JP2003270338A - 目標追尾装置およびその方法 - Google Patents
目標追尾装置およびその方法Info
- Publication number
- JP2003270338A JP2003270338A JP2002071998A JP2002071998A JP2003270338A JP 2003270338 A JP2003270338 A JP 2003270338A JP 2002071998 A JP2002071998 A JP 2002071998A JP 2002071998 A JP2002071998 A JP 2002071998A JP 2003270338 A JP2003270338 A JP 2003270338A
- Authority
- JP
- Japan
- Prior art keywords
- motion
- value
- motion model
- smoothed
- smoothing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
(57)【要約】
【課題】 高い追尾性能を得ることのできる目標追尾装
置およびその方法を得る。 【解決手段】 目標の加速度を正弦波とする運動モデル
の数および各運動モデルに設定する定数加速度周波数を
決定する運動モデル制御手段と、運動モデルを持つ複数
のカルマンフィルタを用いて、各運動モデルの事後確率
を算出して、所定のサンプリングタイミング毎に目標の
相対位置、相対速度、加速度、加速度周波数などの運動
諸元を推定する運動諸元推定手段とを備えた。
置およびその方法を得る。 【解決手段】 目標の加速度を正弦波とする運動モデル
の数および各運動モデルに設定する定数加速度周波数を
決定する運動モデル制御手段と、運動モデルを持つ複数
のカルマンフィルタを用いて、各運動モデルの事後確率
を算出して、所定のサンプリングタイミング毎に目標の
相対位置、相対速度、加速度、加速度周波数などの運動
諸元を推定する運動諸元推定手段とを備えた。
Description
【０００１】
【発明の属する技術分野】この発明は、センサ等からの
目標の位置情報に関する観測情報に基づいて目標の位置
や速度などの運動諸元を推定する目標追尾装置およびそ
の方法に関するものである。
目標の位置情報に関する観測情報に基づいて目標の位置
や速度などの運動諸元を推定する目標追尾装置およびそ
の方法に関するものである。
【０００２】
【従来の技術】図６は、「Ｐａｕｌ Ｚａｒｃｈａｎ
ａｎｄ Ｄｉｍｉｔｒｉｏｓ ”Ｆｉｌｔｅｒｉｎｇ
Ｓｔｒａｔｅｇｉｅｓ ｆｏｒ Ｓｐｉｒａｌｉｎｇ
Ｔａｒｇｅｔｓ”，ＡＩＡＡ／ＢＭＤＯ Ｔｅｃｈｎｏ
ｌｏｇｙ Ｃｏｎｆｅｒｅｎｃｅ ａｎｄ Ｅｘｈｉｂ
ｉｔ．９ｔｈ．Ｈｅｌｄ ｉｎ Ｓａｎ Ｄｉｅｇｏ，
ＣＡ，Ｊｕｌｙ ２０００．」に記載された従来の目標
追尾装置を示すブロック図である。
ａｎｄ Ｄｉｍｉｔｒｉｏｓ ”Ｆｉｌｔｅｒｉｎｇ
Ｓｔｒａｔｅｇｉｅｓ ｆｏｒ Ｓｐｉｒａｌｉｎｇ
Ｔａｒｇｅｔｓ”，ＡＩＡＡ／ＢＭＤＯ Ｔｅｃｈｎｏ
ｌｏｇｙ Ｃｏｎｆｅｒｅｎｃｅ ａｎｄ Ｅｘｈｉｂ
ｉｔ．９ｔｈ．Ｈｅｌｄ ｉｎ Ｓａｎ Ｄｉｅｇｏ，
ＣＡ，Ｊｕｌｙ ２０００．」に記載された従来の目標
追尾装置を示すブロック図である。
【０００３】図６において、１はセンサ等を備えた目標
観測装置、２は目標観測装置１からの観測値に基づい
て、所定のサンプリングタイミング毎に目標の位置や速
度などの運動諸元を推定する目標追尾装置、３は目標追
尾装置２での推定結果を表示する表示装置を示す。
観測装置、２は目標観測装置１からの観測値に基づい
て、所定のサンプリングタイミング毎に目標の位置や速
度などの運動諸元を推定する目標追尾装置、３は目標追
尾装置２での推定結果を表示する表示装置を示す。
【０００４】次に、目標追尾装置２の構成について説明
する。目標追尾装置２は、目標観測装置１からの観測値
が追尾に有効なデータであるかを判定するゲート判定器
４と、観測値、ゲイン行列、および、１サンプリングタ
イミング前の平滑値および平滑誤差共分散行列に基づい
て、平滑値および平滑誤差共分散を算出する平滑器５と
を備えている。
する。目標追尾装置２は、目標観測装置１からの観測値
が追尾に有効なデータであるかを判定するゲート判定器
４と、観測値、ゲイン行列、および、１サンプリングタ
イミング前の平滑値および平滑誤差共分散行列に基づい
て、平滑値および平滑誤差共分散を算出する平滑器５と
を備えている。
【０００５】また、平滑値および平滑誤差共分散行列の
初期値を格納する初期値メモリ６と、１サンプリングタ
イミング前の平滑値および平滑誤差共分散行列を格納す
る平滑諸元用メモリ７と、平滑値および平滑誤差共分散
行列に基づいて予測値および予測誤差共分散行列を算出
する予測器８と、ゲイン行列を算出するゲイン行列算出
器９とを備えている。
初期値を格納する初期値メモリ６と、１サンプリングタ
イミング前の平滑値および平滑誤差共分散行列を格納す
る平滑諸元用メモリ７と、平滑値および平滑誤差共分散
行列に基づいて予測値および予測誤差共分散行列を算出
する予測器８と、ゲイン行列を算出するゲイン行列算出
器９とを備えている。
【０００６】さらに、拡張カルマンフィルタの線形近似
により状態遷移行列を算出する状態遷移行列算出器１０
と、予測器８より出力された予測値および予測誤差共分
散行列を単位時間だけ遅延させる第１の遅延回路と、第
１の遅延回路と同様の機能を持つ第２の遅延回路とを備
えている。
により状態遷移行列を算出する状態遷移行列算出器１０
と、予測器８より出力された予測値および予測誤差共分
散行列を単位時間だけ遅延させる第１の遅延回路と、第
１の遅延回路と同様の機能を持つ第２の遅延回路とを備
えている。
【０００７】次に、図６とともに、図７を参照しなが
ら、従来の目標追尾装置２の動作について説明する。図
７は、従来の目標追尾装置２の動作を示すフローチャー
トである。
ら、従来の目標追尾装置２の動作について説明する。図
７は、従来の目標追尾装置２の動作を示すフローチャー
トである。
【０００８】従来の目標追尾装置２は、拡張カルマンフ
ィルタを用いて、センサと目標との相対位置、相対速
度、目標の加速度、加速度の１階微分値であるジャーク
項および目標加速度の周波数の運動諸元を推定する。
ィルタを用いて、センサと目標との相対位置、相対速
度、目標の加速度、加速度の１階微分値であるジャーク
項および目標加速度の周波数の運動諸元を推定する。
【０００９】目標の加速度が正弦波であり、その開始時
刻が飛行時間において一様に分布していると仮定した場
合、拡張カルマンフィルタの状態方程式は次式のように
与えられる。
刻が飛行時間において一様に分布していると仮定した場
合、拡張カルマンフィルタの状態方程式は次式のように
与えられる。
【００１０】
【数１】
【００１１】式（１）において、ｙはセンサと目標との
相対位置を示し、ｙｔは目標の位置を示し、ωは加速度
を正弦波とした場合の正弦波の周波数成分を示す。加速
度周波数の微分値は白色ガウス雑音であると仮定され
る。非線形状態方程式の非線形関数ｆが滑らかであると
いう条件の下に、推定値のまわりに線形化すると、連続
時間における状態遷移行列は次式のように与えられる。
相対位置を示し、ｙｔは目標の位置を示し、ωは加速度
を正弦波とした場合の正弦波の周波数成分を示す。加速
度周波数の微分値は白色ガウス雑音であると仮定され
る。非線形状態方程式の非線形関数ｆが滑らかであると
いう条件の下に、推定値のまわりに線形化すると、連続
時間における状態遷移行列は次式のように与えられる。
【００１２】
【数２】
【００１３】連続時間における状態遷移行列の要素が１
サンプリング間Ｔｓにおいて一定であるという近似を用
いて、離散時間における状態遷移行列を次式のように得
る。
サンプリング間Ｔｓにおいて一定であるという近似を用
いて、離散時間における状態遷移行列を次式のように得
る。
【００１４】
【数３】
【００１５】式（３）において、
【数４】
は加速度周波数の推定値を示し、
【数５】
は目標の加速度推定値を示す。
【００１６】さらに、フィルタが得ることができる観測
情報は、目標の相対位置のみであるため、観測方程式は
以下の式より表される。
情報は、目標の相対位置のみであるため、観測方程式は
以下の式より表される。
【００１７】
【数６】
【００１８】式（４）、式（５）において、Ｈは観測行
列を示し、
列を示し、
【数７】
は離散時間の観測雑音で平均０、共分散Ｒｋの白色ガウ
ス雑音と仮定される。
ス雑音と仮定される。
【００１９】以上のように示した状態方程式および運動
方程式により、目標の相対位置、相対速度、目標加速
度、目標ジャークおよび加速度周波数の推定を行う。
方程式により、目標の相対位置、相対速度、目標加速
度、目標ジャークおよび加速度周波数の推定を行う。
【００２０】図７において、初期値メモリ６に各運動モ
デルの平滑値の初期値と平滑誤差共分散行列の初期値と
を設定し、追尾処理を開始する（ステップＳ７０１)。
以降、新たな観測値が得られる度に、サンプリング時刻
を１つ進めて追尾処理が実行される（ステップＳ７０
８）。
デルの平滑値の初期値と平滑誤差共分散行列の初期値と
を設定し、追尾処理を開始する（ステップＳ７０１)。
以降、新たな観測値が得られる度に、サンプリング時刻
を１つ進めて追尾処理が実行される（ステップＳ７０
８）。
【００２１】次に、状態遷移行列算出器１０は、平滑器
５から出力される平滑値と平滑誤差共分散行列とを読み
込み、式（３）に示す拡張カルマンフィルタの離散時間
における状態遷移行列を算出する（ステップＳ７０
２）。
５から出力される平滑値と平滑誤差共分散行列とを読み
込み、式（３）に示す拡張カルマンフィルタの離散時間
における状態遷移行列を算出する（ステップＳ７０
２）。
【００２２】次に、予測器８は、状態遷移行列算出器１
０を介して、平滑値、平滑誤差共分散行列、および状態
遷移行列を読み込み、予測値および予測誤差共分散行列
を次式より算出する（ステップＳ７０３）。
０を介して、平滑値、平滑誤差共分散行列、および状態
遷移行列を読み込み、予測値および予測誤差共分散行列
を次式より算出する（ステップＳ７０３）。
【００２３】
【数８】
【００２４】次に、目標観測装置１からの観測値が読み
込まれる（ステップＳ７０４）。この観測値は、目標か
らの信号検出およびゲート判定による追尾目標の選択結
果で、位置情報で構成されており、目標位置観測情報と
呼ばれる。
込まれる（ステップＳ７０４）。この観測値は、目標か
らの信号検出およびゲート判定による追尾目標の選択結
果で、位置情報で構成されており、目標位置観測情報と
呼ばれる。
【００２５】次に、センサからの観測値（観測情報）が
入力されると、ゲート判定器４は、観測値が有効なデー
タであるかどうかの判定を行い、極端に観測精度の悪い
データを除外する（ステップＳ７０５）。
入力されると、ゲート判定器４は、観測値が有効なデー
タであるかどうかの判定を行い、極端に観測精度の悪い
データを除外する（ステップＳ７０５）。
【００２６】このゲート判定は、予測値を使用して、以
下の式（８）および式（９）により行われる。
下の式（８）および式（９）により行われる。
【００２７】
【数９】
【００２８】次に、平滑器５は、予測器８より予測値と
予測誤差共分散行列とを読み込み、平滑値、平滑誤差共
分散行列およびカルマンゲインを次式より算出する（ス
テップＳ７０６）。
予測誤差共分散行列とを読み込み、平滑値、平滑誤差共
分散行列およびカルマンゲインを次式より算出する（ス
テップＳ７０６）。
【００２９】
【数１０】
【００３０】上述した一連の処理が終了すると、追尾処
理の終了が要求されているか否かが判別される（ステッ
プＳ７０７）。ステップＳ７０７において、処理の終了
が要求されていないと判別される場合には（すなわち、
ＮＯ）、ステップＳ７０８を経由して、ステップＳ７０
２に戻り、処理が繰り返される。また、処理の終了が要
求されていると判別される場合には（すなわち、ＹＥ
Ｓ）、図７の処理ルーチンを終了する。
理の終了が要求されているか否かが判別される（ステッ
プＳ７０７）。ステップＳ７０７において、処理の終了
が要求されていないと判別される場合には（すなわち、
ＮＯ）、ステップＳ７０８を経由して、ステップＳ７０
２に戻り、処理が繰り返される。また、処理の終了が要
求されていると判別される場合には（すなわち、ＹＥ
Ｓ）、図７の処理ルーチンを終了する。
【００３１】
【発明が解決しようとする課題】従来の目標追尾装置は
以上のように、揺動目標の加速度を正弦波とし、加速度
周波数の１階微分値は白色ガウス雑音であるとの運動モ
デルに基づく拡張カルマンフィルタを用いて、目標の相
対位置、相対速度、加速度、ジャークおよび加速度周波
数を推定している。しかし拡張カルマンフィルタは、非
線形問題をテイラー近似により線形化問題として扱うた
めに、特に観測雑音が大きい場合や、状態変数の変化が
大きい場合には追尾精度が劣化するという問題点があっ
た。
以上のように、揺動目標の加速度を正弦波とし、加速度
周波数の１階微分値は白色ガウス雑音であるとの運動モ
デルに基づく拡張カルマンフィルタを用いて、目標の相
対位置、相対速度、加速度、ジャークおよび加速度周波
数を推定している。しかし拡張カルマンフィルタは、非
線形問題をテイラー近似により線形化問題として扱うた
めに、特に観測雑音が大きい場合や、状態変数の変化が
大きい場合には追尾精度が劣化するという問題点があっ
た。
【００３２】この発明は上記のような問題点を解決する
ためになされたもので、高い追尾性能を得ることのでき
る目標追尾装置およびその方法を得ることを目的とす
る。
ためになされたもので、高い追尾性能を得ることのでき
る目標追尾装置およびその方法を得ることを目的とす
る。
【００３３】
【課題を解決するための手段】この発明に係る目標追尾
装置は、目標の加速度を正弦波とする運動モデルの数お
よび各運動モデルに設定される定数加速度周波数を決定
する運動モデル制御手段と、運動モデルを持つ複数のカ
ルマンフィルタを用いて、各運動モデルの事後確率を算
出して、所定のサンプリングタイミング毎に目標の運動
諸元を推定する運動諸元推定手段とを備えたものであ
る。
装置は、目標の加速度を正弦波とする運動モデルの数お
よび各運動モデルに設定される定数加速度周波数を決定
する運動モデル制御手段と、運動モデルを持つ複数のカ
ルマンフィルタを用いて、各運動モデルの事後確率を算
出して、所定のサンプリングタイミング毎に目標の運動
諸元を推定する運動諸元推定手段とを備えたものであ
る。
【００３４】また、この発明に係る目標追尾装置の運動
諸元推定手段は、各運動モデルにそれぞれ異なる定数加
速度周波数を設定した複数のカルマンフィルタを並列的
に並べて使用し、各運動モデルにより平滑値を算出する
推定手段と、各運動モデルにより算出された平滑値群の
中から選択された平滑値、あるいは、平滑値群を統合し
た統合平滑値を出力する平滑諸元統合手段とを備えたも
のである。
諸元推定手段は、各運動モデルにそれぞれ異なる定数加
速度周波数を設定した複数のカルマンフィルタを並列的
に並べて使用し、各運動モデルにより平滑値を算出する
推定手段と、各運動モデルにより算出された平滑値群の
中から選択された平滑値、あるいは、平滑値群を統合し
た統合平滑値を出力する平滑諸元統合手段とを備えたも
のである。
【００３５】また、この発明に係る目標追尾装置の運動
諸元推定手段は、各運動モデルにそれぞれ異なる定数加
速度周波数を設定した複数のカルマンフィルタを並列的
に並べて使用し、１サンプリングタイミング前の統合平
滑値に基づいて、各運動モデルの平滑値を算出する推定
手段と、各運動モデルの平滑値群の中から選択された平
滑値、あるいは、平滑値群を統合した統合平滑値を出力
する平滑諸元統合手段とを備えたものである。
諸元推定手段は、各運動モデルにそれぞれ異なる定数加
速度周波数を設定した複数のカルマンフィルタを並列的
に並べて使用し、１サンプリングタイミング前の統合平
滑値に基づいて、各運動モデルの平滑値を算出する推定
手段と、各運動モデルの平滑値群の中から選択された平
滑値、あるいは、平滑値群を統合した統合平滑値を出力
する平滑諸元統合手段とを備えたものである。
【００３６】また、この発明に係る目標追尾装置の運動
諸元推定手段は、各運動モデルにそれぞれ異なる定数加
速度周波数を設定した複数のカルマンフィルタを並列的
に並べて使用し、各運動モデルの１サンプリングタイミ
ング前の平滑値群をミキシング処理された混合平滑値に
基づいて、各運動モデルの平滑値を算出する推定手段
と、各運動モデルの平滑値群の中から選択された平滑
値、あるいは、平滑値群を統合した統合平滑値を出力す
る平滑諸元統合手段とを備えたものである。
諸元推定手段は、各運動モデルにそれぞれ異なる定数加
速度周波数を設定した複数のカルマンフィルタを並列的
に並べて使用し、各運動モデルの１サンプリングタイミ
ング前の平滑値群をミキシング処理された混合平滑値に
基づいて、各運動モデルの平滑値を算出する推定手段
と、各運動モデルの平滑値群の中から選択された平滑
値、あるいは、平滑値群を統合した統合平滑値を出力す
る平滑諸元統合手段とを備えたものである。
【００３７】また、この発明に係る目標追尾装置の運動
モデル制御手段は、運動諸元推定手段より取得した目標
の状態変数および事後確率に基づいて、運動モデルの数
と定数加速度周波数とを決定するものである。
モデル制御手段は、運動諸元推定手段より取得した目標
の状態変数および事後確率に基づいて、運動モデルの数
と定数加速度周波数とを決定するものである。
【００３８】また、この発明に係る目標追尾装置の平滑
諸元統合手段は、運動モデルの数が所定値よりも多い場
合、各運動モデルの事後確率に基づいて運動モデルを選
択し、選択された運動モデルの平滑値を出力するもので
ある。
諸元統合手段は、運動モデルの数が所定値よりも多い場
合、各運動モデルの事後確率に基づいて運動モデルを選
択し、選択された運動モデルの平滑値を出力するもので
ある。
【００３９】また、この発明に係る目標追尾装置の平滑
諸元統合手段は、運動モデルの数が所定値以下の場合、
各運動モデルの事後確率に基づいて、平滑値群を統合
し、統合された統合平滑値を出力するものである。
諸元統合手段は、運動モデルの数が所定値以下の場合、
各運動モデルの事後確率に基づいて、平滑値群を統合
し、統合された統合平滑値を出力するものである。
【００４０】また、この発明に係る目標追尾方法は、目
標の加速度を正弦波とする運動モデルの数および各運動
モデルに設定する定数加速度周波数を決定する運動モデ
ル制御ステップと、運動モデルを持つ複数のカルマンフ
ィルタを用いて、各運動モデルの事後確率を算出して、
所定のサンプリングタイミング毎に目標の運動諸元を推
定する運動諸元推定ステップとを備えたものである。
標の加速度を正弦波とする運動モデルの数および各運動
モデルに設定する定数加速度周波数を決定する運動モデ
ル制御ステップと、運動モデルを持つ複数のカルマンフ
ィルタを用いて、各運動モデルの事後確率を算出して、
所定のサンプリングタイミング毎に目標の運動諸元を推
定する運動諸元推定ステップとを備えたものである。
【００４１】また、この発明に係る目標追尾方法の運動
諸元推定ステップは、各運動モデルにそれぞれ異なる定
数加速度周波数を設定した複数のカルマンフィルタを並
列的に並べて使用し、各運動モデルにより平滑値を算出
する推定ステップと、各運動モデルにより算出された平
滑値群の中から選択された平滑値、あるいは、平滑値群
を統合した統合平滑値を出力する平滑諸元統合ステップ
とを備えたものである。
諸元推定ステップは、各運動モデルにそれぞれ異なる定
数加速度周波数を設定した複数のカルマンフィルタを並
列的に並べて使用し、各運動モデルにより平滑値を算出
する推定ステップと、各運動モデルにより算出された平
滑値群の中から選択された平滑値、あるいは、平滑値群
を統合した統合平滑値を出力する平滑諸元統合ステップ
とを備えたものである。
【００４２】また、この発明に係る目標追尾方法の運動
諸元推定ステップは、各運動モデルにそれぞれ異なる定
数加速度周波数を設定した複数のカルマンフィルタを並
列的に並べて使用し、１サンプリングタイミング前の統
合平滑値に基づいて、各運動モデルの平滑値を算出する
推定ステップと、各運動モデルの平滑値群の中から選択
された平滑値、あるいは、平滑値群を統合した統合平滑
値を出力する平滑諸元統合ステップとを備えたものであ
る。
諸元推定ステップは、各運動モデルにそれぞれ異なる定
数加速度周波数を設定した複数のカルマンフィルタを並
列的に並べて使用し、１サンプリングタイミング前の統
合平滑値に基づいて、各運動モデルの平滑値を算出する
推定ステップと、各運動モデルの平滑値群の中から選択
された平滑値、あるいは、平滑値群を統合した統合平滑
値を出力する平滑諸元統合ステップとを備えたものであ
る。
【００４３】また、この発明に係る目標追尾方法の運動
諸元推定ステップは、各運動モデルにそれぞれ異なる定
数加速度周波数を設定した複数のカルマンフィルタを並
列的に並べて使用し、各運動モデルの１サンプリングタ
イミング前の平滑値群をミキシング処理された混合平滑
値に基づいて、各運動モデルの平滑値を算出する推定ス
テップと、各運動モデルの平滑値群の中から選択された
平滑値、あるいは、平滑値群を統合した統合平滑値を出
力する平滑諸元統合ステップとを備えたものである。
諸元推定ステップは、各運動モデルにそれぞれ異なる定
数加速度周波数を設定した複数のカルマンフィルタを並
列的に並べて使用し、各運動モデルの１サンプリングタ
イミング前の平滑値群をミキシング処理された混合平滑
値に基づいて、各運動モデルの平滑値を算出する推定ス
テップと、各運動モデルの平滑値群の中から選択された
平滑値、あるいは、平滑値群を統合した統合平滑値を出
力する平滑諸元統合ステップとを備えたものである。
【００４４】また、この発明に係る目標追尾方法の運動
モデル制御ステップは、運動諸元推定ステップより取得
した目標の状態変数および事後確率に基づいて、運動モ
デルの数と定数加速度周波数とを決定するものである。
モデル制御ステップは、運動諸元推定ステップより取得
した目標の状態変数および事後確率に基づいて、運動モ
デルの数と定数加速度周波数とを決定するものである。
【００４５】また、この発明に係る目標追尾方法の平滑
諸元統合ステップは、運動モデルの数が所定値よりも多
い場合、各運動モデルの事後確率に基づいて運動モデル
を選択し、選択された運動モデルの平滑値を出力するも
のである。
諸元統合ステップは、運動モデルの数が所定値よりも多
い場合、各運動モデルの事後確率に基づいて運動モデル
を選択し、選択された運動モデルの平滑値を出力するも
のである。
【００４６】さらに、この発明に係る目標追尾方法の平
滑諸元統合ステップは、運動モデルの数が所定値以下の
場合、各運動モデルの事後確率に基づいて、平滑値群を
統合し、統合された統合平滑値を出力するものである。
滑諸元統合ステップは、運動モデルの数が所定値以下の
場合、各運動モデルの事後確率に基づいて、平滑値群を
統合し、統合された統合平滑値を出力するものである。
【００４７】
【発明の実施の形態】実施の形態１．以下、図面を参照
しながら、この発明の実施の形態１について詳細に説明
する。図１は、この発明の実施の形態１を示すブロック
構成図である。
しながら、この発明の実施の形態１について詳細に説明
する。図１は、この発明の実施の形態１を示すブロック
構成図である。
【００４８】図１において、１はセンサなどを備えた目
標観測装置、２は目標観測装置１からの観測値に基づい
て、目標の位置や速度などを推定する目標追尾装置、３
は目標追尾装置２での推定結果を表示する表示装置を示
す。
標観測装置、２は目標観測装置１からの観測値に基づい
て、目標の位置や速度などを推定する目標追尾装置、３
は目標追尾装置２での推定結果を表示する表示装置を示
す。
【００４９】次に、目標追尾装置２の構成について説明
する。目標追尾装置２は、統合平滑値、統合平滑誤差共
分散行列および第１〜第Ｎの運動モデルの事後確率を格
納する統合平滑値用メモリ４と、第１〜第Ｎの各運動モ
デルによる平滑値と平滑誤差共分散行列とを格納する平
滑諸元用メモリ５１〜５３と、第１〜第Ｎの各運動モデ
ルによる事後確率を格納する第１〜第Ｎの運動モデル確
率用メモリ６１〜６３とを備えている。
する。目標追尾装置２は、統合平滑値、統合平滑誤差共
分散行列および第１〜第Ｎの運動モデルの事後確率を格
納する統合平滑値用メモリ４と、第１〜第Ｎの各運動モ
デルによる平滑値と平滑誤差共分散行列とを格納する平
滑諸元用メモリ５１〜５３と、第１〜第Ｎの各運動モデ
ルによる事後確率を格納する第１〜第Ｎの運動モデル確
率用メモリ６１〜６３とを備えている。
【００５０】また、運動モデル数と各運動モデルに設定
する加速度周波数を決定する運動モデル制御器７と、第
１〜第Ｎの運動モデルの状態遷移行列、加速度周波数を
設定する第１〜第Ｎの運動モデル設定器８１〜８３と、
第１〜第Ｎの運動モデルによる予測処理を行う第１〜第
Ｎの運動モデル用予測器９１〜９３と、第１〜第Ｎの運
動モデルの事前確率（事前信頼度）を算出する第１〜第
Ｎの運動モデルの事前確率算出器１０１〜１０３と、第
１〜第Ｎの運動モデルによる予測ベクトルを統合した統
合予測ベクトルとその誤差共分散行列である統合予測誤
差共分散行列とを算出する予測諸元統合器１１とを備え
ている。
する加速度周波数を決定する運動モデル制御器７と、第
１〜第Ｎの運動モデルの状態遷移行列、加速度周波数を
設定する第１〜第Ｎの運動モデル設定器８１〜８３と、
第１〜第Ｎの運動モデルによる予測処理を行う第１〜第
Ｎの運動モデル用予測器９１〜９３と、第１〜第Ｎの運
動モデルの事前確率（事前信頼度）を算出する第１〜第
Ｎの運動モデルの事前確率算出器１０１〜１０３と、第
１〜第Ｎの運動モデルによる予測ベクトルを統合した統
合予測ベクトルとその誤差共分散行列である統合予測誤
差共分散行列とを算出する予測諸元統合器１１とを備え
ている。
【００５１】また、観測値が追尾に有効なデータである
かを判定するゲート判定器１２と、観測値に基づいて、
それぞれの第１〜第Ｎの運動モデルの尤度を算出する第
１〜第Ｎの運動モデルの尤度算出器１３１〜１３３と、
尤度の総和を算出するモデル尤度算出器１４とを備えて
いる。
かを判定するゲート判定器１２と、観測値に基づいて、
それぞれの第１〜第Ｎの運動モデルの尤度を算出する第
１〜第Ｎの運動モデルの尤度算出器１３１〜１３３と、
尤度の総和を算出するモデル尤度算出器１４とを備えて
いる。
【００５２】さらに、第１〜第Ｎの運動モデルの事後確
率（事後信頼度）を算出する第１〜第Ｎの運動モデルの
事後確率算出器１５１〜１５３と、第１〜第Ｎの運動モ
デルによる平滑処理を行う第１〜第Ｎの運動モデル用平
滑器１６１〜１６３と、統合平滑値と統合平滑誤差共分
散行列とを算出して、表示装置３に出力する平滑諸元統
合器１７とを備えている。
率（事後信頼度）を算出する第１〜第Ｎの運動モデルの
事後確率算出器１５１〜１５３と、第１〜第Ｎの運動モ
デルによる平滑処理を行う第１〜第Ｎの運動モデル用平
滑器１６１〜１６３と、統合平滑値と統合平滑誤差共分
散行列とを算出して、表示装置３に出力する平滑諸元統
合器１７とを備えている。
【００５３】このように、目標追尾装置２は、運動モデ
ル制御器７からなる運動モデル制御手段と、それ以外か
らなる運動諸元推定手段とから構成される。また、運動
諸元推定手段は、平滑諸元統合器１７からなる平滑諸元
統合手段と、それ以外からなる推定手段とから構成され
る。
ル制御器７からなる運動モデル制御手段と、それ以外か
らなる運動諸元推定手段とから構成される。また、運動
諸元推定手段は、平滑諸元統合器１７からなる平滑諸元
統合手段と、それ以外からなる推定手段とから構成され
る。
【００５４】次に、この発明の実施の形態１による動作
について説明する。
について説明する。
【００５５】目標の加速度が正弦波であり、その開始時
刻が飛行時間において一様に分布していると仮定した場
合、連続時間における目標の運動モデルは、次式のよう
に表される。
刻が飛行時間において一様に分布していると仮定した場
合、連続時間における目標の運動モデルは、次式のよう
に表される。
【００５６】
【数１１】
【００５７】ただし、
【００５８】
【数１２】
【００５９】ここで、ｘ（ｔ）は相対位置、相対速度、
目標加速度、目標ジャーク（Ｊｅｒｋ）のｙ成分の真値
を表す連続時間状態変数ベクトルを示す。また、駆動雑
音ｗ（ｔ）は連続時間の白色雑音過程である。
目標加速度、目標ジャーク（Ｊｅｒｋ）のｙ成分の真値
を表す連続時間状態変数ベクトルを示す。また、駆動雑
音ｗ（ｔ）は連続時間の白色雑音過程である。
【００６０】離散時間における第１〜第Ｎの運動モデル
毎の運動モデルは、式（１）の微分方程式の解より、以
下の式（１７）のように与えられる。
毎の運動モデルは、式（１）の微分方程式の解より、以
下の式（１７）のように与えられる。
【００６１】
【数１３】
【００６２】ただし、
【００６３】
【数１４】
【００６４】ここで、
【数１５】
は離散時間の状態変数を示し、
【数１６】
は第１〜第Ｎの運動モデル毎の状態遷移行列を示す。
【数１７】
は目標の駆動雑音ベクトルで、平均０、共分散行列Ｑの
離散時間白色雑音行列であり、共分散行列Ｑは以下の式
より算出される。
離散時間白色雑音行列であり、共分散行列Ｑは以下の式
より算出される。
【００６５】
【数１８】
【００６６】ここで、
【数１９】
は駆動雑音のパワースペクトル密度を示す。以上に示し
た
た
【数２０】
および
【数２１】
は、加速度周波数
【数２２】
が真である仮説によるため、運動モデルの数と同数とな
る。
る。
【００６７】ここで、らせん周波数
【数２３】
が真である仮説は、以下の式（２３）のように表され
る。
る。
【００６８】
【数２４】
【００６９】さらに、フィルタが得ることができる観測
情報は、目標の相対位置のみであるため、観測方程式は
従来の目標追尾装置と同様に、式（４）および式（５）
により表される。
情報は、目標の相対位置のみであるため、観測方程式は
従来の目標追尾装置と同様に、式（４）および式（５）
により表される。
【００７０】図１とともに、図２を参照しながら、この
発明の実施の形態１による動作について説明する。図２
は、この発明の実施の形態１による動作を示すフローチ
ャートである。
発明の実施の形態１による動作について説明する。図２
は、この発明の実施の形態１による動作を示すフローチ
ャートである。
【００７１】図２において、統合平滑値用メモリ４に各
運動モデルの平滑値の初期値と平滑誤差共分散行列の初
期値とを設定し、さらに第１〜第Ｎのモデル確率用メモ
リ６１〜６３に各運動モデルの事後確率の初期値を設定
して、追尾処理を開始する（ステップＳ２０１）。以
降、新たな観測値が得られる度に、サンプリング時刻ｋ
を１つ進めて追尾処理が実行される（ステップＳ２１
５）。
運動モデルの平滑値の初期値と平滑誤差共分散行列の初
期値とを設定し、さらに第１〜第Ｎのモデル確率用メモ
リ６１〜６３に各運動モデルの事後確率の初期値を設定
して、追尾処理を開始する（ステップＳ２０１）。以
降、新たな観測値が得られる度に、サンプリング時刻ｋ
を１つ進めて追尾処理が実行される（ステップＳ２１
５）。
【００７２】次に、運動モデル制御器７は、平滑諸元統
合器１７より統合平滑値用メモリ４を介して取得した目
標の状態変数および事後確率（モデル確率）に基づい
て、安定した追尾精度を得るのに必要な運動モデル数
と、それぞれの運動モデル設定器８１〜８３に設定する
加速度周波数（定数加速度周波数）とを決定し、第１〜
第Ｎの運動モデル設定器８１〜８３に出力する（ステッ
プＳ２０２）。
合器１７より統合平滑値用メモリ４を介して取得した目
標の状態変数および事後確率（モデル確率）に基づい
て、安定した追尾精度を得るのに必要な運動モデル数
と、それぞれの運動モデル設定器８１〜８３に設定する
加速度周波数（定数加速度周波数）とを決定し、第１〜
第Ｎの運動モデル設定器８１〜８３に出力する（ステッ
プＳ２０２）。
【００７３】ステップＳ２０２において決定した運動モ
デル数および加速度周波数（パラメータ）に基づいて、
第１〜第Ｎの運動モデル設定器８１〜８３は、状態遷移
行列、駆動雑音の誤差共分散行列および定数加速度周波
数を設定し、それぞれ対応する第１〜第Ｎの運動モデル
予測器９１〜９３へ出力する（ステップＳ２０３）。
デル数および加速度周波数（パラメータ）に基づいて、
第１〜第Ｎの運動モデル設定器８１〜８３は、状態遷移
行列、駆動雑音の誤差共分散行列および定数加速度周波
数を設定し、それぞれ対応する第１〜第Ｎの運動モデル
予測器９１〜９３へ出力する（ステップＳ２０３）。
【００７４】第１〜第Ｎの運動モデル予測器９１〜９３
は、それぞれに対応する第１〜第Ｎの平滑諸元用メモリ
５１〜５３より各運動モデルの１サンプリングタイミン
グ前の平滑値と平滑誤差共分散行列とを読み出し、次式
にしたがって、各運動モデル毎の予測ベクトル（予測
値）
は、それぞれに対応する第１〜第Ｎの平滑諸元用メモリ
５１〜５３より各運動モデルの１サンプリングタイミン
グ前の平滑値と平滑誤差共分散行列とを読み出し、次式
にしたがって、各運動モデル毎の予測ベクトル（予測
値）
【数２５】
および予測誤差共分散行列Ｐ ｋ，ａ（−）を算出する
（ステップＳ２０４）。
（ステップＳ２０４）。
【数２６】
【００７５】次に、第１〜第Ｎの運動モデルの事前確率
算出器１０１〜１０３は、それぞれに対応する第１〜第
Ｎの確率用メモリ６１〜６３より、各運動モデルの１サ
ンプリングタイミング前の事後確率を読み出し、次式に
より、各運動モデル毎の事前確率を算出する（ステップ
Ｓ２０５）。
算出器１０１〜１０３は、それぞれに対応する第１〜第
Ｎの確率用メモリ６１〜６３より、各運動モデルの１サ
ンプリングタイミング前の事後確率を読み出し、次式に
より、各運動モデル毎の事前確率を算出する（ステップ
Ｓ２０５）。
【００７６】
【数２７】
【００７７】ここで、μｋ，ａ（−）は事前信頼度、μ
ｋ，ａ（＋）は事後信頼度、Ｐａｂはモデルｂからモデ
ルａへの推移確率を示す。
ｋ，ａ（＋）は事後信頼度、Ｐａｂはモデルｂからモデ
ルａへの推移確率を示す。
【００７８】次に、予測諸元統合器１１は、各運動モデ
ルの予測値、予測誤差共分散行列、運動モデルの事前確
率を読み込み、１サンプリングタイミング前までの観測
値Ｚ ｋ−１に基づいて、各運動モデルの仮説毎の予測ベ
クトルおよび予測誤差共分散行列を統合した統合予測ベ
クトルおよび統合予測誤差共分散行列を、次式にしたが
って算出する（ステップＳ２０６）。
ルの予測値、予測誤差共分散行列、運動モデルの事前確
率を読み込み、１サンプリングタイミング前までの観測
値Ｚ ｋ−１に基づいて、各運動モデルの仮説毎の予測ベ
クトルおよび予測誤差共分散行列を統合した統合予測ベ
クトルおよび統合予測誤差共分散行列を、次式にしたが
って算出する（ステップＳ２０６）。
【００７９】
【数２８】
【００８０】次に、目標観測装置（センサ）１より観測
値が入力されると（ステップＳ２０７）、ゲート判定器
１２は、式（８）および式（９）に示す判定式に基づい
て、観測値が有効なデータであるかどうかの判定を行
い、極端に観測精度の悪いデータを除外する（ステップ
Ｓ２０８）。
値が入力されると（ステップＳ２０７）、ゲート判定器
１２は、式（８）および式（９）に示す判定式に基づい
て、観測値が有効なデータであるかどうかの判定を行
い、極端に観測精度の悪いデータを除外する（ステップ
Ｓ２０８）。
【００８１】ゲート判定器１２により観測値が有効なデ
ータであると判定された場合、第１〜第Ｎの運動モデル
の尤度算出器１３１〜１３３は、観測値と、それぞれに
対応する運動モデルの事前確率、予測値および予測誤差
共分散行列とを読み込み、次式により、各運動モデル毎
の尤度を算出する（ステップＳ２０９）。
ータであると判定された場合、第１〜第Ｎの運動モデル
の尤度算出器１３１〜１３３は、観測値と、それぞれに
対応する運動モデルの事前確率、予測値および予測誤差
共分散行列とを読み込み、次式により、各運動モデル毎
の尤度を算出する（ステップＳ２０９）。
【００８２】
【数２９】
【００８３】ここで、ｇ（ｚ；ａ，Ａ）は平均ａ、共分
散行列Ａの３変量正規分布Ｚにおける確率密度関数を示
す。また、Ｒｋは観測雑音ベクトルの共分散行列を示
す。
散行列Ａの３変量正規分布Ｚにおける確率密度関数を示
す。また、Ｒｋは観測雑音ベクトルの共分散行列を示
す。
【００８４】次に、モデル尤度集計器１４は、第１〜第
Ｎの各運動モデル毎の尤度を集計して、合計値（尤度の
総和）を算出し（ステップＳ２１０）、第１〜第Ｎの各
運動モデル毎の事後確率算出器１５１〜１５３は、尤度
の合計値に基づいて、第１〜第Ｎの各運動モデル毎の事
後確率を算出する（ステップＳ２１１）。
Ｎの各運動モデル毎の尤度を集計して、合計値（尤度の
総和）を算出し（ステップＳ２１０）、第１〜第Ｎの各
運動モデル毎の事後確率算出器１５１〜１５３は、尤度
の合計値に基づいて、第１〜第Ｎの各運動モデル毎の事
後確率を算出する（ステップＳ２１１）。
【数３０】
【００８５】次に、第１〜第Ｎの各モデル用平滑器１６
１〜１６３は、それぞれに対応する第１〜第Ｎの各モデ
ル用予測器９１〜９３より、各運動モデルの予測値と予
測誤差共分散行列とを読み込み、次式にしたがって、各
運動モデル毎の平滑値、平滑誤差共分散行列およびカル
マンゲインを算出する（ステップＳ２１２）。
１〜１６３は、それぞれに対応する第１〜第Ｎの各モデ
ル用予測器９１〜９３より、各運動モデルの予測値と予
測誤差共分散行列とを読み込み、次式にしたがって、各
運動モデル毎の平滑値、平滑誤差共分散行列およびカル
マンゲインを算出する（ステップＳ２１２）。
【００８６】
【数３１】
【００８７】さらに、平滑諸元統合器１７は、各運動モ
デルの平滑値、平滑誤差共分散行列、および事後確率を
取得し、次式にしたがって、各運動モデルの平滑値およ
び平滑誤差共分散行列を統合した統合平滑値および統合
平滑誤差共分散行列を算出する（ステップＳ２１３）。
デルの平滑値、平滑誤差共分散行列、および事後確率を
取得し、次式にしたがって、各運動モデルの平滑値およ
び平滑誤差共分散行列を統合した統合平滑値および統合
平滑誤差共分散行列を算出する（ステップＳ２１３）。
【００８８】
【数３２】
【００８９】さらに、各運動モデルの事後確率および各
運動モデルの定数加速度周波数を用いて、以下の式（３
６）より加速度周波数推定値を算出する。
運動モデルの定数加速度周波数を用いて、以下の式（３
６）より加速度周波数推定値を算出する。
【００９０】
【数３３】
【００９１】ここで、平滑諸元統合器１７は、運動モデ
ル数が所定値よりも多い場合には、各運動モデルの事後
確率（適合度）より最適な運動モデルを選択し、その最
適モデルの平滑値を統合平滑値として出力する。
ル数が所定値よりも多い場合には、各運動モデルの事後
確率（適合度）より最適な運動モデルを選択し、その最
適モデルの平滑値を統合平滑値として出力する。
【００９２】各サンプリング時刻における処理が追尾終
了か否かを判定する（ステップＳ２１４）。ステップＳ
２１４において、終了でないと判定された場合（すなわ
ち、ＮＯ）、ステップＳ２１５を経由して、ステップＳ
２０２に戻る。また、終了と判定された場合、図２の処
理ルーチンを終了する。
了か否かを判定する（ステップＳ２１４）。ステップＳ
２１４において、終了でないと判定された場合（すなわ
ち、ＮＯ）、ステップＳ２１５を経由して、ステップＳ
２０２に戻る。また、終了と判定された場合、図２の処
理ルーチンを終了する。
【００９３】このように、それぞれ異なる加速度周波数
を持つ複数の運動モデルを同時に使用するとともに、観
測情報より各運動モデルに対する事後確率を算出して重
み付け統合する方式を取り入れ、相対位置、相対速度、
目標加速度、目標ジャーク、目標加速度周波数の目標諸
元の推定値を算出する。
を持つ複数の運動モデルを同時に使用するとともに、観
測情報より各運動モデルに対する事後確率を算出して重
み付け統合する方式を取り入れ、相対位置、相対速度、
目標加速度、目標ジャーク、目標加速度周波数の目標諸
元の推定値を算出する。
【００９４】以上のように、目標の加速度周波数が時間
により変動する場合においても、追尾精度を劣化させる
ことなく、精度良く振動目標の相対位置、相対速度、加
速度、目標ジャーク、加速度周波数などを精度良く推定
することができる。
により変動する場合においても、追尾精度を劣化させる
ことなく、精度良く振動目標の相対位置、相対速度、加
速度、目標ジャーク、加速度周波数などを精度良く推定
することができる。
【００９５】また、加速度周波数を状態変数に組み入れ
ずに外部入力項とすることにより、揺動目標の運動を線
形問題として扱うことができる。
ずに外部入力項とすることにより、揺動目標の運動を線
形問題として扱うことができる。
【００９６】また、目標の状態変数および事後確率に基
づいて、適切な運動モデル数と加速度周波数とを決定す
るので、高い追尾性能を得ることができる。
づいて、適切な運動モデル数と加速度周波数とを決定す
るので、高い追尾性能を得ることができる。
【００９７】実施の形態２．なお、上記実施の形態１で
は、各運動モデルの１サンプリングタイミング前の平滑
値および平滑誤差分散行列に基づいて目標諸元の推定を
行ったが、１サンプリングタイミング前の統合平滑値お
よび統合平滑誤差共分散行列を各運動モデルのフィルタ
へフィードバックさせてもよい。
は、各運動モデルの１サンプリングタイミング前の平滑
値および平滑誤差分散行列に基づいて目標諸元の推定を
行ったが、１サンプリングタイミング前の統合平滑値お
よび統合平滑誤差共分散行列を各運動モデルのフィルタ
へフィードバックさせてもよい。
【００９８】図３は、この発明の実施の形態２を示すブ
ロック構成図である。図３において、前述（図１参照）
と同様のものについては、同一符号を付して詳述を省略
する。
ロック構成図である。図３において、前述（図１参照）
と同様のものについては、同一符号を付して詳述を省略
する。
【００９９】この発明の実施の形態２による動作は、図
２と同様であって詳述を省略し、一部動作の異なるステ
ップＳ２０４だけ説明する。
２と同様であって詳述を省略し、一部動作の異なるステ
ップＳ２０４だけ説明する。
【０１００】図２において、第１〜第Ｎの運動モデル用
予測器９１〜９３は、それぞれに対応する第１〜第Ｎの
平滑諸元用メモリ５１〜５３から１サンプリングタイミ
ング前の統合平滑値と統合平滑誤差共分散行列とを読み
出し、次式にしたがって、各運動モデル毎の予測ベクト
ル
予測器９１〜９３は、それぞれに対応する第１〜第Ｎの
平滑諸元用メモリ５１〜５３から１サンプリングタイミ
ング前の統合平滑値と統合平滑誤差共分散行列とを読み
出し、次式にしたがって、各運動モデル毎の予測ベクト
ル
【数３４】
および予測誤差共分散行列Ｐ ｋ，ａ（−）を算出する
（ステップＳ２０４）。
（ステップＳ２０４）。
【０１０１】
【数３５】
【０１０２】なお、算出された統合平滑値および統合平
滑誤差共分散行列は、次回のサンプリングタイミング時
の算出のために、第１〜第Ｎの平滑諸元用メモリ５１〜
５３に記録される。
滑誤差共分散行列は、次回のサンプリングタイミング時
の算出のために、第１〜第Ｎの平滑諸元用メモリ５１〜
５３に記録される。
【０１０３】このように、異なる定数加速度周波数を設
定した複数のカルマンフィルタを並列的に並べて使用
し、１サンプリング間における現在の運動モデルから他
の運動モデルへの推移を考慮して、各運動モデル用予測
器９１〜９３に１サンプリングタイミング前の統合平滑
値および統合平滑誤差共分散行列を入力させて目標諸元
の推定を行うことにより、目標の加速度周波数の変化に
対する反応が早まり、精度の高い追尾を行うことができ
る。
定した複数のカルマンフィルタを並列的に並べて使用
し、１サンプリング間における現在の運動モデルから他
の運動モデルへの推移を考慮して、各運動モデル用予測
器９１〜９３に１サンプリングタイミング前の統合平滑
値および統合平滑誤差共分散行列を入力させて目標諸元
の推定を行うことにより、目標の加速度周波数の変化に
対する反応が早まり、精度の高い追尾を行うことができ
る。
【０１０４】実施の形態３．なお、上記実施の形態２で
は、１サンプリングタイミング前の統合平滑値および統
合平滑誤差共分散行列に基づいて目標諸元の推定を行っ
たが、１サンプリングタイミング前の平滑値および平滑
誤差共分散行列をミキシングした値に基づいて目標諸元
の推定を行ってもよい。
は、１サンプリングタイミング前の統合平滑値および統
合平滑誤差共分散行列に基づいて目標諸元の推定を行っ
たが、１サンプリングタイミング前の平滑値および平滑
誤差共分散行列をミキシングした値に基づいて目標諸元
の推定を行ってもよい。
【０１０５】図４は、この発明の実施の形態３を示すブ
ロック構成図である。図４において、前述（図１、図３
参照）と同様のものについては同一符号を付して詳述を
省略する。
ロック構成図である。図４において、前述（図１、図３
参照）と同様のものについては同一符号を付して詳述を
省略する。
【０１０６】図４において、目標追尾装置２は、各運動
モデルの平滑値と平滑誤差共分散行列とをミキシングと
呼ばれる処理を行う混合平滑器１８を備え、推定手段に
含まれる。
モデルの平滑値と平滑誤差共分散行列とをミキシングと
呼ばれる処理を行う混合平滑器１８を備え、推定手段に
含まれる。
【０１０７】次に、この発明の実施の形態３による動作
について説明する。図５は、この発明の実施の形態３に
よる動作を示すフローチャートである。
について説明する。図５は、この発明の実施の形態３に
よる動作を示すフローチャートである。
【０１０８】図５において、ステップＳ５０１〜Ｓ５０
３、ステップＳ５０５〜ステップＳ５１６は、図２のス
テップＳ２０１〜ステップＳ２０３、ステップＳ２０４
〜ステップＳ２１５に対応しており、詳述を省略する。
３、ステップＳ５０５〜ステップＳ５１６は、図２のス
テップＳ２０１〜ステップＳ２０３、ステップＳ２０４
〜ステップＳ２１５に対応しており、詳述を省略する。
【０１０９】各運動モデルが設定されると、混合平滑器
１８は、全運動モデルの平滑値および平滑誤差共分散行
列を入力して、ミキシングを行い、混合平滑値および混
合平滑誤差共分散行列を算出する（ステップＳ５０
４）。
１８は、全運動モデルの平滑値および平滑誤差共分散行
列を入力して、ミキシングを行い、混合平滑値および混
合平滑誤差共分散行列を算出する（ステップＳ５０
４）。
【０１１０】算出された混合平滑値および混合平滑誤差
共分散行列は、各運動モデルの平滑諸元用メモリ５１〜
５３に記録され、第１〜第Ｎの運動モデル用予測器９１
〜９３は、各運動モデルの平滑諸元用メモリ５１〜５３
に記録された混合平滑値および混合平滑誤差共分散行列
に基づいて、以下の式により各運動モデルの予測値およ
び予測誤差共分散行列を算出する（ステップＳ５０
５）。
共分散行列は、各運動モデルの平滑諸元用メモリ５１〜
５３に記録され、第１〜第Ｎの運動モデル用予測器９１
〜９３は、各運動モデルの平滑諸元用メモリ５１〜５３
に記録された混合平滑値および混合平滑誤差共分散行列
に基づいて、以下の式により各運動モデルの予測値およ
び予測誤差共分散行列を算出する（ステップＳ５０
５）。
【０１１１】
【数３６】
【０１１２】ここで、混合確率μｋ−１，ｂ｜ａ、混合
平滑値および混合平滑誤差共分散行列は、以下の式より
算出される。
平滑値および混合平滑誤差共分散行列は、以下の式より
算出される。
【０１１３】
【数３７】
【０１１４】以上のように、１サンプリング間における
運動モデルの推移すべてについて考慮した混合平滑値お
よび混合平滑誤差共分散行列に基づいて、目標諸元の推
定を行うので、実施の形態１、２よりも計算処理ステッ
プが増加するが、目標の加速度周波数の急な変化に対応
することができ、より精度の高い追尾を行うことができ
る。
運動モデルの推移すべてについて考慮した混合平滑値お
よび混合平滑誤差共分散行列に基づいて、目標諸元の推
定を行うので、実施の形態１、２よりも計算処理ステッ
プが増加するが、目標の加速度周波数の急な変化に対応
することができ、より精度の高い追尾を行うことができ
る。
【０１１５】
【発明の効果】以上のように、この発明によれば、目標
の加速度を正弦波とする運動モデルの数および各運動モ
デルに設定される定数加速度周波数を決定する運動モデ
ル制御手段と、運動モデルを持つ複数のカルマンフィル
タを用いて、各運動モデルの事後確率を算出して、所定
のサンプリングタイミング毎に目標の運動諸元を推定す
る運動諸元推定手段とを備えたので、目標の加速度周波
数が時間により変動する場合においても、追尾精度を劣
化させることなく、精度良く振動目標の相対位置、相対
速度、加速度、目標ジャーク、加速度周波数などを精度
良く推定することのできる目標追尾装置が得られる効果
がある。
の加速度を正弦波とする運動モデルの数および各運動モ
デルに設定される定数加速度周波数を決定する運動モデ
ル制御手段と、運動モデルを持つ複数のカルマンフィル
タを用いて、各運動モデルの事後確率を算出して、所定
のサンプリングタイミング毎に目標の運動諸元を推定す
る運動諸元推定手段とを備えたので、目標の加速度周波
数が時間により変動する場合においても、追尾精度を劣
化させることなく、精度良く振動目標の相対位置、相対
速度、加速度、目標ジャーク、加速度周波数などを精度
良く推定することのできる目標追尾装置が得られる効果
がある。
【０１１６】また、この発明によれば、運動諸元推定手
段は、各運動モデルにそれぞれ異なる定数加速度周波数
を設定した複数のカルマンフィルタを並列的に並べて使
用し、各運動モデルにより平滑値を算出する推定手段
と、各運動モデルにより算出された平滑値群の中から選
択された平滑値、あるいは、平滑値群を統合した統合平
滑値を出力する平滑諸元統合手段とを備えたので、目標
の加速度周波数が変動しても、精度の高い追尾を行うこ
とのできる目標追尾装置が得られる効果がある。
段は、各運動モデルにそれぞれ異なる定数加速度周波数
を設定した複数のカルマンフィルタを並列的に並べて使
用し、各運動モデルにより平滑値を算出する推定手段
と、各運動モデルにより算出された平滑値群の中から選
択された平滑値、あるいは、平滑値群を統合した統合平
滑値を出力する平滑諸元統合手段とを備えたので、目標
の加速度周波数が変動しても、精度の高い追尾を行うこ
とのできる目標追尾装置が得られる効果がある。
【０１１７】また、この発明によれば、運動諸元推定手
段は、各運動モデルにそれぞれ異なる定数加速度周波数
を設定した複数のカルマンフィルタを並列的に並べて使
用し、１サンプリングタイミング前の統合平滑値に基づ
いて、各運動モデルの平滑値を算出する推定手段と、各
運動モデルの平滑値群の中から選択された平滑値、ある
いは、平滑値群を統合した統合平滑値を出力する平滑諸
元統合手段とを備えたので、目標の加速度周波数の変化
に対する反応が早まり、精度の高い追尾を行うことので
きる目標追尾装置が得られる効果がある。
段は、各運動モデルにそれぞれ異なる定数加速度周波数
を設定した複数のカルマンフィルタを並列的に並べて使
用し、１サンプリングタイミング前の統合平滑値に基づ
いて、各運動モデルの平滑値を算出する推定手段と、各
運動モデルの平滑値群の中から選択された平滑値、ある
いは、平滑値群を統合した統合平滑値を出力する平滑諸
元統合手段とを備えたので、目標の加速度周波数の変化
に対する反応が早まり、精度の高い追尾を行うことので
きる目標追尾装置が得られる効果がある。
【０１１８】また、この発明によれば、運動諸元推定手
段は、各運動モデルにそれぞれ異なる定数加速度周波数
を設定した複数のカルマンフィルタを並列的に並べて使
用し、各運動モデルの１サンプリングタイミング前の平
滑値群をミキシング処理された混合平滑値に基づいて、
各運動モデルの平滑値を算出する推定手段と、各運動モ
デルの平滑値群の中から選択された平滑値、あるいは、
平滑値群を統合した統合平滑値を出力する平滑諸元統合
手段とを備えたので、目標の加速度周波数の急な変化に
対応することができ、より精度の高い追尾を行うことの
できる目標追尾装置が得られる効果がある。
段は、各運動モデルにそれぞれ異なる定数加速度周波数
を設定した複数のカルマンフィルタを並列的に並べて使
用し、各運動モデルの１サンプリングタイミング前の平
滑値群をミキシング処理された混合平滑値に基づいて、
各運動モデルの平滑値を算出する推定手段と、各運動モ
デルの平滑値群の中から選択された平滑値、あるいは、
平滑値群を統合した統合平滑値を出力する平滑諸元統合
手段とを備えたので、目標の加速度周波数の急な変化に
対応することができ、より精度の高い追尾を行うことの
できる目標追尾装置が得られる効果がある。
【０１１９】また、この発明によれば、運動モデル制御
手段は、運動諸元推定手段より取得した目標の状態変数
および事後確率に基づいて、運動モデルの数と定数加速
度周波数とを決定するので、目標の状態変数および事後
確率に基づいて、適切な運動モデル数と加速度周波数と
を決定し、高い追尾性能を得ることのできる目標追尾装
置が得られる効果がある。
手段は、運動諸元推定手段より取得した目標の状態変数
および事後確率に基づいて、運動モデルの数と定数加速
度周波数とを決定するので、目標の状態変数および事後
確率に基づいて、適切な運動モデル数と加速度周波数と
を決定し、高い追尾性能を得ることのできる目標追尾装
置が得られる効果がある。
【０１２０】また、この発明によれば、平滑諸元統合手
段は、運動モデルの数が所定値よりも多い場合、各運動
モデルの事後確率に基づいて運動モデルを選択し、選択
された運動モデルの平滑値を出力するので、精度の高い
追尾を行うことのできる目標追尾装置が得られる効果が
ある。
段は、運動モデルの数が所定値よりも多い場合、各運動
モデルの事後確率に基づいて運動モデルを選択し、選択
された運動モデルの平滑値を出力するので、精度の高い
追尾を行うことのできる目標追尾装置が得られる効果が
ある。
【０１２１】また、この発明によれば、平滑諸元統合手
段は、運動モデルの数が所定値以下の場合、各運動モデ
ルの事後確率に基づいて、平滑値群を統合し、統合され
た統合平滑値を出力するので、精度の高い追尾を行うこ
とのできる目標追尾装置が得られる効果がある。
段は、運動モデルの数が所定値以下の場合、各運動モデ
ルの事後確率に基づいて、平滑値群を統合し、統合され
た統合平滑値を出力するので、精度の高い追尾を行うこ
とのできる目標追尾装置が得られる効果がある。
【０１２２】また、この発明によれば、目標の加速度を
正弦波とする運動モデルの数および各運動モデルに設定
する定数加速度周波数を決定する運動モデル制御ステッ
プと、それぞれ運動モデルを持つ複数のカルマンフィル
タを用いて、各運動モデルの事後確率を算出して、所定
のサンプリングタイミング毎に目標の運動諸元を推定す
る運動諸元推定ステップとを備えたので、目標の加速度
周波数が時間により変動する場合においても、追尾精度
を劣化させることなく、精度良く振動目標の相対位置、
相対速度、加速度、目標ジャーク、加速度周波数などを
精度良く推定することのできる目標追尾方法が得られる
効果がある。
正弦波とする運動モデルの数および各運動モデルに設定
する定数加速度周波数を決定する運動モデル制御ステッ
プと、それぞれ運動モデルを持つ複数のカルマンフィル
タを用いて、各運動モデルの事後確率を算出して、所定
のサンプリングタイミング毎に目標の運動諸元を推定す
る運動諸元推定ステップとを備えたので、目標の加速度
周波数が時間により変動する場合においても、追尾精度
を劣化させることなく、精度良く振動目標の相対位置、
相対速度、加速度、目標ジャーク、加速度周波数などを
精度良く推定することのできる目標追尾方法が得られる
効果がある。
【０１２３】また、この発明によれば、運動諸元推定ス
テップは、各運動モデルにそれぞれ異なる定数加速度周
波数を設定した複数のカルマンフィルタを並列的に並べ
て使用し、各運動モデルにより平滑値を算出する推定ス
テップと、各運動モデルにより算出された平滑値群の中
から選択された平滑値、あるいは、平滑値群を統合した
統合平滑値を出力する平滑諸元統合ステップとを備えた
ので、目標の加速度周波数が変動しても、精度の高い追
尾を行うことのできる目標追尾方法が得られる効果があ
る。
テップは、各運動モデルにそれぞれ異なる定数加速度周
波数を設定した複数のカルマンフィルタを並列的に並べ
て使用し、各運動モデルにより平滑値を算出する推定ス
テップと、各運動モデルにより算出された平滑値群の中
から選択された平滑値、あるいは、平滑値群を統合した
統合平滑値を出力する平滑諸元統合ステップとを備えた
ので、目標の加速度周波数が変動しても、精度の高い追
尾を行うことのできる目標追尾方法が得られる効果があ
る。
【０１２４】また、この発明によれば、運動諸元推定ス
テップは、各運動モデルにそれぞれ異なる定数加速度周
波数を設定した複数のカルマンフィルタを並列的に並べ
て使用し、１サンプリングタイミング前の統合平滑値に
基づいて、各運動モデルの平滑値を算出する推定ステッ
プと、各運動モデルの平滑値群の中から選択された平滑
値、あるいは、平滑値群を統合した統合平滑値を出力す
る平滑諸元統合ステップとを備えたので、目標の加速度
周波数の変化に対する反応が早まり、精度の高い追尾を
行うことのできる目標追尾方法が得られる効果がある。
テップは、各運動モデルにそれぞれ異なる定数加速度周
波数を設定した複数のカルマンフィルタを並列的に並べ
て使用し、１サンプリングタイミング前の統合平滑値に
基づいて、各運動モデルの平滑値を算出する推定ステッ
プと、各運動モデルの平滑値群の中から選択された平滑
値、あるいは、平滑値群を統合した統合平滑値を出力す
る平滑諸元統合ステップとを備えたので、目標の加速度
周波数の変化に対する反応が早まり、精度の高い追尾を
行うことのできる目標追尾方法が得られる効果がある。
【０１２５】また、この発明によれば、運動諸元推定ス
テップは、各運動モデルにそれぞれ異なる定数加速度周
波数を設定した複数のカルマンフィルタを並列的に並べ
て使用し、各運動モデルの１サンプリングタイミング前
の平滑値群をミキシング処理された混合平滑値に基づい
て、各運動モデルの平滑値を算出する推定ステップと、
各運動モデルの平滑値群の中から選択された平滑値、あ
るいは、平滑値群を統合した統合平滑値を出力する平滑
諸元統合ステップとを備えたので、目標の加速度周波数
の急な変化に対応することができ、より精度の高い追尾
を行うことのできる目標追尾方法が得られる効果があ
る。
テップは、各運動モデルにそれぞれ異なる定数加速度周
波数を設定した複数のカルマンフィルタを並列的に並べ
て使用し、各運動モデルの１サンプリングタイミング前
の平滑値群をミキシング処理された混合平滑値に基づい
て、各運動モデルの平滑値を算出する推定ステップと、
各運動モデルの平滑値群の中から選択された平滑値、あ
るいは、平滑値群を統合した統合平滑値を出力する平滑
諸元統合ステップとを備えたので、目標の加速度周波数
の急な変化に対応することができ、より精度の高い追尾
を行うことのできる目標追尾方法が得られる効果があ
る。
【０１２６】また、この発明によれば、運動モデル制御
ステップは、運動諸元推定ステップより取得した目標の
状態変数および事後確率に基づいて、運動モデルの数と
定数加速度周波数とを決定するので、目標の状態変数お
よび事後確率に基づいて、適切な運動モデル数と加速度
周波数とを決定し、高い追尾性能を得ることのできる目
標追尾方法が得られる効果がある。
ステップは、運動諸元推定ステップより取得した目標の
状態変数および事後確率に基づいて、運動モデルの数と
定数加速度周波数とを決定するので、目標の状態変数お
よび事後確率に基づいて、適切な運動モデル数と加速度
周波数とを決定し、高い追尾性能を得ることのできる目
標追尾方法が得られる効果がある。
【０１２７】また、この発明によれば、平滑諸元統合ス
テップは、運動モデルの数が所定値よりも多い場合、各
運動モデルの事後確率に基づいて運動モデルを選択し、
選択された運動モデルの平滑値を出力するので、精度の
高い追尾を行うことのできる目標追尾方法が得られる効
果がある。
テップは、運動モデルの数が所定値よりも多い場合、各
運動モデルの事後確率に基づいて運動モデルを選択し、
選択された運動モデルの平滑値を出力するので、精度の
高い追尾を行うことのできる目標追尾方法が得られる効
果がある。
【０１２８】さらに、この発明によれば、平滑諸元統合
ステップは、運動モデルの数が所定値以下の場合、各運
動モデルの事後確率に基づいて、平滑値群を統合し、統
合された統合平滑値を出力するので、精度の高い追尾を
行うことのできる目標追尾方法が得られる効果がある。
ステップは、運動モデルの数が所定値以下の場合、各運
動モデルの事後確率に基づいて、平滑値群を統合し、統
合された統合平滑値を出力するので、精度の高い追尾を
行うことのできる目標追尾方法が得られる効果がある。
【図１】 この発明の実施の形態１を示すブロック構成
図である。
図である。
【図２】 この発明の実施の形態１による動作を示すフ
ローチャートである。
ローチャートである。
【図３】 この発明の実施の形態２を示すブロック構成
図である。
図である。
【図４】 この発明の実施の形態３を示すブロック構成
図である。
図である。
【図５】 この発明の実施の形態３による動作を示すフ
ローチャートである。
ローチャートである。
【図６】 従来の目標追尾装置を示すブロック構成図で
ある。
ある。
【図７】 従来の目標追尾装置の動作を示すフローチャ
ートである。
ートである。
１ 目標観測装置、２ 目標追尾装置、３ 表示装置、
４ 統合平滑用メモリ、統合予測値用メモリ、７ 運動
モデル制御器、１１ 予測諸元統合器、１２ゲート判定
器、１４ モデル尤度集計器、１７ 平滑諸元統合器、
１８ 混合平滑器、５１ 第１の平滑諸元用メモリ、５
２ 第２の平滑諸元用メモリ、５３第Ｎの平滑諸元用メ
モリ、６１ 第１の運動モデル確率用メモリ、６２ 第
２の運動モデル確率用メモリ、６３ 第Ｎの運動モデル
確率用メモリ、８１ 第１の運動モデル設定器、８２
第２の運動モデル設定器、８３ 第Ｎの運動モデル設定
器、９１ 第１の運動モデル用予測器、９２ 第２の運
動モデル用予測器、９３ 第Ｎの運動モデル用予測器、
１０１ 第１の運動モデルの事前確率算出器、１０２
第２の運動モデルの事前確率算出器、１０３ 第Ｎの運
動モデルの事前確率算出器、１３１ 第１の運動モデル
尤度算出器、１３２ 第２の運動モデル尤度算出器、１
３３ 第Ｎの運動モデル尤度算出器、１５１ 第１の運
動モデル事後確率算出器、１５２ 第２の運動モデル事
後確率算出器、１５３ 第Ｎの運動モデル事後確率算出
器、１６１ 第１の運動モデル用平滑器、１６２ 第２
の運動モデル用平滑器、１６３ 第Ｎの運動モデル用平
滑器。
４ 統合平滑用メモリ、統合予測値用メモリ、７ 運動
モデル制御器、１１ 予測諸元統合器、１２ゲート判定
器、１４ モデル尤度集計器、１７ 平滑諸元統合器、
１８ 混合平滑器、５１ 第１の平滑諸元用メモリ、５
２ 第２の平滑諸元用メモリ、５３第Ｎの平滑諸元用メ
モリ、６１ 第１の運動モデル確率用メモリ、６２ 第
２の運動モデル確率用メモリ、６３ 第Ｎの運動モデル
確率用メモリ、８１ 第１の運動モデル設定器、８２
第２の運動モデル設定器、８３ 第Ｎの運動モデル設定
器、９１ 第１の運動モデル用予測器、９２ 第２の運
動モデル用予測器、９３ 第Ｎの運動モデル用予測器、
１０１ 第１の運動モデルの事前確率算出器、１０２
第２の運動モデルの事前確率算出器、１０３ 第Ｎの運
動モデルの事前確率算出器、１３１ 第１の運動モデル
尤度算出器、１３２ 第２の運動モデル尤度算出器、１
３３ 第Ｎの運動モデル尤度算出器、１５１ 第１の運
動モデル事後確率算出器、１５２ 第２の運動モデル事
後確率算出器、１５３ 第Ｎの運動モデル事後確率算出
器、１６１ 第１の運動モデル用平滑器、１６２ 第２
の運動モデル用平滑器、１６３ 第Ｎの運動モデル用平
滑器。
─────────────────────────────────────────────────────
フロントページの続き
(72)発明者 小菅 義夫
東京都千代田区丸の内二丁目２番３号 三
菱電機株式会社内
Ｆターム(参考） 5J070 AC01 AC07 AH19 AH39 AH50
AK14 BB06 BB14
Claims (14)
- 【請求項１】 目標の加速度を正弦波とする運動モデル
の数および各運動モデルに設定される定数加速度周波数
を決定する運動モデル制御手段と、 前記運動モデルを持つ複数のカルマンフィルタを用い
て、前記各運動モデルの事後確率を算出して、所定のサ
ンプリングタイミング毎に前記目標の運動諸元を推定す
る運動諸元推定手段とを備えたことを特徴とする目標追
尾装置。 - 【請求項２】 前記運動諸元推定手段は、 前記各運動モデルにそれぞれ異なる前記定数加速度周波
数を設定した前記複数のカルマンフィルタを並列的に並
べて使用し、前記各運動モデルにより平滑値を算出する
推定手段と、 前記各運動モデルにより算出された平滑値群の中から選
択された平滑値、あるいは、前記平滑値群を統合した統
合平滑値を出力する平滑諸元統合手段とを備えたことを
特徴とする請求項１に記載の目標追尾装置。 - 【請求項３】 前記運動諸元推定手段は、 前記各運動モデルにそれぞれ異なる前記定数加速度周波
数を設定した前記複数のカルマンフィルタを並列的に並
べて使用し、１サンプリングタイミング前の前記統合平
滑値に基づいて、前記各運動モデルの平滑値を算出する
推定手段と、 前記各運動モデルの平滑値群の中から選択された平滑
値、あるいは、前記平滑値群を統合した統合平滑値を出
力する平滑諸元統合手段とを備えたことを特徴とする請
求項１に記載の目標追尾装置。 - 【請求項４】 前記運動諸元推定手段は、 前記各運動モデルにそれぞれ異なる前記定数加速度周波
数を設定した前記複数のカルマンフィルタを並列的に並
べて使用し、前記各運動モデルの１サンプリングタイミ
ング前の平滑値群をミキシング処理された混合平滑値に
基づいて、前記各運動モデルの平滑値を算出する推定手
段と、 前記各運動モデルの平滑値群の中から選択された平滑
値、あるいは、前記平滑値群を統合した統合平滑値を出
力する平滑諸元統合手段とを備えたことを特徴とする請
求項１に記載の目標追尾装置。 - 【請求項５】 前記運動モデル制御手段は、 前記運動諸元推定手段より取得した前記目標の状態変数
および前記事後確率に基づいて、前記運動モデルの数と
前記定数加速度周波数とを決定することを特徴とする請
求項１から請求項４に記載の目標追尾装置。 - 【請求項６】 前記平滑諸元統合手段は、 前記運動モデルの数が所定値よりも多い場合、前記各運
動モデルの事後確率に基づいて前記運動モデルを選択
し、選択された前記運動モデルの前記平滑値を出力する
ことを特徴とする請求項２から請求項４までのいずれか
１項に記載の目標追尾装置。 - 【請求項７】 前記平滑諸元統合手段は、 前記運動モデルの数が所定値以下の場合、前記各運動モ
デルの事後確率に基づいて、前記平滑値群を統合し、統
合された統合平滑値を出力することを特徴とする請求項
２から請求項４までのいずれか１項に記載の目標追尾装
置。 - 【請求項８】 目標の加速度を正弦波とする運動モデル
の数および各運動モデルに設定する定数加速度周波数を
決定する運動モデル制御ステップと、 前記運動モデルを持つ複数のカルマンフィルタを用い
て、前記各運動モデルの事後確率を算出して、所定のサ
ンプリングタイミング毎に前記目標の運動諸元を推定す
る運動諸元推定ステップとを備えたことを特徴とする目
標追尾方法。 - 【請求項９】 前記運動諸元推定ステップは、 前記各運動モデルにそれぞれ異なる前記定数加速度周波
数を設定した前記複数のカルマンフィルタを並列的に並
べて使用し、前記各運動モデルにより平滑値を算出する
推定ステップと、 前記各運動モデルにより算出された平滑値群の中から選
択された平滑値、あるいは、前記平滑値群を統合した統
合平滑値を出力する平滑諸元統合ステップとを備えたこ
とを特徴とする請求項８に記載の目標追尾方法。 - 【請求項１０】 前記運動諸元推定ステップは、 前記各運動モデルにそれぞれ異なる前記定数加速度周波
数を設定した前記複数のカルマンフィルタを並列的に並
べて使用し、１サンプリングタイミング前の前記統合平
滑値に基づいて、前記各運動モデルの平滑値を算出する
推定ステップと、 前記各運動モデルの平滑値群の中から選択された平滑
値、あるいは、前記平滑値群を統合した統合平滑値を出
力する平滑諸元統合ステップとを備えたことを特徴とす
る請求項８に記載の目標追尾方法。 - 【請求項１１】 前記運動諸元推定ステップは、 前記各運動モデルにそれぞれ異なる前記定数加速度周波
数を設定した前記複数のカルマンフィルタを並列的に並
べて使用し、前記各運動モデルの１サンプリングタイミ
ング前の平滑値群をミキシング処理された混合平滑値に
基づいて、前記各運動モデルの平滑値を算出する推定ス
テップと、 前記各運動モデルの平滑値群の中から選択された平滑
値、あるいは、前記平滑値群を統合した統合平滑値を出
力する平滑諸元統合ステップとを備えたことを特徴とす
る請求項８に記載の目標追尾方法。 - 【請求項１２】 前記運動モデル制御ステップは、 前記運動諸元推定ステップより取得した前記目標の状態
変数および前記事後確率に基づいて、前記運動モデルの
数と前記定数加速度周波数とを決定することを特徴とす
る請求項８から請求項１１に記載の目標追尾方法。 - 【請求項１３】 前記平滑諸元統合ステップは、 前記運動モデルの数が所定値よりも多い場合、前記各運
動モデルの事後確率に基づいて前記運動モデルを選択
し、選択された前記運動モデルの前記平滑値を出力する
ことを特徴とする請求項９ら請求項１１までのいずれか
１項に記載の目標追尾方法。 - 【請求項１４】 前記平滑諸元統合ステップは、 前記運動モデルの数が所定値以下の場合、前記各運動モ
デルの事後確率に基づいて、前記平滑値群を統合し、統
合された統合平滑値を出力することを特徴とする請求項
９から請求項１１までのいずれか１項に記載の目標追尾
方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002071998A JP4144730B2 (ja) | 2002-03-15 | 2002-03-15 | 目標追尾装置およびその方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002071998A JP4144730B2 (ja) | 2002-03-15 | 2002-03-15 | 目標追尾装置およびその方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003270338A true JP2003270338A (ja) | 2003-09-25 |
| JP4144730B2 JP4144730B2 (ja) | 2008-09-03 |
Family
ID=29202116
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002071998A Expired - Lifetime JP4144730B2 (ja) | 2002-03-15 | 2002-03-15 | 目標追尾装置およびその方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4144730B2 (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007183112A (ja) * | 2006-01-04 | 2007-07-19 | Mitsubishi Electric Corp | 目標追尾装置 |
| WO2014087683A1 (ja) * | 2012-12-05 | 2014-06-12 | 三菱電機株式会社 | 測位追尾装置 |
| CN110824453A (zh) * | 2020-01-10 | 2020-02-21 | 四川傲势科技有限公司 | 一种基于图像跟踪与激光测距的无人机目标运动估计方法 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106200377A (zh) * | 2016-06-29 | 2016-12-07 | 中国人民解放军国防科学技术大学 | 一种飞行器控制参数的估计方法 |
-
2002
- 2002-03-15 JP JP2002071998A patent/JP4144730B2/ja not_active Expired - Lifetime
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007183112A (ja) * | 2006-01-04 | 2007-07-19 | Mitsubishi Electric Corp | 目標追尾装置 |
| WO2014087683A1 (ja) * | 2012-12-05 | 2014-06-12 | 三菱電機株式会社 | 測位追尾装置 |
| JP5868524B2 (ja) * | 2012-12-05 | 2016-02-24 | 三菱電機株式会社 | 測位追尾装置 |
| US9383432B2 (en) | 2012-12-05 | 2016-07-05 | Mitsubishi Electric Corporation | Positioning and tracking device for mapping the movement of a target |
| CN110824453A (zh) * | 2020-01-10 | 2020-02-21 | 四川傲势科技有限公司 | 一种基于图像跟踪与激光测距的无人机目标运动估计方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP4144730B2 (ja) | 2008-09-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3581401B2 (ja) | 音声認識方法 | |
| US20150019464A1 (en) | method and apparatus for supplying interpolation point data for a data-based function model calculation unit | |
| KR20170134193A (ko) | 배터리의 충전 상태를 추정하는 방법 및 그 방법을 실행하는 배터리 관리 시스템 | |
| CN113253678B (zh) | 精密运动平台的运动轨迹规划方法 | |
| CN107395083A (zh) | Pmlsm伺服控制系统位置与速度估计方法及装置 | |
| JP2003270338A (ja) | 目標追尾装置およびその方法 | |
| JP5818608B2 (ja) | カルマン・フィルタの処理方法、プログラム及びシステム | |
| CN114358274A (zh) | 训练用于图像识别的神经网络的方法和设备 | |
| CN111971200A (zh) | 用于确定电池的老化状态的方法、计算机程序、存储装置、控制设备和车辆 | |
| CN113469042A (zh) | 真值数据确定、神经网络训练、行驶控制方法及装置 | |
| JPH0776880B2 (ja) | パターン認識方法および装置 | |
| CN116959495A (zh) | 一种语音信号信噪比估计方法、系统 | |
| Everson et al. | Non-stationary independent component analysis | |
| CN110765717A (zh) | 一种基于fpga的扩展卡尔曼滤波器电路结构设计方法 | |
| JP2004333279A (ja) | 目標運動判別装置および方法 | |
| CN116013354A (zh) | 深度学习模型的训练方法、控制虚拟形象口型变化的方法 | |
| JP2024003643A (ja) | ニューラルネットワークの学習方法、コンピュータプログラム、及び余寿命予測システム | |
| JP4080722B2 (ja) | 目標追尾装置及び目標追尾方法 | |
| US11185983B2 (en) | Position control method for servo, computer readable storage medium, and robot | |
| CN113688853A (zh) | 感测数据智能检测方法与系统 | |
| CN113204891A (zh) | 基于指数平滑预测的dp-tbd算法跟踪方法及设备 | |
| JP2002174681A (ja) | 目標追尾装置および目標追尾方法 | |
| JP4115291B2 (ja) | 目標追尾装置 | |
| TWI441029B (zh) | Dynamic System Equivalent Model Modeling Method and Its Computer Program Product | |
| CN113470629B (zh) | 音频识别模型训练方法，音色相似度检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050225 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20071113 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080111 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20080610 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080612 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 4144730 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110627 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120627 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130627 Year of fee payment: 5 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| EXPY | Cancellation because of completion of term |