JP2010175458A - 目標追尾装置 - Google Patents

Abstract

【課題】目標の統合航跡の誤差の早期収束と、目標の着地予測位置および着地予測範囲を算出する着地予測位置誤差共分散行列の早期収束とを実現した目標追尾装置を得る。
【解決手段】目標Ｔの２Ｄセンサ検出結果を出力する検知器１０と、目標Ｔの３Ｄセンサ検出結果を出力する信号処理器５０と、２Ｄセンサ検出結果から輝度ヒストリを解析する輝度ヒストリ解析処理２０と、輝度ヒストリによる推力加速判定処理３０と、モデル信頼度制御処理４０と、各運動モデルの混合処理、予測処理および平滑処理７０〜９３と、２Ｄおよび３Ｄセンサ検出結果と各運動モデルの予測処理結果とから事後信頼度を算出するモデル信頼度算出処理１００と、各運動モデルの統合平滑ベクトルおよび統合平滑誤差共分散行列を算出する統合処理１１０と、目標Ｔの着地を予測する着地予測処理１２０とを備えている。
【選択図】図１

Description

この発明は、目標追尾装置に関する。

従来から、１台以上の３Ｄセンサ（たとえば、レーダのように、距離、仰角、方位角を検出結果として観測するセンサ）の検出結果に基づき、ＩＭＭ（Ｉｎｔｅｒａｃｔｉｎｇ Ｍｕｌｔｉｐｌｅ Ｍｏｄｅｌｓ）フィルタのような多重運動モデルフィルタを用いて目標を追尾する技術は、よく知られている（たとえば、非特許文献１参照）。

図９は一般的な目標Ｔの運動フェーズ（推力加速フェーズ、慣性フェーズ、空気抵抗フェーズ）を示す説明図である。
上記非特許文献１に記載の従来技術においては、図９に示した３つの運動フェーズを持つ目標（打上げロケットのような飛翔体）の追尾を行うために、上記３つの運動フェーズに基づく３つの運動モデル（以下、単に「運動モデル」という）ごとの信頼度を用いて、運動モデルごとの航跡を重み付けすることにより、統合航跡を生成する。

ここで、推力加速フェーズにおいては、目標（飛翔体）の推進薬燃焼によって発生する推力と、空気抵抗力および重力とが働き、特に、推進力が支配的となることが知られている。また、慣性フェーズにおいては、飛翔体の推進薬を使い切るか、または推進薬を格納するブースタを切り離すことから、重力が支配的になることが知られている。
ここで、目標高度が高高度になるにつれて、空気密度が小さくなるので、空気抵抗力が働くものの小さくなるので、空気抵抗力は重力に比べて無視できることが知られている。

また、空気抵抗フェーズにおいては、目標Ｔが地球の大気圏内に再突入するなど、目標Ｔが地面方向に飛翔してくることから、徐々に空気抵抗力が増大するので、上記高高度では重力が支配的になるものの、目標Ｔが低高度になるにつれて、空気抵抗力が重力よりも支配的になることが知られている。

Ｓｖｉｅｓｔｉｎｓ，Ｅ．，「Ｍｕｌｔｉ−Ｒａｄａｒ Ｔｒａｃｋｉｎｇ ｆｏｒ Ｔｈｅａｔｅｒ Ｍｉｓｓｉｌｅ Ｄｅｆｅｎｓｅ，」Ｓｉｇｎａｌ ａｎｄ Ｄａｔａ Ｐｒｏｃｅｓｓｉｎｇ ｏｆ Ｓｍａｌｌ Ｔａｒｇｅｔｓ，Ｐｒｏｃ．ＳＰＩＥ，Ｖｏｌ．２５６１，Ｊｕｌｙ １９９５，ｐｐ．３８４−３９４．

しかしながら、上記従来技術では、３Ｄセンサの検出結果のみを使用して算出される各運動モデルに基づく航跡および統合航跡が、飛翔体（目標）の実際の運動と多重運動モデル追尾処理で仮定している運動モデルとの差異に起因した誤差と、３Ｄセンサの観測誤差とによってばらつくので、モデル信頼度もばらつくという課題があった。

一方、各運動モデルに基づく航跡および統合航跡のばらつきが小さくなれば、モデル信頼度も小さくなるものの、特に、実際の目標が推力加速フェーズから慣性フェーズに移行した直後の時間帯、または、慣性フェーズから推力加速フェーズに移行した直後の時間帯においては、モデル信頼度の算出結果がばらつくので、統合航跡を用いた目標の着地予測の結果もばらつく可能性があるという課題があった。

つまり、実際の目標が推力加速フェーズから慣性フェーズに移行した直後は、実際の目標がすでに慣性フェーズに移行しているのにも関わらず、推力加速フェーズのモデル信頼度が慣性フェーズの信頼度よりも高いことから、統合航跡算出用のモデル信頼度による重みづけによって、推力加速モデルに基づく航跡の統合航跡に占める割合が高いので、統合航跡がばらつくことになる。
さらに、統合航跡のばらつき（つまり、航跡の誤差）は、時間経過につれて収束するものの、航跡の誤差の収束は遅いという課題があった。

この発明は、上記のような課題を解決するためになされたものであり、目標（飛翔体）の統合航跡の誤差の早期収束と、目標の着地予測位置および着地予測範囲を算出する着地予測位置誤差共分散行列の早期収束とを実現した目標追尾装置を得ることを目的とする。

この発明に係る目標追尾装置は、３つの運動フェーズとして、推力加速フェーズ、慣性フェーズおよび空気抵抗フェーズを持つ目標を追尾するために、３つの運動フェーズに対応した３つの運動モデルとして、推力加速モデル、慣性モデルおよび空気抵抗モデルを用いた目標追尾装置であって、
目標を観測する２Ｄセンサを有し、２Ｄセンサによる２Ｄセンサ観測値、２Ｄセンサ観測誤差共分散行列および輝度を含む２Ｄセンサ検出結果を出力する検知器と、
２Ｄセンサ検出結果から、時刻対輝度の輝度ヒストリを作成する輝度ヒストリ解析処理と、
輝度ヒストリが事前に決めた輝度しきい値との間で所定の関係を満たすか否かを判定し、輝度ヒストリに対応する仮推力加速判定フラグ、輝度ヒストリに対応する推力加速判定フラグ、ならびに、輝度ヒストリに対応する時刻および輝度ヒストリを出力する、輝度ヒストリによる推力加速判定処理と、
推力加速判定フラグが「０」の場合には、目標の推力加速が終了したものと判定して、推力加速モデルへの推移確率を「０」とし、推力加速判定フラグが「１」の場合には、目標が推力加速中と判定して、事前に設定した推移確率を使用するモデル信頼度制御処理と、
目標を観測する３Ｄセンサを有し、３Ｄセンサによる３Ｄセンサ観測値および３Ｄセンサ観測誤差共分散行列を含む３Ｄセンサ検出結果を出力する信号処理器と、
推力加速モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列、ならびに、推力加速モデルの平滑ベクトルおよび平滑誤差共分散行列を用いて、推力加速モデルから空気抵抗モデルまたは慣性モデルへの逆推移確率と、推力加速モデルの事前信頼度とを算出する、推力加速モデル混合処理と、
推力加速モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を、１サンプリング分だけ遅延させる遅延部と、
カルマンフィルタの予測処理により、現時刻の推力加速モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出する、推力加速モデル予測処理と、
カルマンフィルタの平滑処理により、現時刻の３Ｄセンサ検出結果または２Ｄセンサ検出結果を用いて、推力加速モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を算出する、推力加速モデル平滑処理と、
慣性モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列、ならびに、慣性モデルの平滑ベクトルおよび平滑誤差共分散行列を用いて、慣性モデルから空気抵抗モデルまたは推力加速モデルへの逆推移確率と、慣性モデルの事前信頼度とを算出する、慣性モデル混合処理と、
慣性モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を、１サンプリング分だけ遅延させる遅延部と、
カルマンフィルタの予測処理により、現時刻の慣性モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出する、慣性モデル予測処理と、
カルマンフィルタの平滑処理により、現時刻の３Ｄセンサ検出結果または２Ｄセンサ検出結果を用いて、慣性モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を算出する、慣性モデル平滑処理と、
空気抵抗モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列、ならびに、空気抵抗モデルの平滑ベクトルおよび平滑誤差共分散行列を用いて、空気抵抗モデルから推力加速モデルまたは慣性モデルへの逆推移確率と、空気抵抗モデルの事前信頼度とを算出する、空気抵抗モデル混合処理と、
空気抵抗モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を、１サンプリング分だけ遅延させる遅延部と、
カルマンフィルタの予測処理により、現時刻の空気抵抗モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出する、空気抵抗モデル予測処理と、
カルマンフィルタの平滑処理により、現時刻の３Ｄセンサ検出結果または２Ｄセンサ検出結果を用いて、空気抵抗モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を算出する、空気抵抗モデル平滑処理と、
３つの運動モデルごとの予測ベクトルおよび予測誤差共分散行列、ならびに、２Ｄセンサ観測誤差共分散行列または３Ｄセンサ観測誤差共分散行列を用い、３つの運動モデルごとの尤度を算出するとともに、３つの運動モデルごとの尤度および事前信頼度を用いて、３つの運動モデルごとの事後信頼度を算出する、モデル信頼度算出処理と、
３つの運動モデルごとの平滑ベクトルおよび平滑誤差共分散行列を、３つの運動モデルごとの事後信頼度により重み付け統合して、統合平滑ベクトルおよび統合平滑誤差共分散行列を算出する、統合処理と、
統合平滑ベクトルおよび統合平滑誤差共分散行列を、事前に決めた目標の飛翔モデルに合わせて、着地予測点の高度が０になるまで、事前に決めた所定の外挿間隔で外挿することにより、統合平滑ベクトルの位置から着地予測点までの、所定の外挿間隔ごとの統合平滑ベクトルおよび統合平滑誤差共分散行列の各外挿結果を出力する、着地予測処理と、
を備えたものである。

この発明によれば、目標の統合航跡の誤差の早期収束と、目標の着地予測位置および着地予測範囲を算出する着地予測位置誤差共分散行列の早期収束とを実現することができる。

この発明の実施の形態１に係る目標追尾装置の全体構成を示すブロック図である。 この発明の実施の形態１における輝度ヒストリの時間変化を示す説明図である。 この発明の実施の形態２に係る目標追尾装置の全体構成を示すブロック図である。 この発明の実施の形態３に係る検出データ数による推力加速判定処理の動作を示す説明図である。 この発明の実施の形態３に係る検出データ数による推力加速判定処理の動作を示す説明図である。 この発明の実施の形態３に係る検出データ数による推力加速判定処理の動作を示す説明図である。 この発明の実施の形態４に係るモデル信頼度制御処理の動作を示す説明図である。 この発明の実施の形態６に係る目標追尾装置の全体構成を示すブロック図である。 一般的な目標の運動フェーズを示す説明図である。

実施の形態１．
以下、図面を参照しながら、この発明の好適な実施の形態について説明する。
図１はこの発明の実施の形態１に係る目標追尾装置の全体構成を示すブロック図である。

図１において、目標追尾装置は、３つの運動フェーズ（推力加速フェーズ、慣性フェーズおよび空気抵抗フェーズ）を持つ目標Ｔを追尾するために、各運動フェーズに対応した運動モデル（推力加速モデル、慣性モデルおよび空気抵抗モデル）を用いた追尾フィルタとして、多重運動モデルフィルタ６０を備えている。

また、多重運動モデルフィルタ６０と関連した構成として、検知器１０と、輝度ヒストリ解析処理２０と、輝度ヒストリによる推力加速判定処理３０と、モデル信頼度制御処理４０と、信号処理器５０と、着地予測処理１２０とを備えている。

検知器１０は、目標Ｔを観測する２Ｄセンサ１０ａを有し、２Ｄセンサ１０ａによる２Ｄセンサ観測値、２Ｄセンサ観測誤差共分散行列および輝度を含む２Ｄセンサ検出結果を出力する。
信号処理器５０は、目標Ｔを観測する３Ｄセンサ５０ａを有し、３Ｄセンサ５０ａによる３Ｄセンサ観測値および３Ｄセンサ観測誤差共分散行列を含む３Ｄセンサ検出結果を出力する。

多重運動モデルフィルタ６０は、入力スイッチ６５と、遅延部７０、８０、９０と、直列結合された推力加速モデル混合処理７１、推力加速モデル予測処理７２および推力加速モデル平滑処理７３と、直列結合された慣性モデル混合処理８１、慣性モデル予測処理８２および慣性モデル平滑処理８３と、直列結合された空気抵抗モデル混合処理９１、空気抵抗モデル予測処理９２および空気抵抗モデル平滑処理９３と、モデル信頼度算出処理１００と、統合処理１１０とを備えている。

入力スイッチ６５は、検知器１０からの２Ｄセンサ検出結果、または信号処理器５０からの３Ｄセンサ検出結果を取り込み、モデル信頼度算出処理１００、推力加速モデル平滑処理７３、慣性モデル平滑処理８３および空気抵抗モデル平滑処理９３に入力する。
遅延部７０、８０、９０は、各運動モデルの平滑処理結果を遅延して各運動モデルの混合処理７１、８１および９１に帰還入力する。

統合処理１１０は、モデル信頼度算出処理１００、推力加速モデル平滑処理７３、慣性モデル平滑処理８３および空気抵抗モデル平滑処理９３の出力情報を統合して、統合結果を着地予測処理１２０に入力する。

輝度ヒストリ解析処理２０、輝度ヒストリによる推力加速判定処理３０、およびモデル信頼度制御処理４０は、検知器１０の出力側に直列結合されている。
モデル信頼度制御処理４０の出力情報は、モデル信頼度算出処理１００、推力加速モデル混合処理７１、慣性モデル混合処理８１および空気抵抗モデル混合処理９１に入力される。

次に、図２の説明図を参照しながら、図１に示した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は輝度ヒストリ解析処理２０の動作に関連しており、２Ｄセンサ検出結果に基づく輝度ヒストリの時間変化例を示している。

図１において、検知器１０は、レーダに設置されるか、またはＩＲ（Ｉｎｆｒａ Ｒｅｄ）センサなどの２次元の角度情報が得られる２Ｄセンサ１０ａに設置されていることを想定する。なお、検知器１０は、ＥＷ（Ｅｌｅｃｔｒｉｃ Ｗａｒｆａｒｅ）などの１次元の角度情報が得られる１Ｄセンサに設置されていてもよい。

以下では、ＩＲセンサなどの２Ｄセンサ１０ａに絞って説明するが、１Ｄセンサを使用しても、同様に実現することができる。
２Ｄセンサ１０ａがレーダの場合には、パッシブに角度を観測するか、またはアクティブに距離および角度を観測するが、距離の検出精度が低くなる。
したがって、距離が有効な観測情報として使えずに角度のみを使用する場合や、距離が（妨害波により）有効な観測情報として使えずに角度のみを使用する場合が考えられる。

まず、検知器１０は、目標Ｔを２Ｄセンサ１０ａにより観測し、２Ｄセンサ１０ａから得られた２Ｄセンサ検出結果を出力する。
検知器１０から出力された２Ｄセンサ検出結果は、直ちに、輝度ヒストリ２０に入力されるとともに、入力スイッチ６５を介して、多重運動モデルフィルタ６０内のモデル信頼度算出処理１００に入力される。

なお、検知器１０からの２Ｄセンサ検出結果は、２Ｄセンサ観測値と２Ｄセンサ観測誤差共分散行列、輝度などの情報を含む。
また、図１では、代表的に１台の検知器１０のみを示しているが、複数台の検知器が設置されてもよい。

続いて、輝度ヒストリ解析処理２０は、検知器１０の検出結果である２Ｄセンサ検出結果から、たとえば図２のように、時刻対輝度の輝度ヒストリを作成する。
図２において、輝度は、目標Ｔが燃焼して（ブースト中で）温度が高ければ大きくなり、燃焼（ブースト）が終了して温度が低ければ小さくなる。
なお、温度の高低のみではなく、目標Ｔの特徴を反映する指標（反射係数など）であれば、輝度情報に相当するものとして使用することができる。

図２の輝度ヒストリは、時間経過とともに、目標Ｔが燃焼中の状態（輝度がある程度の大きさで一定で得られる）から、目標Ｔの温度が低くなっていく（輝度が小さくなっていく）状況を表している。

なお、輝度ヒストリは、ばらつくことも考えられるので、時間対輝度をプロットした値を平滑化したものを、輝度ヒストリとして出力することも考えられる。
輝度ヒストリ解析処理２０は、輝度ヒストリの解析結果を、輝度ヒストリによる推力加速判定処理３０に送信する。

輝度ヒストリによる推力加速判定処理３０は、輝度ヒストリ解析処理２０から得られた輝度ヒストリが、事前に決めた下限輝度および上限輝度に対応した各輝度しきい値Ｂｔｈ１、Ｂｔｈ２（Ｂｔｈ２≧Ｂｔｈ１）に対して所定の関係を満たすか否かを判定する。

すなわち、輝度ヒストリによる推力加速判定処理３０は、輝度ヒストリ（図２）における或る時刻の輝度Ｂと、各輝度しきい値Ｂｔｈ１、Ｂｔｈ２との間の以下の条件（１）〜（３）に応じて、仮推力加速判定フラグＦｐを「０」、「１」、「２」に設定する。

（１）Ｂｔｈ１≦Ｂ（図２内のブースト終了）の場合には、目標Ｔの推力加速が終了したものと判定し、仮推力加速判定フラグＦｐを「０」に設定する。
（２）Ｂｔｈ２≧Ｂ（図２内のブースト中）の場合には、目標Ｔが推力加速中であると判定し、仮推力加速判定フラグＦｐを「１」に設定する。
（３）Ｂｔｈ２＞Ｂ＞Ｂｔｈ１（図２内のブースト判定保留）の場合には、推力加速判定を保留状態とし、仮推力加速判定フラグＦｐを「２」に設定する。

なお、仮推力加速判定フラグＦｐの数字の定義としては、システムで共通な数字を使用すればよく、上記数字に限定されることはない。

続いて、輝度ヒストリによる推力加速終了判定処理３０は、過去から現在までの時間において、Ｍ１サンプリング中のＮ１サンプリング（Ｍ１≧Ｎ１）の仮推力加速判定フラグＦｐが「０」を示す場合（すなわち、推力加速の終了判定が、Ｍ１サンプリング中にＮ１サンプリングだけ存在する場合）には、目標Ｔの推力加速が終了したものと判定し、最終的な推力加速判定フラグ（ブースト判定フラグ）Ｆｒを「０」に設定する。

同様に、輝度ヒストリによる推力加速終了判定処理３０は、Ｍ１サンプリング中のＮ１サンプリングの仮推力加速判定フラグＦｐが「１」を示す場合には、目標Ｔが推力加速中であると判定し、推力加速判定フラグＦｒを「１」に設定する。
最後に、輝度ヒストリによる推力加速判定処理３０は、輝度ヒストリに対応する仮推力加速判定フラグＦｐ、輝度ヒストリに対応する推力加速判定フラグＦｒ、輝度ヒストリに対応する時刻および輝度ヒストリを、モデル信頼度制御処理４０に入力する。
モデル信頼度制御処理４０の詳細内容については、後述する。

一方、信号処理器５０は、目標Ｔを３Ｄセンサ５０ａにより観測し、３Ｄセンサ５０ａから得られた３Ｄセンサ検出結果を出力する。
信号処理器５０から出力された３Ｄセンサ検出結果は、入力スイッチ６５を介して多重運動モデルフィルタ６０内のモデル信頼度算出処理１００に入力される。
なお、３Ｄセンサ検出結果は、３Ｄセンサ観測値および３Ｄセンサ観測誤差共分散行列の情報を含む。

多重運動モデルフィルタ６０内において、遅延部７０は、推力加速モデルに関連しており、推力加速モデル平滑処理７３から出力される、推力加速モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を１サンプリング分だけ遅延させて、現時刻の推力加速に基づく平滑ベクトルおよび平滑誤差共分散行列を出力する。

同様に、遅延部８０は、慣性モデルに関連しており、慣性モデル平滑処理８３から出力される、慣性モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を１サンプリング分だけ遅延させて、現時刻の慣性に基づく平滑ベクトルおよび平滑誤差共分散行列を出力する。

また、遅延部９０は、空気抵抗モデルに関連しており、空気抵抗モデル平滑処理９３から出力される、空気抵抗モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を１サンプリング分だけ遅延させて、現時刻の空気抵抗に基づく平滑ベクトルおよび平滑誤差共分散行列を出力する。

各遅延部７０、８０、９０の出力情報が入力される推力加速モデル混合処理７１、慣性モデル混合処理８１および空気抵抗モデル混合処理９１の詳細内容については後述する。

推力加速モデル予測処理７２は、カルマンフィルタの予測処理により、前時刻の推力加速モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列（または、前時刻の推力加速モデルに基づく平滑ベクトルおよび平滑誤差共分散行列）を用いて、現時刻の推力加速モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出する。

同様に、慣性モデル予測処理８２は、カルマンフィルタの予測処理により、前時刻の慣性モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列（または、前時刻の慣性モデルに基づく平滑ベクトルおよび平滑誤差共分散行列）を用いて、現時刻の慣性モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出する。

また、空気抵抗モデル予測処理９２は、カルマンフィルタの予測処理により、前時刻の空気抵抗モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列（または、前時刻の空気抵抗モデルに基づく平滑ベクトルおよび平滑誤差共分散行列）を用いて、現時刻の空気抵抗モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出する。

推力加速モデル平滑処理７３は、カルマンフィルタの平滑処理により、現時刻の推力加速モデルに基づく予測ベクトルおよび予測誤差共分散行列と、現時刻の３Ｄセンサ検出結果、または現時刻の２Ｄセンサ検出結果から、推力加速モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を求める。

同様に、慣性モデル平滑処理８３は、カルマンフィルタの平滑処理により、現時刻の慣性モデルに基づく予測ベクトルおよび予測誤差共分散行列と、現時刻の３Ｄセンサ検出結果、または現時刻の２Ｄセンサ検出結果から、慣性モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を求める。

また、空気抵抗モデル平滑処理９３は、カルマンフィルタの平滑処理により、現時刻の空気抵抗モデルに基づく予測ベクトルおよび予測誤差共分散行列と、現時刻の３Ｄセンサ検出結果、または現時刻の２Ｄセンサ検出結果から、空気抵抗モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を求める。

モデル信頼度算出処理１００は、運動モデルごとの予測ベクトルおよび予測誤差共分散行列と、２Ｄセンサ１０ａまたは３Ｄセンサ５０ａの観測誤差共分散行列とを用いて、運動モデルごとの尤度を算出する。
また、モデル信頼度算出処理１００は、運動モデルごとの尤度および事前信頼度を用いて、運動モデルごとの事後信頼度を算出する。なお、「運動モデルごと」とは、推力モデル、慣性モデル、空気抵抗モデルごと、という意味である。

ここで、時刻ｋの運動モデルｎの事後信頼度を、

と定義すると、時刻ｋの運動モデルｎの事後信頼度は、以下の式（１）のように算出される。

ただし、式（１）において、

は、時刻ｋの運動モデルｎの尤度であり、

は、時刻ｋの運動モデルｎの事前信頼度である。
また、Ｎは、運動モデル数を表し、ｎは、推力加速モデル、慣性モデル、空気抵抗モデルのいずれかの運動モデルを表す。

次に、運動モデルごとの推力加速モデル混合処理７１、慣性モデル混合処理８１、空気抵抗モデル混合処理９１について、一般化して説明する。
まず、時刻ｋの運動モデルｍの混合平滑ベクトルを、

と定義すると、時刻ｋの運動モデルｍの混合平滑ベクトルは、以下の式（２）のように算出される。

ただし、式（２）において、

は時刻ｋの運動モデルｎの平滑ベクトルであり、

は時刻ｋの運動モデルｍから運動モデルｎへの逆推移確率である。また、Ｎは運動モデル数を表す。
次に、時刻ｋの運動モデルｍの混合平滑ベクトルを、

と定義すると、時刻ｋの運動モデルｍの混合平滑ベクトルは、以下の式（３）のように算出される。

ただし、式（３）において、

は、時刻ｋの運動モデルｎの平滑誤差共分散行列である。
また、Ｔは行列の転置を表し、Ｎは運動モデル数を表す。
ここで、運動モデルｍから運動モデルｎへの逆推移確率を、

と定義すると、運動モデルｍから運動モデルｎへの逆推移確率は、以下の式（４）のように算出される。

ただし、式（４）において、

は運動モデルｍから運動モデルｎへの推移確率である。
ここで、時刻ｋ＋１の運動モデルｎの事前信頼度を、

と定義すると、時刻ｋ＋１の運動モデルｎの事前信頼度は、以下の式（５）のように算出される。

推力加速モデル混合処理７１は、式（２）〜式（５）から、推力加速モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列と、推力加速モデルの平滑ベクトルおよび平滑誤差共分散行列とを用いて、推力加速モデルから空気抵抗モデルまたは慣性モデルへの逆推移確率と、推力加速モデルの事前信頼度とを算出する。

同様に、慣性モデル混合処理８１は、式（２）〜式（５）から、慣性モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列と、慣性モデルの平滑ベクトルおよび平滑誤差共分散行列とを用いて、慣性モデルから空気抵抗モデルまたは推力加速モデルへの逆推移確率と、慣性モデルの事前信頼度とを算出する。

また、空気抵抗モデル混合処理９１は、式（２）〜式（５）から、空気抵抗モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列と、空気抵抗モデルの平滑ベクトルおよび平滑誤差共分散行列とを用いて、空気抵抗モデルから推力加速モデルまたは慣性モデルへの逆推移確率と、空気抵抗モデルの事前信頼度とを算出する。

統合処理１１０は、運動モデルごとの平滑ベクトルおよび平滑誤差共分散行列を、運動モデルごとの事後信頼度により重み付け統合して、統合平滑ベクトルおよび統合平滑誤差共分散行列を算出する。

着地予測処理１２０は、統合処理１１０で算出された統合平滑ベクトルおよび統合平滑誤差共分散行列を、事前に決めた目標Ｔの飛翔モデルに合わせ、着地予測点の高度が「０」になるまで、事前に決めた所定の外挿間隔で外挿し、統合平滑ベクトルの位置から着地予測点までの、外挿間隔ごとの統合平滑ベクトルの外挿結果と、統合平滑誤差共分散行列の外挿結果と、を出力する。

次に、モデル信頼度制御処理４０について説明する。
モデル信頼度制御処理４０は、輝度ヒストリによる推力加速判定処理３０から入力された推力加速判定フラグＦｒが「０」の場合には、目標Ｔの推力加速が終了したものと見なして、推力加速モデルへの推移する推移確率を「０」に設定し、推力加速モデルの識別子を「１」、慣性モデルの識別子を「２」、空気抵抗モデルの識別子を「３」とした場合の推移確率の組合せを行列形式で表し、

のように定義する。
このとき、推移確率の組合せは、以下の式（６）で表される。

ただし、式（６）において、各行の要素の総和を「１」とするように、推移確率

が設定される。ここで、ｎ、ｍは、それぞれ「１」以上かつ「３」以下の値である。
たとえば、推力加速中と判定されて、推力加速判定フラグＦｒが「１」の場合には、

のすべての行が、事前に決めた所定の確率で埋まる。
また、目標Ｔの推力加速が終了したと判定されて、推力加速判定フラグＦｒが「０」の場合には、以下の式（７）のように、推力加速モデルに関わる成分を「０」とする。

ただし、式（７）において、

の各行の要素の総和を「１」とするように、推移確率

を設定する。
このように推移確率を設定することにより、慣性モデルの事前信頼度および事後信頼度の各重み付けを高く設定することができる。

また、式（７）の

は、慣性モデルおよび空気抵抗モデルが残るという推移確率の組合せであるが、目標Ｔの推力加速が終了したと判定されて、推力加速判定フラグＦｒが「０」の場合には、以下の式（８）のように、慣性モデルのみ残すように設定してもよい。

式（８）のように推移確率を設定することにより、慣性モデルの事前信頼度および事後信頼度の各重み付けをさらに高く設定することができる。

目標Ｔの推力加速が終了したと判定されて、推力加速判定フラグＦｒが「０」の場合に、式（７）のように設定するか、または、式（８）のように設定とするかは、事前にユーザが決めておくことが可能である。

以上のように、この発明の実施の形態１（図１）に係る目標追尾装置は、３つの運動フェーズ（推力加速フェーズ、慣性フェーズおよび空気抵抗フェーズ）を持つ目標Ｔを追尾するために、各運動フェーズに対応した３つの運動モデル（推力加速モデル、慣性モデルおよび空気抵抗モデル）を用いた目標追尾装置であって、検知器１０と、輝度ヒストリ解析処理２０と、輝度ヒストリによる推力加速判定処理３０と、モデル信頼度制御処理４０と、信号処理器５０と、遅延部７０、８０、９０と、推力加速モデル混合処理７１と、推力加速モデル予測処理７２と、推力加速モデル平滑処理７３と、慣性モデル混合処理８１と、慣性モデル予測処理８２と、慣性モデル平滑処理８３と、空気抵抗モデル混合処理９１と、空気抵抗モデル予測処理９２と、空気抵抗モデル平滑処理９３と、モデル信頼度算出処理１００と、統合処理１１０と、着地予測処理１２０と、を備えている。

検知器１０は、目標Ｔを観測する２Ｄセンサ１０ａを有し、２Ｄセンサ１０ａによる２Ｄセンサ観測値、２Ｄセンサ観測誤差共分散行列および輝度を含む２Ｄセンサ検出結果を出力する。
信号処理器５０は、目標Ｔを観測する３Ｄセンサ５０ａを有し、３Ｄセンサ５０ａによる３Ｄセンサ観測値および３Ｄセンサ観測誤差共分散行列を含む３Ｄセンサ検出結果を出力する。

輝度ヒストリ解析処理２０は、２Ｄセンサ検出結果から、時刻対輝度の輝度ヒストリを作成し、輝度ヒストリによる推力加速判定処理３０は、輝度ヒストリが事前に決めた輝度しきい値Ｂｔｈ１、Ｂｔｈ２との間で所定の関係を満たすか否かを判定し、輝度ヒストリに対応する仮推力加速判定フラグＦｐ、輝度ヒストリに対応する推力加速判定フラグＦｒ、ならびに、輝度ヒストリに対応する時刻および輝度ヒストリを出力する。

モデル信頼度制御処理４０は、推力加速判定フラグＦｒが「０」の場合には、目標Ｔの推力加速が終了したものと判定して、推力加速モデルへの推移確率を「０」とし、推力加速判定フラグＦｒが「１」の場合には、目標Ｔが推力加速中と判定して、事前に設定した推移確率を使用する。

推力加速モデル混合処理７１は、推力加速モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列、ならびに、推力加速モデルの平滑ベクトルおよび平滑誤差共分散行列を用いて、推力加速モデルから空気抵抗モデルまたは慣性モデルへの逆推移確率と、推力加速モデルの事前信頼度とを算出する。

遅延部７０は、推力加速モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を、１サンプリング分だけ遅延させる。
また、遅延部８０は、慣性モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を、１サンプリング分だけ遅延させ、遅延部９０は、空気抵抗モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を、１サンプリング分だけ遅延させる。

推力加速モデル予測処理７２は、カルマンフィルタの予測処理により、現時刻の推力加速モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出する。
推力加速モデル平滑処理７３は、カルマンフィルタの平滑処理により、現時刻の３Ｄセンサ検出結果または２Ｄセンサ検出結果を用いて、推力加速モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を算出する。

慣性モデル混合処理８１は、慣性モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列、ならびに、慣性モデルの平滑ベクトルおよび平滑誤差共分散行列を用いて、慣性モデルから空気抵抗モデルまたは推力加速モデルへの逆推移確率と、慣性モデルの事前信頼度とを算出する。

慣性モデル予測処理８２は、カルマンフィルタの予測処理により、現時刻の慣性モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出し、慣性モデル平滑処理８３は、カルマンフィルタの平滑処理により、現時刻の３Ｄセンサ検出結果または２Ｄセンサ検出結果を用いて、慣性モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を算出する。

空気抵抗モデル混合処理９１は、空気抵抗モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列、ならびに、空気抵抗モデルの平滑ベクトルおよび平滑誤差共分散行列を用いて、空気抵抗モデルから推力加速モデルまたは慣性モデルへの逆推移確率と、空気抵抗モデルの事前信頼度とを算出する。

空気抵抗モデル予測処理９２は、カルマンフィルタの予測処理により、現時刻の空気抵抗モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出し、空気抵抗モデル平滑処理９３は、カルマンフィルタの平滑処理により、現時刻の３Ｄセンサ検出結果または２Ｄセンサ検出結果を用いて、空気抵抗モデルに基づく平滑ベクトルおよび平滑誤差共分散行列を算出する。

モデル信頼度算出処理１００は、運動モデルごとの予測ベクトルおよび予測誤差共分散行列、ならびに、２Ｄセンサ観測誤差共分散行列または３Ｄセンサ観測誤差共分散行列を用い、３つの運動モデルごとの尤度を算出するとともに、３つの運動モデルごとの尤度および事前信頼度を用いて、３つの運動モデルごとの事後信頼度を算出する。

統合処理１１０は、運動モデルごとの平滑ベクトルおよび平滑誤差共分散行列を、運動モデルごとの事後信頼度により重み付け統合して、統合平滑ベクトルおよび統合平滑誤差共分散行列を算出する。

着地予測処理１２０は、統合平滑ベクトルおよび統合平滑誤差共分散行列を、事前に決めた目標Ｔの飛翔モデルに合わせて、着地予測点の高度が０になるまで、事前に決めた所定の外挿間隔で外挿することにより、統合平滑ベクトルの位置から着地予測点までの、所定の外挿間隔ごとの統合平滑ベクトルおよび統合平滑誤差共分散行列の各外挿結果を出力する。

これにより、この発明の実施の形態１によれば、２Ｄセンサの輝度ヒストリによる推力加速判定を行い、目標Ｔの推力加速が終了した場合には、慣性モデルの事前信頼度および事後信頼度が高くなるように推移確率を設定することにより、統合航跡のばらつきを回避して、統合航跡の判定精度を向上させることができる。
すなわち、目標Ｔの統合航跡の誤差の早期収束と、目標Ｔの着地予測位置および着地予測範囲を算出する着地予測位置誤差共分散行列の早期収束とを実現することができる。

また、従来構成と比べて、３Ｄセンサ５０ａのみでなく、一般的にレーダよりも高角度分解能であるＩＲセンサを２Ｄセンサ１０ａとして適用した場合に、統合航跡の判定精度を向上させるという効果がある。
さらに、上記のように、輝度ヒストリによる推力加速判定による効果の相乗効果により、統合航跡の判定精度をさらに向上させることができる。この結果、着地予測処理１２０の測定精度を向上させることができる。

実施の形態２．
なお、上記実施の形態１（図１）では、輝度ヒストリ解析処理２０および輝度ヒストリによる推力加速判定処理３０を用いて、輝度ヒストリに基づく判定処理を実行したが、図３のように、検出データ数による推力加速判定処理１３０を用いて、検出データ数に基づく判定処理を実行してもよい。

図３はこの発明の実施の形態２に係る目標追尾装置の全体構成を示すブロック図であり、前述（図１参照）と同様のものについては、前述と同一符号を付して詳述を省略する。
図３においては、図１内の輝度ヒストリ解析処理２０および輝度ヒストリによる推力加速判定処理３０に代えて、検出データ数による推力加速判定処理１３０を設けた点のみが前述と異なる。

検出データ数による推力加速判定処理１３０は、検知器１０からの２Ｄセンサ検出結果に含まれる検出データ数が、事前に決めた検出しきい値Ｄｔｈ１、Ｄｔｈ２（Ｄｔｈ２≧Ｄｔｈ１）との間で所定の関係を満たすか否かにより、推力加速状態を判定する。

すなわち、検出データ数による推力加速判定処理１３０は、検出データ数における或る時刻のデータ数Ｄと、各検出しきい値Ｄｔｈ１、Ｄｔｈ２との間の以下の条件（Ａ）〜（Ｃ）に応じて、仮推力加速判定フラグＦｐを「０」、「１」、「２」に設定する。

（Ａ）Ｄｔｈ１≦Ｄの場合には、目標Ｔの推力加速が終了したものと判定して、仮推力加速判定フラグＦｐを「０」に設定する。
（Ｂ）Ｄｔｈ２≧Ｄの場合には、目標Ｔが推力加速中であると判定して、仮推力加速判定フラグＦｐを「１」に設定する。
（Ｃ）Ｄｔｈ２＞Ｄ＞Ｄｔｈ１の場合には、推力加速判定を保留状態として、仮推力加速判定フラグＦｐを「２」に設定する。

続いて、検出データ数による推力加速判定処理１３０は、過去から現在までの時間において、Ｍ１サンプリング中のＮ１サンプリング（Ｍ１≧Ｎ１）の仮推力加速判定フラグＦｐが「０」を示す場合（すなわち、推力加速の終了判定が、Ｍ１サンプリング中にＮ１サンプリングだけ存在する場合）には、目標Ｔの推力加速が終了したものと判定して、最終的な推力加速判定フラグＦｒを「０」に設定する。

同様に、Ｍ１サンプリング中のＮ１サンプリングの仮推力加速判定フラグＦｐが「１」を示す場合には、目標Ｔが推力加速中であると判定して、推力加速判定フラグＦｒを「１」に設定する。
最後に、検出データ数による推力加速判定処理１３０は、検出データ数Ｄに対応する仮推力加速判定フラグＦｐおよび推力加速判定フラグＦｒと、検出データ数Ｄに対応する時刻とを、モデル信頼度制御処理４０に入力する。

以上のように、この発明の実施の形態２（図３）に係る目標追尾装置は、３つの運動フェーズ（推力加速フェーズ、慣性フェーズおよび空気抵抗フェーズ）を持つ目標Ｔを追尾するために、各運動フェーズに対応した３つの運動モデル（推力加速モデル、慣性モデルおよび空気抵抗モデル）を用いた目標追尾装置であって、検知器１０と、検出データ数による推力加速判定処理１３０と、モデル信頼度制御処理４０と、信号処理器５０と、遅延部７０、８０、９０と、推力加速モデル混合処理７１と、推力加速モデル予測処理７２と、推力加速モデル平滑処理７３と、慣性モデル混合処理８１と、慣性モデル予測処理８２と、慣性モデル平滑処理８３と、空気抵抗モデル混合処理９１と、空気抵抗モデル予測処理９２と、空気抵抗モデル平滑処理９３と、モデル信頼度算出処理１００と、統合処理１１０と、着地予測処理１２０と、を備えている。

検出データ数による推力加速判定処理１３０は、２Ｄセンサ検出結果に含まれる２Ｄセンサ１０ａの検出データ数Ｄを用いて、２Ｄセンサ検出結果に含まれる検出データ数Ｄが、事前に決めた検出しきい値Ｄｔｈ１、Ｄｔｈ２との間で所定の関係を満たすか否かにより目標Ｔの推力加速を判定し、推力加速が終了したと判定された場合に、慣性モデルの事前信頼度および事後信頼度が高くなるように推移確率を設定するとともに、検出データ数Ｄに対応する仮推力加速判定フラグＦｐ、推力加速判定フラグＦｒおよび時刻を出力する。

モデル信頼度制御処理４０は、推力加速判定フラグＦｒが「０」の場合には、目標Ｔの推力加速が終了したものと判定して、推力加速モデルへの推移確率を「０」とし、推力加速判定フラグＦｒが「１」の場合には、目標Ｔが推力加速中であると判定して、事前に設定した推移確率を使用する。

このように、２Ｄセンサ１０ａの検出データ数Ｄによる推力加速判定を行い、目標Ｔの推力加速が終了した場合には、慣性モデルの事前信頼度および事後信頼度が高くなるように推移確率を設定することにより、統合航跡の判定精度を向上させることができる。

実施の形態３．
なお、上記実施の形態２では、検知器１０におけるＳ／Ｎ環境の違いについて考慮しなかったが、図４〜図６のように、検知器１０におけるＳ／Ｎ環境の違いに応じて、検出データ数による推力加速判定処理１３０の適用状況を変更してもよい。

以下、図４〜図６を参照しながら、この発明の実施の形態３に係る検出データ数による推力加速判定処理１３０について説明する。なお、この発明の実施の形態３の全体構成は、図３に示した通りである。
図４〜図６は異なるＳ／Ｎ環境下での目標信号および不要信号と輝度しきい値Ｂｔｈとの関係を示す説明図であり、Ｓ／Ｎ環境の違いに応じて可変設定される検知器１０の輝度しきい値Ｂｔｈにより、目標信号または不要信号が検出されるか否かを示している。

図４〜図６において、検出データの輝度レベルが輝度しきい値Ｂｔｈよりも上ならば、信号が検出されるものとする。
図４〜図６のＳ／Ｎ環境の違いは、この発明の実施の形態３に係る検出データ数による推力加速判定処理１３０の適用状況と関連する。

図４は、高Ｓ／Ｎ環境（高輝度環境）での検出データと輝度しきい値Ｂｔｈとの関係を示し、目標信号が高Ｓ／Ｎ（高輝度）で検出される状態を示している。
図５および図６は、低Ｓ／Ｎ環境（低輝度環境）での検出データと低減された輝度しきい値Ｂｔｈとの関係を示しており、目標信号が低Ｓ／Ｎ（低輝度）で検出される。
ここでは、図４→図５→図６の順で、目標信号のＳ／Ｎが小さくなっており、図６では、図５よりも輝度しきい値Ｂｔｈがさらに低減されている。

まず、図４（高Ｓ／Ｎ環境）において、目標信号は、不要信号と比べて高Ｓ／Ｎで得られるので、検知器１０の輝度しきい値Ｂｔｈが高い値に設定されていて問題ない。
ただし、推力加速が終了直後の時間帯においては、目標の輝度低下により、目標信号のＳ／Ｎが徐々に低くなるので、不要信号のＳ／Ｎと同じ程度（または、それ以下）に低下することが想定される。

したがって、検知器１０は、たとえば図５のような低Ｓ／Ｎの目標信号を検出するために、図４内の輝度しきい値Ｂｔｈから図５内の輝度しきい値Ｂｔｈに低下させて、目標信号を検出しようとする。

このとき、輝度しきい値Ｂｔｈを低下させたことから、不要信号が輝度しきい値Ｂｔｈ以上になって検出される可能性があるが、この場合には、検知器１０側で追尾を行い、低Ｓ／Ｎの目標信号を加算して、目標信号をフレーム間の加算処理により、目標信号を検出しようとする。

しかし、輝度しきい値Ｂｔｈを下げて、検知器１０側で追尾を続行したとしても、たとえば、図６のように、低Ｓ／Ｎの目標信号が加算されない状況においては、不要信号が多く発生する場合が考えられる。
この場合は、推力加速が終了して、目標Ｔが低Ｓ／Ｎになったと判定できる。

したがって、検出データ数による推力加速判定処理１３０は、検知器１０において、輝度しきい値Ｂｔｈを低Ｓ／Ｎ向けに下げた場合に、不要信号および目標信号が含まれると想定される検出信号がＬ個以上検出される状況（たとえば、図６の状況）が、Ｍフレーム中のうちのＮフレーム（Ｍ≧Ｎ）ある場合に、ブースト終了と判定する。

すなわち、検出データ数による推力加速判定処理１３０は、まず、検知器１０から検出信号数および輝度しきい値Ｂｔｈを取得して、事前に設定した輝度しきい値Ｂｔｈに対する検出信号数がＬ個以上ある場合には、目標Ｔの推力加速が終了したものと見なして、仮推力加速判定フラグＦｐを「０」に設定する。

そして、検出信号がＬ個以上検出される状況が、Ｍフレーム中にＮフレームだけ存在する場合（つまり、仮推力加速判定フラグＦｐが、Ｍフレーム中Ｎフレームある場合）には、目標Ｔの推力加速が終了したと判定し、最終的な推力加速判定フラグＦｒを「０」に設定する。

以下、検出データ数による推力加速判定処理１３０は、検出データ数Ｄに対応する仮推力加速判定フラグＦｐおよび推力加速判定フラグＦｒと、検出データ数Ｄに対応する時刻とを、モデル信頼度制御処理４０に入力する。

以上のように、この実施の形態３に係る検出データ数による推力加速判定処理１３０は、検知器１０から得られる検出信号が低Ｓ／Ｎであって、検知器１０の輝度しきい値Ｂｔｈを下げなければ目標信号が検出されない状態においては、検出信号がＬ個以上の状況が、Ｍフレーム中にＮ（≦Ｍ）フレームある場合に、目標Ｔの推力加速が終了したものと判定するとともに、慣性モデルの事前信頼度および事後信頼度が高くなるように、推移確率を設定する。

このように、検出データ数による推力加速判定処理１３０は、検知器１０の輝度しきい値Ｂｔｈを下げなければ目標信号が検出されないような、目標信号が低Ｓ／Ｎで得られる場合でも、検出信号がＬ個以上の状況が、Ｍフレーム中Ｎフレームある場合に、推力加速が終了したと判定することができ、慣性モデルの事前信頼度および事後信頼度が高くなる推移確率の設定をすることにより、統合航跡の判定精度を向上させることができる。

実施の形態４．
なお、前述の実施の形態１（図１）では特に言及しなかったが、モデル信頼度制御処理４０は、目標Ｔの推力加速が終了したと判定された場合には、図７に示すように、推力加速モデルから３つの運動モデルのいずれかへの推移確率を、時間経過ごとに単調減少させるように設定してもよい。

図７はこの発明の実施の形態４に係るモデル信頼度制御処理４０による推移確率の設定動作を示す説明図である。なお、この発明の実施の形態４の全体構成は、図１に示した通りである。

図７において、モデル信頼度制御処理４０は、輝度ヒストリによる推力加速判定処理３０から、推力加速判定フラグＦｒが「０」、つまり、目標Ｔの推力加速が終了したことの判定結果が得られた場合には、推力加速モデルから推力加速モデルを含む他のモデルへの推移確率を、時間経過ごとに単調減少させていくように設定する。
なお、図７の単調減少させていく推力加速モデルに関わる推移確率のモデルは、事前に決めておく。

ここで、推力加速モデル、慣性モデルおよび空気抵抗モデルの３つの運動モデルを使用する場合には、各運動モデルに関わる各推移確率の和が「１」となるように設定する。
これにより、推力加速モデルに関わる推移確率が小さくなるにつれて、慣性モデルおよび空気抵抗モデルに関わる推移確率が大きくなる。

同様に、推力加速および慣性モデルの２つの運動モデルを使用する場合には、推力加速モデルおよび慣性モデルの推移確率の和が「１」となるように設定する。
これにより、推力加速モデルに関わる推移確率が小さくなるにつれて、慣性モデルに関わる推移確率が大きくなる。

以上のように、この実施の形態４によるモデル信頼度制御処理４０は、輝度ヒストリによる推力加速判定処理３０からの推力加速判定フラグＦｒが「０」であって、目標Ｔの推力加速が終了したことを示す判定結果が得られた場合には、推力加速モデルから３つの運動モデルのいずれかへの推移確率を、時間経過ごとに単調減少させるように設定する。

すなわち、推力加速が終了したことを判定した後に、仮に推力加速モデルの推移確率を急に「０」に低減させると、追尾フィルタの過渡応答が発生して、統合航跡の判定精度が劣化する可能性があるので、推力加速モデルの推移確率を、時間経過ごとに単調減少させる。

このように、推力加速モデルの推移確率を徐々に小さい値に設定して、推力加速モデルの影響を少なくし、一方で、空気抵抗モデルの影響や、特に慣性モデルの推移確率の影響を徐々に大きくすることにより、統合航跡の判定精度を向上させることができる。

実施の形態５．
なお、上記実施の形態４（図７）では、モデル信頼度制御処理４０は、目標Ｔの推力加速が終了したと判定された場合に、推力加速モデルから３つの運動モデルのいずれかへの推移確率を、時間経過ごとに単調減少させたが、推力加速モデルの事後信頼度を小さい値に設定してもよい。
なお、この発明の実施の形態５の全体構成は、図１に示した通りである。

この発明の実施の形態５において、モデル信頼度制御処理４０は、輝度ヒストリによる推力加速判定処理３０から得られた、輝度ヒストリに対応する推力加速判定フラグＦｒが「０」であって、目標Ｔの推力加速が終了したと判定された場合には、推力加速モデルの事後信頼度を小さい値に設定する。

このように、２Ｄセンサ１０ａの輝度ヒストリから推力加速を判定して、推力加速が終了した場合に、推力加速モデルの事後信頼度を直接小さくすることにより、実際の目標Ｔの運動が推力加速モデルから慣性モデルに移行した直後の時間帯において、推力加速モデルの事後信頼度の影響を小さくすることができ、統合航跡の判定精度を向上させることができる。

実施の形態６．
なお、上記実施の形態１（図１）では特に言及しなかったが、図８に示すように、モデル信頼度制御処理４０に関連した第２のモデル信頼度制御処理１４０を設けてもよい。
図８はこの発明の実施の形態６に係る目標追尾装置の全体構成を示すブロック図であり、前述（図１参照）と同様のものについては、前述と同一符号を付して詳述を省略する。

図８において、図１との相違点は、第２のモデル信頼度制御処理１４０および遅延部１５０が追加されたことのみである。
第２のモデル信頼度制御処理１４０の出力情報は、モデル信頼度制御処理４０およびモデル信頼度算出処理１００に入力されている。

また、多重運動モデルフィルタ６０内の遅延部１５０は、統合処理１１０の出力側に接続されており、遅延部１５０の出力情報は、第２のモデル信頼度制御処理１４０に入力されている。
遅延部１５０は、統合処理１１０から得られた、統合平滑ベクトルおよび統合平滑誤差共分散行列を、１サンプリング分だけ遅延させて第２のモデル信頼度制御処理１４０に入力する。

第２のモデル信頼度制御処理１４０は、まず、１サンプリング分だけ遅延させた統合平滑ベクトルから高度平滑位置を算出する。
続いて、第２のモデル信頼度制御処理１４０は、算出された高度平滑位置と事前に決めた高度しきい値とを比較し、高度平滑位置が高度しきい値よりも小さい状態が、現在を含む過去のＭ２フレーム中にＮ２フレーム（Ｍ２≧Ｎ２）だけ存在するか否かを判定する。

もし、高度平滑位置が高度しきい値よりも小さい状態が、Ｍ２フレーム中にＮ２フレームだけ存在すると判定された場合には、第２のモデル信頼度制御処理１４０は、空気抵抗モデルの影響が大きくなるものと見なし、事前に決めた高度しきい値対推移確率パラメータファイルを用いて、空気抵抗モデルの推移確率を大きい値に設定し、設定された空気抵抗モデルの推移確率をモデル信頼度制御処理４０に入力する。

以下、モデル信頼度制御処理４０は、第２のモデル信頼度制御処理１４０から入力された空気抵抗モデルの推移確率と、輝度ヒストリによる推力加速判定処理３０から得られる推力加速判定フラグＦｒ（ブースト判定フラグ）とを用いて、推力加速モデル、慣性モデルおよび空気抵抗モデルに関わる各推移確率を設定する。

なお、各運動モデルに関わる推移確率を設定する際には、空気抵抗モデルの推移確率を優先して設定する。
また、第２のモデル信頼度制御処理１４０において、現在を含む過去Ｍ２フレーム中のＮ２フレームにおいて、高度平滑位置が事前に決めた高度しきい値以上である場合には、空気抵抗モデルの影響が小さくなるものと判定し、事前に決めた高度しきい値対推移確率パラメータファイルを用いて、空気抵抗モデルの推移確率を小さい値に設定する。

以上のように、この実施の形態６（図８）に係る目標追尾装置は、統合平滑ベクトルから算出した高度平滑位置に応じて、空気抵抗モデルの推移確率を変更する第２のモデル信頼度制御処理１４０を備えている。
また、モデル信頼度制御処理４０は、第２のモデル信頼度制御処理１４０で可変設定された空気抵抗モデルの推移確率と、輝度ヒストリによる推力加速判定処理から得られた推力加速判定フラグＦｒ（ブースト判定フラグ）とを用いて、３つの運動モデルに関わる各推移確率を設定する。

このように、第２のモデル信頼度制御処理１４０において、１サンプリング前の統合平滑ベクトルから算出した高度平滑位置に基づいて、空気抵抗モデルの影響が大きくなると判定された場合には、空気抵抗モデルの推移確率を小さい値に設定し、逆に、空気抵抗モデルの影響が小さくなると判定された場合には、空気抵抗モデルの推移確率を小さい値に設定することにより、空気抵抗モデルの影響が事後信頼度および事前信頼度へと、反映され易くなるので、統合航跡の判定精度の早期向上を実現することができる。

Ｔ 目標、１０ 検知器、１０ａ ２Ｄセンサ、２０ 輝度ヒストリ解析処理、３０ 輝度ヒストリによる推力加速判定処理、４０ モデル信頼度制御処理、５０ 信号処理器、５０ａ ３Ｄセンサ、６０ 多重運動モデルフィルタ、７０、８０、９０、１５０ 遅延部、７１ 推力加速モデル混合処理、７２ 推力加速モデル予測処理、７３ 推力加速モデル平滑処理、８１ 慣性モデル混合処理、８２ 慣性モデル予測処理、８３ 慣性モデル平滑処理、９１ 空気抵抗モデル混合処理、９２ 空気抵抗モデル予測処理、９３ 空気抵抗モデル平滑処理、１００ モデル信頼度算出処理、１１０ 統合処理、１２０ 着地予測処理、１３０ 検出データ数による推力加速判定処理、１４０ 第２のモデル信頼度制御処理。

Claims (6)

1. ３つの運動フェーズとして、推力加速フェーズ、慣性フェーズおよび空気抵抗フェーズを持つ目標を追尾するために、前記３つの運動フェーズに対応した３つの運動モデルとして、推力加速モデル、慣性モデルおよび空気抵抗モデルを用いた目標追尾装置であって、
   前記目標を観測する２Ｄセンサを有し、前記２Ｄセンサによる２Ｄセンサ観測値、２Ｄセンサ観測誤差共分散行列および輝度を含む２Ｄセンサ検出結果を出力する検知器と、
   前記２Ｄセンサ検出結果から、時刻対輝度の輝度ヒストリを作成する輝度ヒストリ解析処理と、
   前記輝度ヒストリが事前に決めた輝度しきい値との間で所定の関係を満たすか否かを判定し、前記輝度ヒストリに対応する仮推力加速判定フラグ、前記輝度ヒストリに対応する推力加速判定フラグ、ならびに、前記輝度ヒストリに対応する時刻および輝度ヒストリを出力する、輝度ヒストリによる推力加速判定処理と、
   前記推力加速判定フラグが「０」の場合には、前記目標の推力加速が終了したものと判定して、前記推力加速モデルへの推移確率を「０」とし、前記推力加速判定フラグが「１」の場合には、前記目標が推力加速中と判定して、事前に設定した推移確率を使用するモデル信頼度制御処理と、
   前記目標を観測する３Ｄセンサを有し、前記３Ｄセンサによる３Ｄセンサ観測値および３Ｄセンサ観測誤差共分散行列を含む３Ｄセンサ検出結果を出力する信号処理器と、
   前記推力加速モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列、ならびに、前記推力加速モデルの平滑ベクトルおよび平滑誤差共分散行列を用いて、前記推力加速モデルから前記空気抵抗モデルまたは前記慣性モデルへの逆推移確率と、前記推力加速モデルの事前信頼度とを算出する、推力加速モデル混合処理と、
   前記推力加速モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を、１サンプリング分だけ遅延させる遅延部と、
   カルマンフィルタの予測処理により、現時刻の推力加速モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出する、推力加速モデル予測処理と、
   前記カルマンフィルタの平滑処理により、現時刻の３Ｄセンサ検出結果または２Ｄセンサ検出結果を用いて、前記推力加速モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を算出する、推力加速モデル平滑処理と、
   前記慣性モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列、ならびに、前記慣性モデルの平滑ベクトルおよび平滑誤差共分散行列を用いて、前記慣性モデルから前記空気抵抗モデルまたは前記推力加速モデルへの逆推移確率と、前記慣性モデルの事前信頼度とを算出する、慣性モデル混合処理と、
   前記慣性モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を、１サンプリング分だけ遅延させる遅延部と、
   前記カルマンフィルタの予測処理により、現時刻の慣性モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出する、慣性モデル予測処理と、
   前記カルマンフィルタの平滑処理により、現時刻の３Ｄセンサ検出結果または２Ｄセンサ検出結果を用いて、前記慣性モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を算出する、慣性モデル平滑処理と、
   前記空気抵抗モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列、ならびに、前記空気抵抗モデルの平滑ベクトルおよび平滑誤差共分散行列を用いて、前記空気抵抗モデルから前記推力加速モデルまたは前記慣性モデルへの逆推移確率と、前記空気抵抗モデルの事前信頼度とを算出する、空気抵抗モデル混合処理と、
   前記空気抵抗モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を、１サンプリング分だけ遅延させる遅延部と、
   前記カルマンフィルタの予測処理により、現時刻の空気抵抗モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出する、空気抵抗モデル予測処理と、
   前記カルマンフィルタの平滑処理により、現時刻の３Ｄセンサ検出結果または２Ｄセンサ検出結果を用いて、前記空気抵抗モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を算出する、空気抵抗モデル平滑処理と、
   前記３つの運動モデルごとの予測ベクトルおよび予測誤差共分散行列、ならびに、前記２Ｄセンサ観測誤差共分散行列または前記３Ｄセンサ観測誤差共分散行列を用い、前記３つの運動モデルごとの尤度を算出するとともに、前記３つの運動モデルごとの尤度および事前信頼度を用いて、前記３つの運動モデルごとの事後信頼度を算出する、モデル信頼度算出処理と、
   前記３つの運動モデルごとの平滑ベクトルおよび平滑誤差共分散行列を、前記３つの運動モデルごとの事後信頼度により重み付け統合して、統合平滑ベクトルおよび統合平滑誤差共分散行列を算出する、統合処理と、
   前記統合平滑ベクトルおよび前記統合平滑誤差共分散行列を、事前に決めた目標の飛翔モデルに合わせて、着地予測点の高度が０になるまで、事前に決めた所定の外挿間隔で外挿することにより、前記統合平滑ベクトルの位置から前記着地予測点までの、前記所定の外挿間隔ごとの前記統合平滑ベクトルおよび前記統合平滑誤差共分散行列の各外挿結果を出力する、着地予測処理と、
   を備えたことを特徴とする目標追尾装置。
2. ３つの運動フェーズとして、推力加速フェーズ、慣性フェーズおよび空気抵抗フェーズを持つ目標を追尾するために、前記３つの運動フェーズに対応した３つの運動モデルとして、推力加速モデル、慣性モデルおよび空気抵抗モデルを用いた目標追尾装置であって、
   前記目標を観測する２Ｄセンサを有し、前記２Ｄセンサによる２Ｄセンサ観測値、２Ｄセンサ観測誤差共分散行列および輝度を含む２Ｄセンサ検出結果を出力する検知器と、
   前記２Ｄセンサ検出結果に含まれる前記２Ｄセンサの検出データ数を用いて、前記２Ｄセンサ検出結果に含まれる検出データ数が、事前に決めた検出しきい値との間で所定の関係を満たすか否かにより前記目標の推力加速を判定し、前記推力加速が終了したと判定された場合に、前記慣性モデルの事前信頼度および事後信頼度が高くなるように推移確率を設定するとともに、前記検出データ数に対応する仮推力加速判定フラグ、推力加速判定フラグおよび時刻を出力する、検出データ数による推力加速判定処理と、
   前記推力加速判定フラグが「０」の場合には、前記目標の推力加速が終了したものと判定して、前記推力加速モデルへの推移確率を「０」とし、前記推力加速判定フラグが「１」の場合には、前記目標が推力加速中と判定して、事前に設定した推移確率を使用するモデル信頼度制御処理と、
   前記目標を観測する３Ｄセンサを有し、前記３Ｄセンサによる３Ｄセンサ観測値および３Ｄセンサ観測誤差共分散行列を含む３Ｄセンサ検出結果を出力する信号処理器と、
   前記推力加速モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列、ならびに、前記推力加速モデルの平滑ベクトルおよび平滑誤差共分散行列を用いて、前記推力加速モデルから前記空気抵抗モデルまたは前記慣性モデルへの逆推移確率と、前記推力加速モデルの事前信頼度とを算出する、推力加速モデル混合処理と、
   前記推力加速モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を、１サンプリング分だけ遅延させる遅延部と、
   カルマンフィルタの予測処理により、現時刻の推力加速モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出する、推力加速モデル予測処理と、
   前記カルマンフィルタの平滑処理により、現時刻の３Ｄセンサ検出結果または２Ｄセンサ検出結果を用いて、前記推力加速モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を算出する、推力加速モデル平滑処理と、
   前記慣性モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列、ならびに、前記慣性モデルの平滑ベクトルおよび平滑誤差共分散行列を用いて、前記慣性モデルから前記空気抵抗モデルまたは前記推力加速モデルへの逆推移確率と、前記慣性モデルの事前信頼度とを算出する、慣性モデル混合処理と、
   前記慣性モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を、１サンプリング分だけ遅延させる遅延部と、
   前記カルマンフィルタの予測処理により、現時刻の慣性モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出する、慣性モデル予測処理と、
   前記カルマンフィルタの平滑処理により、現時刻の３Ｄセンサ検出結果または２Ｄセンサ検出結果を用いて、前記慣性モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を算出する、慣性モデル平滑処理と、
   前記空気抵抗モデルに基づく混合平滑ベクトルおよび混合平滑誤差共分散行列、ならびに、前記空気抵抗モデルの平滑ベクトルおよび平滑誤差共分散行列を用いて、前記空気抵抗モデルから前記推力加速モデルまたは前記慣性モデルへの逆推移確率と、前記空気抵抗モデルの事前信頼度とを算出する、空気抵抗モデル混合処理と、
   前記空気抵抗モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を、１サンプリング分だけ遅延させる遅延部と、
   前記カルマンフィルタの予測処理により、現時刻の空気抵抗モデルに基づく予測ベクトルおよび予測誤差共分散行列を算出する、空気抵抗モデル予測処理と、
   前記カルマンフィルタの平滑処理により、現時刻の３Ｄセンサ検出結果または２Ｄセンサ検出結果を用いて、前記空気抵抗モデルに基づく前記平滑ベクトルおよび前記平滑誤差共分散行列を算出する、空気抵抗モデル平滑処理と、
   前記３つの運動モデルごとの予測ベクトルおよび予測誤差共分散行列、ならびに、前記２Ｄセンサ観測誤差共分散行列または前記３Ｄセンサ観測誤差共分散行列を用いて、前記３つの運動モデルごとの尤度を算出するとともに、前記３つの運動モデルごとの尤度および事前信頼度を用いて、前記３つの運動モデルごとの事後信頼度を算出する、モデル信頼度算出処理と、
   前記３つの運動モデルごとの平滑ベクトルおよび平滑誤差共分散行列を、前記３つの運動モデルごとの事後信頼度により重み付け統合して、統合平滑ベクトルおよび統合平滑誤差共分散行列を算出する、統合処理と、
   前記統合平滑ベクトルおよび前記統合平滑誤差共分散行列を、事前に決めた目標の飛翔モデルに合わせて、着地予測点の高度が０になるまで、事前に決めた所定の外挿間隔で外挿することにより、前記統合平滑ベクトルの位置から前記着地予測点までの、前記所定の外挿間隔ごとの前記統合平滑ベクトルおよび前記統合平滑誤差共分散行列の各外挿結果を出力する、着地予測処理と、
   を備えたことを特徴とする目標追尾装置。
3. 前記検出データ数による推力加速判定処理は、
   前記検知器から得られる検出信号が低Ｓ／Ｎであって、前記検知器の輝度しきい値を下げなければ目標信号が検出されない状態においては、前記検出信号がＬ個以上の状況が、Ｍフレーム中にＮ（≦Ｍ）フレームある場合に、前記目標の推力加速が終了したものと判定するとともに、前記慣性モデルの事前信頼度および事後信頼度が高くなるように、前記推移確率を設定することを特徴とする請求項２に記載の目標追尾装置。
4. 前記モデル信頼度制御処理は、
   前記輝度ヒストリによる推力加速判定処理からの前記推力加速判定フラグが「０」であって、前記目標の推力加速が終了したことを示す判定結果が得られた場合には、前記推力加速モデルから前記３つの運動モデルのいずれかへの推移確率を、時間経過ごとに単調減少させるように設定することを特徴とする請求項１に記載の目標追尾装置。
5. 前記モデル信頼度制御処理は、
   前記輝度ヒストリによる推力加速判定処理から得られた、前記輝度ヒストリに対応する推力加速判定フラグが「０」であって、前記目標の推力加速が終了したと判定された場合には、前記推力加速モデルの事後信頼度を小さい値に設定することを特徴とする請求項１に記載の目標追尾装置。
6. 前記統合平滑ベクトルから算出した高度平滑位置に応じて、前記空気抵抗モデルの推移確率を変更する第２のモデル信頼度制御処理を備え、
   前記モデル信頼度制御処理は、前記空気抵抗モデルの推移確率と、前記輝度ヒストリによる推力加速判定処理から得られた前記ブースト判定フラグとを用いて、前記３つの運動モデルに関わる各推移確率を設定することを特徴とする請求項１に記載の目標追尾装置。

Images