and Education Research참고 문헌 22인용 수 4

한 줄 요약

이 논문은 강한 클러터 환경에서 지상 이동 표적 인식(GMTI) 레이더를 위한 최대우도 공동 추적 및 데이터 연동 알고리즘을 제안한다. 조합적 복잡성을 피하기 위해 동적 논리 '흐린 것에서 명확한 것'으로의 반복적 프로세스를 사용한다. 완전 탐색 없이도 신호 대 클러터 비율을 크게 향상시켜 고도로 클러터가 있는 환경에서도 효율적인 추적을 가능하게 한다.

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.

연구 동기 및 목표

• 강한 가짜 경고가 존재하는 고도로 클러터가 있는 레이더 환경에서 공동 추적 및 데이터 연동의 과제를 해결하기 위해.
• 다수의 이동 표적을 추적하기 위한 기존 최대우도 접근 방식에서 내재된 조합적 복잡성을 극복하기 위해.
• 모든 가능한 연동 조합을 전수 조사하지 않고도 복잡도 제한 상황에서도 높은 정확도를 유지하는 효율적인 알고리즘을 개발하기 위해.
• 동적 논리 원리를 활용해 추적 추정치를 반복적으로 개선함으로써 신호 대 클러터 비율을 향상시키기 위해.
• 실제 운영 환경에서 다수의 지상 이동 표적을 실시간으로 추적할 수 있도록 하기 위해.

제안 방법

• 조합적 폭발을 피하기 위해 흐린 초기 추정치를 반복적으로 정밀한 연동으로 개선하는 동적 논리 프로세스를 사용한다.
• 추적 및 연동 단계를 번갈아 가며 반복적으로 개선하는 최적화 프레임워크를 사용한다.
• 최대우도 공식을 적용해 표적 상태와 데이터 연동을 동시에 추정하며, 음의 로그우도를 최소화한다.
• 모호한 연동을 점진적으로 명확하고 높은 가능성의 해답으로 끌어올리는 '흐린 것에서 명확한 것' 변환을 도입한다.
• 표적 동역학과 클러터 내 측정 생성을 모두 모델링하는 우도 함수를 활용하며, 가짜 경고 비율을 포함한다.
• 이산적 조합적 탐색 대신 연속 최적화를 사용함으로써 모든 가능한 연동 가설을 명시적으로 나열하지 않는다.

실험 결과

연구 질문

• RQ1 강한 클러터에서 공동 추적 및 연동을 조합적 복잡성 없이 달성할 수 있는가?
• RQ2 동적 논리 프로세스는 GMTI 추적에서 신호 대 클러터 비율을 어떻게 향상시킬 수 있는가?
• RQ3 기존의 조합적 방법에 비해 반복적인 흐린 것에서 명확한 것으로의 정밀화는 어떤 성능 향상을 가져오는가?
• RQ4 완전 탐색 없이도 고클러터 상황에서 최대우도 추정을 효율적으로 구현할 수 있는가?
• RQ5 제안된 방법은 높은 가짜 경고 비율과 낮은 신호 대 클러터 비율 조건에서도 정확도를 유지할 수 있는가?

주요 결과

• 제안된 알고리즘은 이산적 나열을 연속적인 반복 최적화로 대체함으로써 조합적 복잡성을 성공적으로 피한다.
• 동적 논리 '흐린 것에서 명확한 것' 프로세스는 모든 가능한 연동 조합을 탐색하지 않더라도 높은 가능성의 해답으로 수렴할 수 있도록 한다.
• 이 방법은 신호 대 클러터 비율을 크게 향상시켜 밀도 높은 클러터 환경에서의 탐지 및 추적 성능을 향상시킨다.
• 반복적인 정밀화 프로세스는 GMTI 데이터에서 흔히 볼 수 있는 높은 가짜 경고 비율에 대해 뛰어난 내성성을 보인다.
• 스캔당 가짜 경고 수가 많을 경우에도 알고리즘이 높은 정확도를 유지하며, 복잡도 제한 상황에서 기존 방법보다 뛰어난 성능을 발휘한다.
• 이 방법은 강한 클러터 환경에서 최대우도 공동 추적 및 연동의 실용적인 실시간 구현을 가능하게 한다.