JP2015121473A - 目標追尾装置及び目標追尾方法 - Google Patents

Abstract

【課題】目標の種別が複数存在する状況下でも、高精度な目標の航跡を生成することができるようにする。
【解決手段】分解仮説尤度算出部９により算出された分解後の各仮説の尤度から、統合仮説の尤度を算出する相関仮説統合部１０を設け、航跡選別部１２が、航跡尤度算出部６により算出された各目標の航跡の尤度と、相関仮説統合部１０により算出された相関仮説の尤度とを用いて、各目標の航跡の信頼度を算出し、その統合仮説に含まれている各目標の航跡の中で、その信頼度が閾値より大きい航跡を選択する。
【選択図】図１

Description

この発明は、レーダセンサの観測信号に含まれている各目標の観測位置を用いて、各目標の航跡を生成する目標追尾装置及び目標追尾方法に関するものである。

レーダセンサの観測信号（観測値）に含まれている各目標の観測位置を用いて、各目標の航跡を生成する目標追尾装置では、レーダセンサの観測信号に含まれている観測位置が、どの目標に対するものであるかを判別する相関決定処理を実施する必要がある。
ただし、複数の目標が狭い領域に密集しているような場合には、目標と観測位置の相関を決定することが困難になることがある。
そこで、多くの目標が近接して存在する状況や、不要信号が高頻度で発生している状況下でも、目標と観測位置の相関を決定することが可能な目標追尾装置については、近年、様々な提案がなされている。

以下の特許文献１には、相関決定アルゴリズムとして、ＭＨＴ（Ｍｕｌｔｉｐｌｅ Ｈｙｐｏｔｈｅｓｉｓ Ｔｒａｃｋｉｎｇ）を用いる目標追尾装置が開示されており、この目標追尾装置では、複数の目標の航跡が組み合わされている相関仮説を複数生成して、複数の相関仮説の信頼度（尤もらしさ）を算出し、その信頼度に基づいて、相関仮説を取捨選択するようにしている。

この目標追尾装置では、相関仮説Ω_i ^kの信頼度β_k,iを下記の式（１）にしたがって算出する。

式（１）において、γ_k,iは相関仮説Ω_i ^kの尤度であり、信頼度β_k,iは尤度γ_k,iを正規化したものである。

全相関仮説の信頼度β_k,iの和は１．０となり、相関仮説Ω_i ^kの親仮説をΩ_g ^k-1とする。
相関仮説Ω_i ^kの尤度γ_k,iは、下記の式（２）にしたがって算出される。

式（２）において、β_k-1,p(i)は更新前の相関仮説の信頼度であり、Ｎ_TRKは更新前の相関仮説に含まれている既存の航跡の数である。
また、Ｎ_DTは更新前の相関仮説に含まれている既存の航跡の中で、最新の観測時刻の観測値と相関している航跡の数、Ｎ_FTは相関仮説に含まれている不要信号の数、Ｎ_NTは相関仮説に含まれる新たな航跡の数である。
Ｐ_Dはセンサの探知確率、Ｐ_Gはゲート内捕捉確率、β_FTは観測空間における誤警報等の発生頻度を示す不要信号密度、β_NTは新目標密度である。

また、ｇ_m,nは観測値が得られた場合の既存の航跡の尤度であり、観測誤差の分布としてガウス分布を仮定すると、下記の式（３）にしたがって算出される。

式（３）において、ｚ_mは観測位置ベクトル、ｚ_nハット（明細書の文書中では、電子出願の関係上、文字の上に“＾”の記号を付することができないので、「ｚ_nハット」のように表記している）は予測観測位置ベクトル、Ｓ_nは残差共分散行列である。

式（３）の尤度計算式は、Ｂａｙｅｓ推定の考え方に基づいて、ある観測値群が得られた場合に、該当仮説が成立する確率をＢａｙｅｓの定理を用いて展開することで導出することができる。
また、この尤度計算式は、相関仮説に含まれている各航跡と観測値との各々の相関結果に関する尤度の積として表される。
この尤度計算式における各項は、先頭から順番に、前観測時刻で生成された更新前の相関仮説の尤度、既存の航跡が観測値と相関しているとする推定の尤度、既存の航跡が探知抜けを起こしているとする推定の尤度、観測値を不要信号とする推定の尤度、観測値を新目標とする推定の尤度である。

以下の特許文献２には、観測位置以外の情報を用いて、上記の相関仮説Ω_i ^kの信頼度β_k,iを重み付けすることで、より確度が高い相関決定を行っている目標追尾装置が開示されている。
即ち、この目標追尾装置では、下記の式（４），（５）に示すように、レーダセンサより得られた観測信号の振幅による確率密度関数で相関仮説の信頼度β_k,iを重み付けしている。

式（５）において、ｇ_sは目標から得られる観測信号の信号強度が該当する値である確率密度、ｇ_nは誤警報の信号強度が該当する値である確率密度である。これらの確率密度は事前の解析等によって既知であるとしている。

特開平８−２７１６１７号公報 特開２００５−３３１４９８号公報

従来の目標追尾装置は以上のように構成されているので、目標の種別が１種類だけであれば、観測位置以外の情報を用いて、相関仮説Ω_i ^kの信頼度β_k,iを重み付けすることで、より確度が高い相関決定を行うことができる。しかし、目標の種別が複数存在する状況下では、相関仮説Ω_i ^kの信頼度β_k,iを適正に重み付けすることができない。特に、レーダセンサの観測信号に含まれている目標の種別を特定しても、各目標についての種別の確率が１００％でない状況下では、相関仮説Ω_i ^kの信頼度β_k,iを適正に重み付けすることができない。このため、目標の種別が複数存在する状況下では、高精度な目標の航跡を生成することができない課題があった。

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、目標の種別が複数存在する状況下でも、高精度な目標の航跡を生成することができる目標追尾装置及び目標追尾方法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、レーダセンサの観測信号に含まれている各目標の観測位置を用いて、各目標の移動位置を予測する追尾処理を実施することで、各目標の航跡を生成するとともに、各目標の航跡の組み合わせからなる相関仮説を生成する目標追尾手段と、目標追尾手段により予測された移動位置と観測位置を用いて、その航跡の尤度を算出する航跡尤度算出手段と、その観測信号に含まれている各目標の種別を特定するとともに、各目標についての種別の確率を算出する種別特定手段と、種別特定手段により特定された種別毎に、目標追尾手段により生成された相関仮説を分解し、種別特定手段により算出された確率を用いて、分解後の各仮説の尤度を算出する分解仮説尤度算出手段と、分解仮説尤度算出手段により算出された分解後の各仮説の尤度から、その相関仮説の尤度を算出する相関仮説尤度算出手段とを設け、航跡選別手段が、航跡尤度算出手段により算出された航跡の尤度と相関仮説尤度算出手段により算出された相関仮説の尤度から各目標の航跡の信頼度を算出し、各目標の航跡の中で、その信頼度が閾値より大きい航跡を選択するようにしたものである。

この発明によれば、レーダセンサの観測信号に含まれている各目標の観測位置を用いて、各目標の移動位置を予測する追尾処理を実施することで、各目標の航跡を生成するとともに、各目標の航跡の組み合わせからなる相関仮説を生成する目標追尾手段と、目標追尾手段により予測された移動位置と観測位置を用いて、その航跡の尤度を算出する航跡尤度算出手段と、その観測信号に含まれている各目標の種別を特定するとともに、各目標についての種別の確率を算出する種別特定手段と、種別特定手段により特定された種別毎に、目標追尾手段により生成された相関仮説を分解し、種別特定手段により算出された確率を用いて、分解後の各仮説の尤度を算出する分解仮説尤度算出手段と、分解仮説尤度算出手段により算出された分解後の各仮説の尤度から、その相関仮説の尤度を算出する相関仮説尤度算出手段とを設け、航跡選別手段が、航跡尤度算出手段により算出された航跡の尤度と相関仮説尤度算出手段により算出された相関仮説の尤度から各目標の航跡の信頼度を算出し、各目標の航跡の中で、その信頼度が閾値より大きい航跡を選択するように構成したので、目標の種別が複数存在する状況下でも、高精度な目標の航跡を生成することができる効果がある。

この発明の実施の形態１による目標追尾装置を示す構成図である。 この発明の実施の形態１による目標追尾装置の処理内容（目標追尾方法）を示すフローチャートである。 時刻ｔ１〜ｔ４の観測信号に含まれている位置情報から特定される目標の観測位置（Ｘ−Ｙ平面上の位置）の一例を示す説明図である。 相関仮説生成部５により生成された相関仮説の一例を示す説明図である。 観測信号がレーダ画像である場合の識別処理部７の識別処理の概要を示す説明図である。 観測情報に含まれている位置情報と観測情報の一例を示す説明図である。 時刻ｔ１〜ｔ４の観測信号間の対応関係の一例を示す説明図である。 時刻ｔ１〜ｔ４の観測信号間の対応関係の一例を示す説明図である。 相関仮説分解部８により相関仮説が分解された仮説（分解仮説）の一例を示す説明図である。

実施の形態１．
図１はこの発明の実施の形態１による目標追尾装置を示す構成図である。
図１において、レーダセンサ１は図示せぬレーダ装置に搭載されているセンサであり、例えば、レーダ装置から放射されたのち、目標（例えば、飛行機）に反射されて戻ってきた電波や、目標に搭載されている発信器から送信された電波などを観測し、電波等の観測結果を示す観測信号を信号処理部２及び識別処理部７に出力する処理を実施する。
信号処理部２はレーダセンサ１から出力された観測信号に対する所定の信号処理（例えば、Ａ／Ｄ変換処理、ＦＦＴ処理、閾値による検出処理など）を実施することで、その観測信号に含まれている各目標の観測位置を示す情報を抽出する処理を実施する。

追尾フィルタ部３は信号処理部２により抽出された各目標の観測位置と、航跡記憶部４により記憶されている１観測時刻前までの既存の航跡とを用いて、各目標の移動位置を予測する公知の目標追尾処理（例えば、カルマンフィルタ処理）を実施することで、各目標の航跡を新たに生成する処理を実施する。航跡の新たな生成には、初めて航跡を生成する他に、旧航跡の更新も含まれる。
航跡記憶部４は例えばＲＡＭやハードディスクなどの記憶装置から構成されており、追尾フィルタ部３により生成された航跡を記憶する。
相関仮説生成部５は追尾フィルタ部３により生成された各目標の航跡の組み合わせからなる相関仮説を生成する処理を実施する。
なお、信号処理部２、追尾フィルタ部３、航跡記憶部４及び相関仮説生成部５から目標追尾手段が構成されている。

航跡尤度算出部６は追尾フィルタ部３により予測された各目標の移動位置と、信号処理部２により抽出された各目標の観測位置とを用いて、追尾フィルタ部３により生成された各目標の航跡の尤度を算出する処理を実施する。なお、航跡尤度算出部６は航跡尤度算出手段を構成している。
識別処理部７はレーダセンサ１から出力された観測信号に含まれている様々な情報を基に観測された目標の種別（例えば、「固定翼機」、「回転翼機」など）を判定するとともに、その判定した種別に該当する確率を算出する処理を実施する。なお、識別処理部７は種別特定手段を構成している。

相関仮説分解部８は識別処理部７により特定された種別毎に、相関仮説生成部５により生成された相関仮説を分解する処理を実施する。
分解仮説尤度算出部９は識別処理部７により算出された確率を用いて、相関仮説分解部８により分解された各仮説の尤度を算出する処理を実施する。
なお、相関仮説分解部８及び分解仮説尤度算出部９から分解仮説尤度算出手段が構成されている。

相関仮説統合部１０は相関仮説分解部８により分解された各仮説を統合して、元の相関仮説（統合仮説）を復元するとともに、分解仮説尤度算出部９により算出された分解後の各仮説の尤度から、その統合仮説の尤度を算出する処理を実施する。なお、相関仮説統合部１０は相関仮説尤度算出手段を構成している。
相関仮説記憶部１１は例えばＲＡＭやハードディスクなどの記憶装置から構成されており、相関仮説統合部１０により復元された相関仮説（統合仮説）を記憶する。

航跡選別部１２は航跡尤度算出部６により算出された各目標の航跡の尤度と、相関仮説統合部１０により算出された相関仮説の尤度とを用いて、各目標の航跡の信頼度を算出する処理を実施する。
また、航跡選別部１２は相関仮説統合部１０により復元された相関仮説（統合仮説）に含まれている各目標の航跡の中で、その信頼度が閾値より大きい航跡を選択し、その選択した航跡を出力する処理を実施する。なお、航跡選別部１２は航跡選別手段を構成している。

図１の例では、目標追尾装置の構成要素である信号処理部２、追尾フィルタ部３、航跡記憶部４、相関仮説生成部５、航跡尤度算出部６、識別処理部７、相関仮説分解部８、分解仮説尤度算出部９、相関仮説統合部１０、相関仮説記憶部１１及び航跡選別部１２のそれぞれが専用のハードウェア（航跡記憶部４及び相関仮説記憶部１１以外の構成要素は、例えば、ＣＰＵを実装している半導体集積回路、あるいは、ワンチップマイコンなど）で構成されているものを想定しているが、目標追尾装置の全部又は一部がコンピュータで構成されていてもよい。
例えば、目標追尾装置の全部をコンピュータで構成する場合、航跡記憶部４及び相関仮説記憶部１１をコンピュータのメモリ上に構成するとともに、信号処理部２、追尾フィルタ部３、相関仮説生成部５、航跡尤度算出部６、識別処理部７、相関仮説分解部８、分解仮説尤度算出部９、相関仮説統合部１０及び航跡選別部１２の処理内容を記述しているプログラムをコンピュータのメモリに格納し、当該コンピュータのＣＰＵが当該メモリに格納されているプログラムを実行するようにすればよい。
図２はこの発明の実施の形態１による目標追尾装置の処理内容（目標追尾方法）を示すフローチャートである。
なお、図２は定期的に実行する追尾処理の１観測時間分の処理の流れを示しており、目標を観測する度に、目標追尾装置が図２の全体の処理を１回だけ行う。

この実施の形態１では、説明の便宜上、目標の種別が種別Ａ，種別Ｂの２種類であるものとする。
また、レーダセンサ１から出力される観測信号には目標信号だけが含まれており、目標以外の信号が含まれていない（誤警報等が発生していない）ものとする。
なお、追尾入力として、下記の（１）〜（３）を前提とする。
（１）レーダセンサ１は、目標の識別と測距測角を同時に実行しており、観測信号における目標信号には、目標の位置情報（距離、方位）と識別情報（種別を示す情報）が含まれている。
（２）目標の識別情報は目標追尾に遅延なく入力される。
（３）目標の位置情報と識別情報は全て正しく対応付けられている。

次に動作について説明する。
レーダセンサ１は、例えば、レーダ装置から放射されたのち、目標に反射されて戻ってきた電波、あるいは、目標に搭載されている発信器から送信された電波などを観測し、電波等の観測結果を示す観測信号を信号処理部２及び識別処理部７に出力する。
この観測信号には、上述したように、目標信号だけが含まれており、また、その目標信号には、目標の位置情報と識別情報が含まれている。

信号処理部２は、レーダセンサ１から観測信号を受けると、その観測信号に対する所定の信号処理（例えば、Ａ／Ｄ変換処理、ＦＦＴ処理、閾値による検出処理など）を実施することで、その観測信号に含まれている位置情報を抽出し、その位置情報が示す各目標の観測位置ｚ_k,jを追尾フィルタ部３及び航跡尤度算出部６に出力する。観測位置ｚ_k,jにおけるｋは観測時刻を示し、ｊは目標を識別するパラメータである。
ここで、図３は時刻ｔ１〜ｔ４の観測信号に含まれている位置情報から特定される目標の観測位置（Ｘ−Ｙ平面上の位置）の一例を示す説明図である。図３では、説明の簡単化のために、Ｘ−Ｙ平面上の観測位置を示しているが、高度を含む３次元の観測位置であってもよい。
図３の例では、時刻ｔ１，ｔ３，ｔ４において、２つの目標の位置情報が観測されているが、時刻ｔ２では、３つの目標の位置情報が観測されている。

追尾フィルタ部３は、信号処理部２から観測時刻ｋにおける各目標の観測位置ｚ_k,jを受けると、各目標の観測位置ｚ_k,jと、航跡記憶部４により記憶されている観測時刻ｋ−１（１観測時刻前）までの既存の航跡（旧航跡）とを用いて、各目標の移動位置を予測する公知の目標追尾処理（例えば、カルマンフィルタ処理）を実施することで、各目標の航跡を新たに生成する（図２のステップＳＴ１）。
以下、追尾フィルタ部３の処理内容を具体的に説明する。

追尾フィルタ部３は、信号処理部２から観測時刻ｋにおける各目標の観測位置ｚ_k,jを受けると、その観測位置ｚ_k,jに含まれている雑音を除去してから、各目標の運動諸元を計算する。
即ち、追尾フィルタ部３は、観測時刻ｋ−１までの旧航跡の平滑値をｘ_k-1|k-1、観測時刻ｋ−１までの旧航跡の誤差共分散行列をＰ_k-1|k-1として、下記の式（６），（７）に示す予測処理計算を行うことで、ｘ_k|k-1とＰ_k|k-1を算出する。

ここで、Φ_kは推移行列、Ｑ_kは駆動雑音共分散行列である。

追尾フィルタ部３は、ｘ_k|k-1とＰ_k|k-1を算出すると、観測時刻ｋにおける各目標の観測位置ｚ_k,jを観測時刻ｋ−１までの旧航跡に対応付けることが可能であるか否かを判定する。
具体的には、下記の式（８）が成立すれば、対応付けることが可能であり、下記の式（８）が成立しなければ、対応付けることができないと判定する。

式（８）において、ｄはカイ平方検定で利用するゲートサイズパラメータであり、Ｈ_kは観測行列である。
また、Ｓ_kは残差共分散行列であり、下記の式（９）によって算出する。

式（９）において、Ｒ_kは観測誤差共分散行列であり、レーダ装置の距離の観測誤差標準偏差と角度の観測誤差標準偏差から算出される。

追尾フィルタ部３は、式（８）が成立しており、観測時刻ｋにおける各目標の観測位置ｚ_k,jを観測時刻ｋ−１までの旧航跡に対応付けることが可能であると判定すると、下記の式（１０），（１１）に示す平滑処理計算を行うことで、各目標の移動位置ｘ_k|k（最新の目標の運動諸元の推定値）と、その誤差共分散Ｐ_k|kとを算出する。

ここで、Ｋ_kはカルマンゲインであり、下記の式（１２）によって算出する。

追尾フィルタ部３は、各目標の移動位置ｘ_k|k（最新の目標の運動諸元の推定値）を算出すると、その移動位置ｘ_k|kを対応付けが可能な旧航跡に付加することで、新たな航跡を生成し、新たな航跡を航跡記憶部４及び相関仮説生成部５に出力する。

相関仮説生成部５は、追尾フィルタ部３が各目標の航跡を新たに生成すると、各目標の航跡を組み合わせることで、各航跡の組み合わせからなる相関仮説を生成する（ステップＳＴ２）。
ここで、図４は相関仮説生成部５により生成された相関仮説の一例を示す説明図である。
図４の例では、２つの相関仮説（１），（２）だけを示しているが、可能な航跡の組み合わせ分だけ、相関仮説が生成される。
相関仮説（１）は、２つの航跡（実線で示す航跡Ｗ１、破線で示す航跡Ｗ２）を含んでおり、相関仮説（２）は、２つの航跡（実線で示す航跡Ｗ３、破線で示す航跡Ｗ４）を含んでいる。
なお、相関仮説（１），（２）に含まれる各航跡は、同じ観測位置を共有してはいけない条件がある。

航跡尤度算出部６は、追尾フィルタ部３が観測時刻ｋにおける各目標の移動位置ｘ_k|k（最新の目標の運動諸元の推定値）を算出すると、観測時刻ｋにおける各目標の移動位置ｘ_k|kと、信号処理部２から出力された観測時刻ｋにおける各目標の観測位置ｚ_k,jとを用いて、追尾フィルタ部３により生成された各目標の航跡Ｗ１〜Ｗ４の尤度γ_k（位置観測値に基づく航跡の尤度）を算出する（ステップＳＴ３）。

即ち、航跡尤度算出部６は、観測時刻ｋにおいて、追尾フィルタ部３により初めて生成された航跡の尤度γ_kについては、下記の式（１３）のように算出する。

式（１３）において、β_NTは観測領域上の新目標密度であり、事前に設定される追尾パラメータである。
観測時刻ｋ−１までの旧航跡に移動位置ｘ_k|kが対応付けられて生成された航跡の尤度γ_kについては、下記の式（１４）のように算出する。

式（１４）において、γ_k-1は観測時刻ｋ−１までの旧航跡の尤度である。

識別処理部７は、レーダセンサ１から観測信号を受けると、その観測信号に含まれている識別情報を抽出し、その識別情報を参照して、各目標の種別を特定する（ステップＳＴ４）。この実施の形態１では、２つの目標が種別Ａであるのか、種別Ｂであるのかを特定する。
ここでは、観測信号に含まれている識別情報を参照することで、各目標の種別を特定する例を示しているが、識別情報が観測信号に含まれていない場合には、例えば、次のようにして、各目標の種別を特定する。
図５は観測信号がレーダ画像である場合の識別処理部７の識別処理の概要を示す説明図である。
図５の例では、レーダ画像から目標部分の画像（例えば、閉領域の画像）を切出し、その切出した画像と、予め用意している機種毎のレーダ画像とのパターンマッチングを行うことで、目標の種別を特定している。

また、識別処理部７は、公知の確率算出処理を実施することで、各目標についての種別の確率を算出する（ステップＳＴ４）。
例えば、目標の種別がＡであると特定すれば、目標が種別Ａである確率を算出し、目標の種別がＢであると特定すれば、目標が種別Ｂである確率を算出する。
ここでは、識別処理部７が、各目標についての種別の確率を算出する例を示しているが、観測信号に含まれている識別情報内に種別の確率が含まれていれば、その識別情報を参照して、種別の確率を特定するようにしてもよい。
図６は観測情報に含まれている位置情報と観測情報の一例を示す説明図である。図６の例では、識別情報内に目標の種別と確率が含まれている。

ここで、図７及び図８は時刻ｔ１〜ｔ４の観測信号間の対応関係の一例を示す説明図である。
一方の目標が種別Ａである確率が１００％、他方の目標が種別Ｂである確率が１００％である場合、各目標の観測位置を考慮しなくても、図７に示すように、目標の種別だけで、時刻ｔ１〜ｔ４の観測信号を対応付けることが可能である。
これに対して、種別Ａである確率や、種別Ｂである確率が１００％ではなく、種別の特定が曖昧である場合（低Ｓ／Ｎ環境下では、レーダ画像が不鮮明になり、種別の特定が曖昧になることがある）、図８に示すように、目標の種別だけで、時刻ｔ１〜ｔ４の観測信号を対応付けることができない。したがって、後述するように、各目標の観測位置を考慮して、時刻ｔ１〜ｔ４の観測信号を対応付ける必要がある。

相関仮説分解部８は、相関仮説生成部５が相関仮説を生成し、識別処理部７が各目標の種別を特定すると、識別処理部７により特定された種別毎に、相関仮説生成部５により生成された相関仮説を分解する（ステップＳＴ５）。
ここで、図９は相関仮説分解部８により相関仮説が分解された仮説（分解仮説）の一例を示す説明図である。
相関仮説（１）は航跡Ｗ１，Ｗ２を含み、相関仮説（２）は航跡Ｗ３，Ｗ４を含んでおり、目標の種別はＡ又はＢであるので、図９に示すように、相関仮説（１），（２）は共に４つの仮説に分解される。

即ち、相関仮説（１）は、下記に示すように、分解仮説（１）−ａ，（１）−ｂ，（１）−ｃ，（１）−ｄに分解される。
分解仮説（１）−ａ ： 航跡Ｗ１→種別Ａ 航跡Ｗ２→種別Ａ
分解仮説（１）−ｂ ： 航跡Ｗ１→種別Ａ 航跡Ｗ２→種別Ｂ
分解仮説（１）−ｃ ： 航跡Ｗ１→種別Ｂ 航跡Ｗ２→種別Ａ
分解仮説（１）−ｄ ： 航跡Ｗ１→種別Ｂ 航跡Ｗ２→種別Ｂ
ここで、「航跡Ｗ１→種別Ａ」は、航跡Ｗ１として追尾されている目標の種別はＡであることを示している。
また、相関仮説（２）は、下記に示すように、分解仮説（２）−ａ，（２）−ｂ，（２）−ｃ，（２）−ｄに分解される。
分解仮説（２）−ａ ： 航跡Ｗ３→種別Ａ 航跡Ｗ４→種別Ａ
分解仮説（２）−ｂ ： 航跡Ｗ３→種別Ａ 航跡Ｗ４→種別Ｂ
分解仮説（２）−ｃ ： 航跡Ｗ３→種別Ｂ 航跡Ｗ４→種別Ａ
分解仮説（２）−ｄ ： 航跡Ｗ３→種別Ｂ 航跡Ｗ４→種別Ｂ

分解仮説尤度算出部９は、相関仮説分解部８が相関仮説（１），（２）を分解すると、識別処理部７により算出された確率を用いて、分解仮説（１）−ａ〜（１）−ｄ，（２）−ａ〜（２）−ｄの尤度を算出する（ステップＳＴ６）。
例えば、分解仮説の尤度（識別情報に基づく尤度）は、当該分解仮説に含まれている２つの航跡に対応する種別の確率の積として算出される。
例えば、各観測時刻で得られる観測信号の識別情報において、該当目標である確率が６０％、非該当目標である確率が４０％である場合、観測対象の種別がＡであれば、「種別Ａの確率は６０％、種別Ｂの確率は４０％」となる。
逆に、観測対象の種別がＢであれば、「種別Ａの確率は４０％、種別Ｂの確率は６０％」となる。
このとき、相関仮説（１）に含まれている航跡Ｗ１，Ｗ２は、採択する観測信号の発生源の目標の時系列が、下記の通りとなる正解の航跡であるものとする。
航跡Ｗ１：Ａ，Ａ，Ａ，Ａ，Ａ，Ａ，・・・・・
航跡Ｗ２：Ｂ，Ｂ，Ｂ，Ｂ，Ｂ，Ｂ，・・・・・
一方、相関仮説（２）に含まれている航跡Ｗ３，Ｗ４は、採択する観測信号の発生源の目標の時系列が、下記の通りとなる誤相関の航跡であるものとする。
航跡Ｗ３：Ａ，Ｂ，Ａ，Ｂ，Ａ，Ｂ，・・・・・
航跡Ｗ４：Ｂ，Ａ，Ｂ，Ａ，Ｂ，Ａ，・・・・・

この場合、分解仮説（１）−ａ〜（１）−ｄ，（２）−ａ〜（２）−ｄの尤度は、下記のようになる。
分解仮説（１）−ａの尤度 ＝０．６^k×０．４^k
分解仮説（１）−ｂの尤度 ＝０．６^k×０．６^k
分解仮説（１）−ｃの尤度 ＝０．４^k×０．４^k
分解仮説（１）−ｄの尤度 ＝０．４^k×０．６^k
分解仮説（２）−ａの尤度 ＝（０．６×０．４×０．６×・・・）
×（０．４×０．６×０．４×・・・）
分解仮説（２）−ｂの尤度 ＝（０．６×０．４×０．６×・・・）
×（０．６×０．４×０．６×・・・）
分解仮説（２）−ｃの尤度 ＝（０．４×０．６×０．４×・・・）
×（０．４×０．６×０．４×・・・）
分解仮説（２）−ｄの尤度 ＝（０．４×０．６×０．４×・・・）
×（０．６×０．４×０．６×・・・）

相関仮説統合部１０は、相関仮説分解部８により分解された各仮説を統合して、元の相関仮説（統合仮説）を復元する（ステップＳＴ７）。
即ち、相関仮説統合部１０は、図９に示すように、分解仮説（１）−ａ〜（１）−ｄを統合して、元の相関仮説（１）を復元するとともに、分解仮説（２）−ａ〜（２）−ｄを統合して、元の相関仮説（２）を復元する。
また、相関仮説統合部１０は、統合仮説である相関仮説（１）の尤度として、分解仮説（１）−ａ〜（１）−ｄの尤度の和を算出し、統合仮説である相関仮説（２）の尤度として、分解仮説（２）−ａ〜（２）−ｄの尤度の和を算出する（ステップＳＴ８）。
統合仮説である相関仮説（１）の尤度
＝２×（０．６^k×０．４^k）＋（０．６^k×０．６^k）＋（０．４^k×０．４^k）
統合仮説である相関仮説（２）の尤度
＝２×｛（０．６×０．４×０．６×…）×（０．４×０．６×０．４×…）｝
＋（０．６×０．４×０．６×…）×（０．６×０．４×０．６×…）
＋（０．４×０．６×０．４×…）×（０．４×０．６×０．４×…）

航跡選別部１２は、航跡尤度算出部６が各目標の航跡Ｗ１〜Ｗ４の尤度γ_k（位置観測値に基づく航跡の尤度）を算出すると、位置観測値に基づく相関仮説（１）の尤度として、航跡Ｗ１の尤度γ_kと航跡Ｗ２の尤度γ_kの和を算出するとともに、位置観測値に基づく相関仮説（２）の尤度として、航跡Ｗ３の尤度γ_kと航跡Ｗ４の尤度γ_kの和を算出する。
そして、航跡選別部１２は、相関仮説（１）の信頼度として、位置観測値に基づく相関仮説（１）の尤度と、相関仮説統合部１０により算出された統合仮説である相関仮説（１）の尤度との積を算出する。
同様に、相関仮説（２）の信頼度として、位置観測値に基づく相関仮説（２）の尤度と、相関仮説統合部１０により算出された統合仮説である相関仮説（２）の尤度との積を算出する。
相関仮説（１）の信頼度
＝（位置観測値に基づく相関仮説（１）の尤度）×（統合仮説（１）の尤度）
相関仮説（２）の信頼度
＝（位置観測値に基づく相関仮説（２）の尤度）×（統合仮説（２）の尤度）

航跡選別部１２は、相関仮説（１），（２）の信頼度を算出すると、その相関仮説（１）の信頼度から、相関仮説（１）に含まれている航跡Ｗ１，Ｗ２の信頼度を算出し、その相関仮説（２）の信頼度から、相関仮説（２）に含まれている航跡Ｗ３，Ｗ４の信頼度を算出する（ステップＳＴ９）。
例えば、航跡Ｗ１は、相関仮説（１）に含まれているが、航跡Ｗ１と全く同じ航跡が、相関仮説（２）などの他の相関仮説に含まれていなければ、航跡Ｗ１の信頼度は、相関仮説（１）の信頼度と一致する。
これに対して、航跡Ｗ１と全く同じ航跡が、例えば、図示せぬ相関仮説（３）に含まれている場合には、航跡Ｗ１の信頼度は、相関仮説（１）の信頼度と相関仮説（３）の信頼度との和になる。
航跡Ｗ２，Ｗ３，Ｗ４の信頼度についても、航跡Ｗ１の信頼度と同様である。

航跡選別部１２は、航跡Ｗ１〜Ｗ４の信頼度を算出すると、航跡Ｗ１〜Ｗ４の信頼度を予め設定された閾値と比較する（ステップＳＴ１０）。
航跡選別部１２は、航跡Ｗ１〜Ｗ４の中で、信頼度が閾値より大きい航跡については、正解の航跡であるとして選択し、その航跡を出力する（ステップＳＴ１１）。
この実施の形態１では、航跡Ｗ１（Ａ，Ａ，Ａ，Ａ，Ａ，Ａ，・・・・・）と航跡Ｗ２（Ｂ，Ｂ，Ｂ，Ｂ，Ｂ，Ｂ，・・・・・）が選択されて出力される。
なお、既に過去に選択している航跡の子孫については、信頼度が最も高い相関仮説に含まれる子孫を出力対象としてもよい。

以下、分解仮説の尤度を用いた統合仮説の信頼度計算の根拠について説明する。
統合仮説の信頼度は、下記の仮定（近似）を設けることで算出することができる。
（１）仮定（１）
位置観測値の観測誤差と、識別情報の曖昧さ（揺らぎ）が統計的に独立である。
（２）仮定（２）
識別情報の揺らぎがサンプリング時刻間で独立である。

ＭＨＴの仮説信頼度計算を、その定義から下記の式（１５）のように展開する。

式（１５）において、Ω_i ^kは相関仮説、Ｚ^k＝（Ｐｏｓ^k，ＩＤ^k）は観測時刻ｋまでの累積観測値である。
また、Ｐｏｓ^kは位置の累積観測値、ＩＤ^kは識別情報の累積である。
式（１５）の３段目から４段目への展開では、 位置観測値の観測誤差と識別情報の揺らぎが統計的に独立であることを仮定している。

最終段の前半部分

は、従来の位置情報のみによる仮説信頼度である。

最終段の後半部分

は、識別情報によって加わった重みである。

仮説信頼度は、最終的には正規化するので（合計が１．０となるようにする）、全仮説に共通な項であるＰ（ＩＤ^k）を除いたＰ（ＩＤ^k｜Ω_i ^k）を計算すればよい。

識別情報に関する仮説信頼度の重みＰ（ＩＤ^k｜Ω_i ^k）は、目標種別によって分解することで、下記のように展開することができる。
これは「ある観測値の時系列が同一目標に由来する」という事象が、「ある観測値の時系列が同一目標に由来し、かつ、その種別の組み合わせはｘである」という複数の事象の排他的な和であることを根拠としている。

式（１８）の３段目から４段目への展開では、識別情報の揺らぎが観測時刻間で独立であることを仮定している。
目標種別に関する観測前の事前確率としてＰ（Ｔｇｔ＝ｘ）が想定される目標種別の全ての組み合わせについて、全て等しい確率とすれば、重み付けの項であるＰ（ＩＤ^k｜Ω_i ^k）は事実上、下記のみとなる。

式（１９）を式（１５）に代入し、下記の式（２０）を算出する。

その結果、分解仮説Ω_i ^kの信頼度（実際は尤度）の算出式は、下記の式（２１）のようになる。

式（２１）において、γ_k,iは観測信号の位置情報に基づく尤度であり、同一の相関を持つ分解仮説の全てで共通である。

式（２２）において、γ_k-1,jは分解仮説Ω_i ^kの親仮説Ω_j ^k-1の観測信号の位置情報に基づく尤度である。
また、β_k-1,p(i)は更新前の相関仮説の信頼度であり、Ｎ_TRKは更新前の相関仮説に含まれている既存の航跡の数である。
Ｎ_DTは更新前の相関仮説に含まれている既存の航跡の中で、最新の観測時刻の観測値と相関している航跡の数、Ｎ_FTは相関仮説に含まれている不要信号の数、Ｎ_NTは相関仮説に含まれる新たな航跡の数である。
Ｐ_Dはセンサの探知確率、Ｐ_Gはゲート内捕捉確率、β_FTは観測空間における誤警報等の発生頻度を示す不要信号密度、β_NTは新目標密度である。
ｇ_m,nは観測信号が得られた場合の既存の航跡の尤度であり、観測誤差の分布としてガウス分布を仮定すると、上記の式（３）にしたがって算出される。

また、θ_p,x ^kは目標種別仮説Ω_i,x ^kに含まれる航跡ｐの識別情報に関する重みであり、下記の式（２３）にしたがって算出される。

式（２３）において、Ｐ（ＩＤ（ｌ）｜Ｔｒｋ＝ｐ，Ｔｇｔ＝ｘ）は、統合仮説Ω_i ^kにおいて、航跡ｐが採択するｌ番目の観測信号の識別情報に含まれる目標種別の確率（分解仮説Ω_i,x ^kで指定される目標種別の確率）である。
統合仮説Ω_i ^kの信頼度は、目標種別仮説Ω_i,x ^kを統合することで、下記の式（２４）のようになる。

以上で明らかなように、この実施の形態１によれば、識別処理部７により特定された種別毎に、相関仮説生成部５により生成された相関仮説を分解する相関仮説分解部８と、識別処理部７により算出された確率を用いて、相関仮説分解部８により分解された各仮説の尤度を算出する分解仮説尤度算出部９と、相関仮説分解部８により分解された各仮説を統合して、元の相関仮説（統合仮説）を復元するとともに、分解仮説尤度算出部９により算出された分解後の各仮説の尤度から、その統合仮説の尤度を算出する相関仮説統合部１０とを設け、航跡選別部１２が、航跡尤度算出部６により算出された各目標の航跡の尤度と、相関仮説統合部１０により算出された相関仮説の尤度とを用いて、各目標の航跡の信頼度を算出し、相関仮説統合部１０により復元された相関仮説（統合仮説）に含まれている各目標の航跡の中で、その信頼度が閾値より大きい航跡を選択するように構成したので、目標の種別が複数存在する状況下でも、高精度な目標の航跡を生成することができる効果を奏する。
即ち、この実施の形態１によれば、相関仮説を一旦目標種別毎の仮説に分解して信頼度を計算し、それらを統合して最終的な相関仮説の信頼度を計算するため、複数の目標種別を想定した識別情報でも相関仮説の重み付けに利用することができるようになり、相関決定の確度が向上する。

この実施の形態１では、分解仮説尤度算出部９が、識別処理部７により算出された確率を用いて、相関仮説分解部８により分解された分解仮説（１）−ａ〜（１）−ｄ，（２）−ａ〜（２）−ｄの尤度を算出するものを示したが、分解仮説（１）−ａ〜（１）−ｄ，（２）−ａ〜（２）−ｄに含まれている分解航跡の尤度を算出するようにしてもよい。
［相関仮説（１）］
分解航跡Ｗ１が種別Ａである場合の尤度 ＝０．６^k
分解航跡Ｗ１が種別Ｂである場合の尤度 ＝０．４^k
分解航跡Ｗ２が種別Ａである場合の尤度 ＝０．４^k
分解航跡Ｗ２が種別Ｂである場合の尤度 ＝０．６^k
［相関仮説（２）］
分解航跡Ｗ３が種別Ａである場合の尤度 ＝（０．６×０．４×０．６×・・・）
分解航跡Ｗ３が種別Ｂである場合の尤度 ＝（０．４×０．６×０．４×・・・）
分解航跡Ｗ４が種別Ａである場合の尤度 ＝（０．４×０．６×０．４×・・・）
分解航跡Ｗ４が種別Ｂである場合の尤度 ＝（０．６×０．４×０．６×・・・）

分解航跡の尤度が算出された場合、相関仮説統合部１０は、統合仮説の尤度を下記の式（２５）のように算出する。
統合仮説である相関仮説（１）の尤度
＝（０．６^k×０．４^k）×（０．４^k×０．６^k）
統合仮説である相関仮説（２）の尤度
＝｛（０．６×０．４×０．６×…）×（０．４×０．６×０．４×…）｝²
＋｛（０．４×０．６×０．４×…）＋（０．６×０．４×０．６×…）｝²
（２５）

なお、この実施の形態１では、目標種別の確率（識別処理部７により算出される確率）の和が１００％になることを前提にして、分解仮説尤度算出部９が識別処理部７により算出された確率を用いて、分解仮説（１）−ａ〜（１）−ｄ，（２）−ａ〜（２）−ｄの尤度を算出するものを示したが、目標種別の確率の和が１００％にならない場合もある。
目標種別の確率の和が１００％にならない場合には、目標種別の確率の和が１００％になるように、事前確率とベイズの定理にしたがって識別処理部７により算出された確率を変換し、変換後の確率を用いて、分解仮説（１）−ａ〜（１）−ｄ，（２）−ａ〜（２）−ｄの尤度を算出するようにしてもよい。
これにより、目標種別の確率の和が１００％にならない場合でも、分解仮説（１）−ａ〜（１）−ｄ，（２）−ａ〜（２）−ｄの尤度を算出することができる。
なお、事前確率と観測値に基づく尤度からベイズの定理にしたがって事後確率を計算する処理自体は公知の技術であため詳細な説明を省略する。

実施の形態２．
上記実施の形態１では、識別処理部７により算出される確率は、各目標についての種別の確率（目標の種別がＡであると特定すれば目標が種別Ａである確率、目標の種別がＢであると特定すれば目標が種別Ｂである確率）であるものを示したが、この確率の他に、想定目標外の確率が算出される場合がある。
即ち、レーダセンサ１から出力される観測信号の中に、目標信号だけでなく、目標以外の信号（誤警報等が発生している）が含まれている場合、想定目標外の確率が算出される。
以下、この実施の形態２では、目標の種別が種別Ａ，種別Ｂの２種類であり、レーダセンサ１から出力される観測信号には目標信号の他に、目標以外の信号（誤警報等が発生している）が含まれているものとして説明する。

信号処理部２は、レーダセンサ１から観測信号を受けると、上記実施の形態１と同様に、その観測信号に対する所定の信号処理を実施することで、その観測信号に含まれている位置情報を抽出し、その位置情報が示す各目標の観測位置ｚ_k,jを追尾フィルタ部３及び航跡尤度算出部６に出力する。

追尾フィルタ部３は、信号処理部２から観測時刻ｋにおける各目標の観測位置ｚ_k,jを受けると、各目標の観測位置ｚ_k,jと、航跡記憶部４により記憶されている観測時刻ｋ−１（１観測時刻前）までの既存の航跡（旧航跡）とを用いて、各目標の移動位置を予測する公知の目標追尾処理（例えば、カルマンフィルタ処理）を実施することで、各目標の航跡を新たに生成する。
以下、追尾フィルタ部３の処理内容を具体的に説明する。

追尾フィルタ部３は、信号処理部２から観測時刻ｋにおける各目標の観測位置ｚ_k,jを受けると、その観測位置ｚ_k,jに含まれている雑音を除去してから、各目標の運動諸元を計算する。
即ち、追尾フィルタ部３は、観測時刻ｋ−１までの旧航跡の平滑値をｘ_k-1|k-1、観測時刻ｋ−１までの旧航跡の誤差共分散行列をＰ_k-1|k-1として、下記の式（２６），（２７）に示す予測処理計算を行うことで、ｘ_k|k-1とＰ_k|k-1を算出する。

ここで、Φ_kは推移行列、Ｑ_kは駆動雑音共分散行列である。

追尾フィルタ部３は、ｘ_k|k-1とＰ_k|k-1を算出すると、観測時刻ｋにおける各目標の観測位置ｚ_k,jを観測時刻ｋ−１までの旧航跡に対応付けることが可能であるか否かを判定する。
具体的には、下記の式（２８）が成立すれば、対応付けることが可能であり、下記の式（２８）が成立しなければ、対応付けることができないと判定する。

式（２８）において、ｄはカイ平方検定で利用するゲートサイズパラメータであり、Ｈ_kは観測行列である。
また、Ｓ_kは残差共分散行列であり、下記の式（２９）によって算出する。

式（２９）において、Ｒ_kは観測誤差共分散行列であり、レーダ装置の距離の観測誤差標準偏差と角度の観測誤差標準偏差から算出される。

追尾フィルタ部３は、式（２８）が成立しており、観測時刻ｋにおける各目標の観測位置ｚ_k,jを観測時刻ｋ−１までの旧航跡に対応付けることが可能であると判定すると、下記の式（３０），（３１）に示す平滑処理計算を行うことで、各目標の移動位置ｘ_k|k（最新の目標の運動諸元の推定値）と、その誤差共分散Ｐ_k|kとを算出する。

ここで、Ｋ_kはカルマンゲインであり、下記の式（３２）によって算出する。

追尾フィルタ部３は、各目標の移動位置ｘ_k|k（最新の目標の運動諸元の推定値）を算出すると、その移動位置ｘ_k|kを対応付けが可能な旧航跡に付加することで、新たな航跡を生成し、新たな航跡を航跡記憶部４及び相関仮説生成部５に出力する。
相関仮説生成部５は、追尾フィルタ部３が各目標の航跡を新たに生成すると、上記実施の形態１と同様に、各目標の航跡を組み合わせることで、各航跡の組み合わせからなる相関仮説を生成する。
この実施の形態２では、説明の便宜上、追尾フィルタ部３が航跡Ｗ１，Ｗ２，Ｗ３を生成し、相関仮説生成部５が航跡Ｗ１からなる相関仮説（１）と、航跡Ｗ２，Ｗ３からなる相関仮説（２）を生成するものとして説明する。

航跡尤度算出部６は、追尾フィルタ部３が観測時刻ｋにおける各目標の移動位置ｘ_k|k（最新の目標の運動諸元の推定値）を算出すると、観測時刻ｋにおける各目標の移動位置ｘ_k|kと、信号処理部２から出力された観測時刻ｋにおける各目標の観測位置ｚ_k,jとを用いて、追尾フィルタ部３により生成された各目標の航跡Ｗ１〜Ｗ３の尤度γ_k（位置観測値に基づく航跡の尤度）を算出する。

即ち、航跡尤度算出部６は、観測時刻ｋにおいて、追尾フィルタ部３により初めて生成された航跡の尤度γ_kについては、下記の式（３３）のように算出する。

式（３３）において、β_NTは観測領域上の新目標密度であり、事前に設定される追尾パラメータである。
観測時刻ｋ−１までの旧航跡に移動位置ｘ_k|kが対応付けられて生成された航跡の尤度γ_kについては、下記の式（３４）のように算出する。

式（３４）において、γ_k-1は観測時刻ｋ−１までの旧航跡の尤度である。
また、観測時刻ｋの観測信号を不要信号と見做す場合の航跡の尤度γ_kについては、下記の式（３５）のように算出する。

式（３５）において、β_FTは観測空間における誤警報等の発生頻度を示す不要信号密度である。

識別処理部７は、レーダセンサ１から観測信号を受けると、その観測信号に含まれている識別情報を抽出し、その識別情報を参照して、各目標の種別を特定する。この実施の形態２では、２つの目標が種別Ａであるのか、種別Ｂであるのかを特定する。
また、識別処理部７は、公知の確率算出処理を実施することで、各目標についての種別の確率を算出する。また、レーダセンサ１から出力される観測信号の中に、目標信号だけでなく、目標以外の信号（誤警報等が発生している）が含まれている場合には、想定目標外の確率も算出する。
ここでは、識別処理部７が種別等の確率を算出する例を示しているが、観測信号に含まれている識別情報内に種別等の確率が含まれていれば、その識別情報を参照して、種別等の確率を特定するようにしてもよい。

相関仮説分解部８は、相関仮説生成部５が相関仮説を生成し、識別処理部７が各目標の種別を特定すると、識別処理部７により特定された種別毎に、相関仮説生成部５により生成された相関仮説を分解する。
この実施の形態２では、相関仮説（１）は航跡Ｗ１を含み、相関仮説（２）は航跡Ｗ２，Ｗ３を含んでいるとしているので、下記に示すように、相関仮説（１）は２つの仮説に分解され、相関仮説（２）は４つの仮説に分解される。

即ち、相関仮説（１）は、下記に示すように、分解仮説（１）−ａ，（１）−ｂに分解される。
分解仮説（１）−ａ ： 航跡Ｗ１→種別Ａ 航跡Ｗ２→種別Ａ
分解仮説（１）−ｂ ： 航跡Ｗ１→種別Ａ 航跡Ｗ２→種別Ｂ
また、相関仮説（２）は、下記に示すように、分解仮説（２）−ａ，（２）−ｂ，（２）−ｃ，（２）−ｄに分解される。
分解仮説（２）−ａ ： 航跡Ｗ２→種別Ａ 航跡Ｗ３→種別Ａ
分解仮説（２）−ｂ ： 航跡Ｗ２→種別Ａ 航跡Ｗ３→種別Ｂ
分解仮説（２）−ｃ ： 航跡Ｗ２→種別Ｂ 航跡Ｗ３→種別Ａ
分解仮説（２）−ｄ ： 航跡Ｗ２→種別Ｂ 航跡Ｗ３→種別Ｂ

分解仮説尤度算出部９は、相関仮説分解部８が相関仮説（１），（２）を分解すると、識別処理部７により算出された確率を用いて、分解仮説（１）−ａ〜（１）−ｂ，（２）−ａ〜（２）−ｄの尤度を算出する。
例えば、観測領域の中に、種別Ａの目標が１つ存在する状況下で、各観測時刻で種別Ａの目標信号と、１つの誤警報が得られる場合を想定する。
このとき、各観測時刻で得られる観測信号の識別情報において、該当目標である確率が６０％、非該当目標である確率が３０％である場合、観測対象の種別がＡであれば、「種別Ａの確率は６０％、種別Ｂの確率は３０％、想定目標外である確率は１０％」となる。
誤警報については、「種別Ａの確率は２０％、種別Ｂの確率は２０％、想定目標外である確率は６０％」となる。

このとき、相関仮説（１）に含まれている航跡Ｗ１は、採択する観測信号の発生源の目標の時系列が、下記の通りとなる正解の航跡であるものとする。
航跡Ｗ１：Ａ，Ａ，Ａ，Ａ，Ａ，Ａ，・・・・・
一方、相関仮説（２）は誤相関の仮説であり、相関仮説（２）に含まれている航跡Ｗ２は、採択する観測信号の発生源の目標の時系列が、下記の通りとなる正解の航跡であるが、航跡Ｗ３は不要信号による誤相関の航跡であるものとする。
航跡Ｗ２：Ａ，Ａ，Ａ，Ａ，Ａ，Ａ，・・・・・
航跡Ｗ３：Ｆ，Ｆ，Ｆ，Ｆ，Ｆ，Ｆ，・・・・・

したがって、分解仮説（１）−ａ〜（１）−ｂ，（２）−ａ〜（２）−ｄの尤度は、下記のようになる。
分解仮説（１）−ａの尤度 ＝０．６^k×０．１^k
分解仮説（１）−ｂの尤度 ＝０．３^k×０．１^k
分解仮説（２）−ａの尤度 ＝０．６^k×０．３^k
分解仮説（２）−ｂの尤度 ＝０．６^k×０．６^k
分解仮説（２）−ｃの尤度 ＝０．３^k×０．３^k
分解仮説（２）−ｄの尤度 ＝０．３^k×０．６^k

相関仮説統合部１０は、相関仮説分解部８により分解された各仮説を統合して、元の相関仮説（統合仮説）を復元する。
即ち、相関仮説統合部１０は、分解仮説（１）−ａ〜（１）−ｂを統合して、元の相関仮説（１）を復元するとともに、分解仮説（２）−ａ〜（２）−ｄを統合して、元の相関仮説（２）を復元する。
また、相関仮説統合部１０は、統合仮説である相関仮説（１）の尤度として、分解仮説（１）−ａ〜（１）−ｂの尤度の和を算出し、統合仮説である相関仮説（２）の尤度として、分解仮説（２）−ａ〜（２）−ｄの尤度の和を算出する。
統合仮説である相関仮説（１）の尤度
＝（０．６^k×０．１^k）＋（０．３^k×０．１^k）
統合仮説である相関仮説（２）の尤度
＝２×（０．６^k×０．３^k）＋（０．６^k×０．６^k）＋（０．３^k×０．３^k）

航跡選別部１２は、航跡尤度算出部６が各目標の航跡Ｗ１〜Ｗ３の尤度γ_k（位置観測値に基づく航跡の尤度）を算出すると、航跡Ｗ１の尤度γ_kを位置観測値に基づく相関仮説（１）の尤度とし、また、位置観測値に基づく相関仮説（２）の尤度として、航跡Ｗ２の尤度γ_kと航跡Ｗ３の尤度γ_kの和を算出する。
そして、航跡選別部１２は、相関仮説（１）の信頼度として、位置観測値に基づく相関仮説（１）の尤度と、相関仮説統合部１０により算出された統合仮説である相関仮説（１）の尤度との積を算出する。
同様に、相関仮説（２）の信頼度として、位置観測値に基づく相関仮説（２）の尤度と、相関仮説統合部１０により算出された統合仮説である相関仮説（２）の尤度との積を算出する。
相関仮説（１）の信頼度
＝（位置観測値に基づく相関仮説（１）の尤度）×（統合仮説（１）の尤度）
相関仮説（２）の信頼度
＝（位置観測値に基づく相関仮説（２）の尤度）×（統合仮説（２）の尤度）

航跡選別部１２は、相関仮説（１），（２）の信頼度を算出すると、その相関仮説（１）の信頼度から、相関仮説（１）に含まれている航跡Ｗ１の信頼度を算出し、その相関仮説（２）の信頼度から、相関仮説（２）に含まれている航跡Ｗ２，Ｗ３の信頼度を算出する。
例えば、航跡Ｗ１は、相関仮説（１）に含まれているが、航跡Ｗ１と全く同じ航跡が、相関仮説（２）などの他の相関仮説に含まれていなければ、航跡Ｗ１の信頼度は、相関仮説（１）の信頼度と一致する。
これに対して、航跡Ｗ１と全く同じ航跡が、例えば、図示せぬ相関仮説（３）に含まれている場合には、航跡Ｗ１の信頼度は、相関仮説（１）の信頼度と相関仮説（３）の信頼度との和になる。
この実施の形態２の例では、相関仮説（１）に含まれている航跡Ｗ１が、相関仮説（２）に含まれている航跡Ｗ２と一致しているので、航跡Ｗ１の信頼度は、相関仮説（１）の信頼度と相関仮説（２）の信頼度との和になる。
航跡Ｗ２，Ｗ３の信頼度についても、航跡Ｗ１の信頼度と同様の方法で求められる。

航跡選別部１２は、航跡Ｗ１〜Ｗ３の信頼度を算出すると、航跡Ｗ１〜Ｗ３の信頼度を予め設定された閾値と比較する。
航跡選別部１２は、航跡Ｗ１〜Ｗ３の中で、信頼度が閾値より大きい航跡については、正解の航跡であるとして選択し、その航跡を出力する。
この実施の形態２では、航跡Ｗ１，Ｗ２の（Ａ，Ａ，Ａ，Ａ，Ａ，Ａ，・・・・・）が選択されて出力される。
なお、既に過去に選択している航跡の子孫については、信頼度が最も高い相関仮説に含まれる子孫を出力対象としてもよい。

以上で明らかなように、この実施の形態２によれば、識別処理部７により各目標についての種別の確率の他に、想定目標外の確率が算出された場合、分解仮説尤度算出部９が、想定目標外の確率を考慮して、分解後の各仮説の尤度を算出するように構成したので、観測信号の中に不要信号が含まれている場合でも、相関決定の確度を高めることができる効果を奏する。

この実施の形態２では、識別処理部７により各目標についての種別の確率の他に、想定目標外の確率が算出された場合について示したが、事前に想定目標外の確率が設定されている場合においても、分解仮説尤度算出部９が、想定目標外の確率を考慮して、分解後の各仮説の尤度を算出するようにしてもよい。

この実施の形態２では、分解仮説尤度算出部９が、識別処理部７により算出された確率を用いて、相関仮説分解部８により分解された分解仮説（１）−ａ〜（１）−ｂ，（２）−ａ〜（２）−ｄの尤度を算出するものを示したが、上記実施の形態１と同様に、分解仮説尤度算出部９が、分解仮説（１）−ａ〜（１）−ｂ，（２）−ａ〜（２）−ｄに含まれている分解航跡の尤度を算出し、相関仮説統合部１０が、分解航跡の尤度から統合仮説の尤度を算出するようにしてもよい。

この実施の形態２では、目標種別の確率（識別処理部７により算出される確率）の和が１００％になることを前提にして、分解仮説尤度算出部９が識別処理部７により算出された確率を用いて、分解仮説（１）−ａ〜（１）−ｂ，（２）−ａ〜（２）−ｄの尤度を算出するものを示したが、目標種別の確率の和が１００％にならない場合もある。
目標種別の確率の和が１００％にならない場合には、目標種別の確率の和が１００％になるように、事前確率とベイズの定理にしたがって識別処理部７により算出された確率を変換し、変換後の確率を用いて、分解仮説（１）−ａ〜（１）−ｂ，（２）−ａ〜（２）−ｄの尤度を算出するようにしてもよい。
これにより、目標種別の確率の和が１００％にならない場合でも、分解仮説（１）−ａ〜（１）−ｂ，（２）−ａ〜（２）−ｄの尤度を算出することができる。

なお、本願発明はその発明の範囲内において、各実施の形態の自由な組み合わせ、あるいは各実施の形態の任意の構成要素の変形、もしくは各実施の形態において任意の構成要素の省略が可能である。

１ レーダセンサ、２ 信号処理部（目標追尾手段）、３ 追尾フィルタ部（目標追尾手段）、４ 航跡記憶部（目標追尾手段）、５ 相関仮説生成部（目標追尾手段）、６ 航跡尤度算出部（航跡尤度算出手段）、７ 識別処理部（種別特定手段）、８ 相関仮説分解部（分解仮説尤度算出手段）、９ 分解仮説尤度算出部（分解仮説尤度算出手段）、１０ 相関仮説統合部（相関仮説尤度算出手段）、１１ 相関仮説記憶部、１２ 航跡選別部（航跡選別手段）。

Claims (5)

1. レーダセンサの観測信号に含まれている各目標の観測位置を用いて、各目標の移動位置を予測する追尾処理を実施することで、各目標の航跡を生成するとともに、各目標の航跡の組み合わせからなる相関仮説を生成する目標追尾手段と、
   前記目標追尾手段により予測された移動位置と前記観測位置を用いて、前記航跡の尤度を算出する航跡尤度算出手段と、
   前記観測信号に含まれている各目標の種別を特定するとともに、各目標について特定した種別の確率を算出する種別特定手段と、
   前記種別特定手段により特定された種別毎に、前記目標追尾手段により生成された相関仮説を分解し、前記種別特定手段により算出された確率を用いて、分解後の各仮説の尤度を算出する分解仮説尤度算出手段と、
   前記分解仮説尤度算出手段により算出された分解後の各仮説の尤度から、前記相関仮説の尤度を算出する相関仮説尤度算出手段と、
   前記航跡尤度算出手段により算出された航跡の尤度と前記相関仮説尤度算出手段により算出された相関仮説の尤度から各目標の航跡の信頼度を算出し、各目標の航跡の中で、前記信頼度が閾値より大きい航跡を選択する航跡選別手段と
   を備えた目標追尾装置。
2. 前記分解仮説尤度算出手段は、前記種別特定手段により算出された各目標についての種別の確率の和が１００％にならない場合、ベイズの定理にしたがって前記確率を変換し、変換後の確率を用いて、分解後の各仮説の尤度を算出することを特徴とする請求項１記載の目標追尾装置。
3. 前記分解仮説尤度算出手段は、前記種別特定手段により各目標についての種別の確率の他に、想定目標外の確率が算出された場合、前記想定目標外の確率を考慮して、分解後の各仮説の尤度を算出することを特徴とする請求項１記載の目標追尾装置。
4. 前記分解仮説尤度算出手段は、事前に想定目標外の確率が設定されている場合、前記想定目標外の確率を考慮して、分解後の各仮説の尤度を算出することを特徴とする請求項１記載の目標追尾装置。
5. 目標追尾手段が、レーダセンサの観測信号に含まれている各目標の観測位置を用いて、各目標の移動位置を予測する追尾処理を実施することで、各目標の航跡を生成するとともに、各目標の航跡の組み合わせからなる相関仮説を生成する目標追尾処理ステップと、
   航跡尤度算出手段が、前記目標追尾処理ステップで予測された移動位置と前記観測位置を用いて、前記航跡の尤度を算出する航跡尤度算出処理ステップと、
   種別特定手段が、前記観測信号に含まれている各目標の種別を特定するとともに、各目標について特定した種別の確率を算出する種別特定処理ステップと、
   分解仮説尤度算出手段が、前記種別特定処理ステップで特定された種別毎に、前記目標追尾処理ステップで生成された相関仮説を分解し、前記種別特定処理ステップで算出された確率を用いて、分解後の各仮説の尤度を算出する分解仮説尤度算出処理ステップと、
   相関仮説尤度算出手段が、前記分解仮説尤度算出処理ステップで算出された分解後の各仮説の尤度から、前記相関仮説の尤度を算出する相関仮説尤度算出処理ステップと、
   航跡選別手段が、前記航跡尤度算出処理ステップで算出された航跡の尤度と前記相関仮説尤度算出処理ステップで算出された相関仮説の尤度から各目標の航跡の信頼度を算出し、各目標の航跡の中で、前記信頼度が閾値より大きい航跡を選択する航跡選別処理ステップと
   を備えた目標追尾方法。

Images