JP2017219261A

JP2017219261A - 目標状態量推定装置

Info

Publication number: JP2017219261A
Application number: JP2016114189A
Authority: JP
Inventors: 高英後藤; Takahide Goto
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2016-06-08
Filing date: 2016-06-08
Publication date: 2017-12-14

Abstract

【課題】センサの搭載された複数の戦闘車両や無人航空機等で構成された分散型センサネットワークにおいて、複数の目標の運動を推定することのできる目標状態量推定装置を提供する。【解決手段】目標状態量推定装置は戦闘車両等に搭載され、センサ装置から観測情報を受信する受信部と、時間外挿計算部と、観測更新計算部と、剪定・抽出計算部と、出現・分離計算部から構成される。センサ装置は戦闘車両や無人航空機等に搭載され、センサと、ＧＰＳ受信機と、送信部から構成される。センサ群は、自車や他車に搭載された複数のセンサ装置から構成される。【選択図】図１

Description

この発明は、戦闘車両や無人航空機など、複数のノードで構成された分散型センサネットワークにおいて、複数の目標の運動を推定する目標状態量推定装置に関するものである。

従来、戦闘車両において対処目標の運動を推定する際には、自車に搭載されたセンサからの観測情報だけを用いていた。センサにはカメラなどのように目標が放射する赤外線等などによって観測を行うパッシブセンサと、レーザ測距計などのようにセンサ自らがレーザ光等を照射し、その反射光などによって観測を行うアクティブセンサがある。パッシブセンサは主に自車から見た目標の方向、アクティブセンサは主に自車から見た目標までの相対距離を観測する。従来は自車に搭載されたこれらのセンサの観測情報を組み合わせることで、目標の運動の推定を行ってきた。

センサから得られる目標の観測情報には観測誤差が含まれており、それを取り除く手段として、目標の運動モデルに基づいて状態量を推定するカルマンフィルタがある。カルマンフィルタには、線形カルマンフィルタ（例えば、非特許文献１のP.163〜P.184参照）や、非線形カルマンフィルタ（例えば、非特許文献１のP.373〜P.388参照）等の種類がある。カルマンフィルタは基本的に単一の目標の運動を推定するものであるが、複数のカルマンフィルタを組み合わせることで複数の目標の運動を推定することを可能とした、多目標追尾フィルタが提案されている。多目標追尾フィルタには、ＭＨＴ（ＭｕｌｔｉｐｌｅＨｙｐｏｔｈｅｓｉｓＴｒａｃｋｉｎｇ）フィルタ（例えば、非特許文献２のP.229〜P.232、特許文献１参照）等の種類がある。

特開２０１３−１８５９５７号公報

"Tactical and Strategic Missile Guidance Fifth Edition", Paul Zarchan, ISBN-10:1-56347-874-9 "Radar Principles with Applications to Tracking Systems", Philip L. Bogler, ISBN-10:0-471-50192-1

これまで自車に搭載されたセンサからの情報だけで目標の運動を推定する場合は、目標の方向と相対距離を得るため、必ずパッシブセンサとアクティブセンサを組み合わせる必要があった。しかし、アクティブセンサを使用すると、照射したレーザ光等によって自車の存在が目標に知られてしまうという課題があり、可能であればパッシブセンサのみを用いて目標の相対距離を推定できることが望ましい。

複数の戦闘車両や無人航空機に搭載されたパッシブセンサからの情報を用いると、三角測量の要領で複数の目標の相対距離を同時に知ることができる。複数の目標の運動を推定する場合には多目標追尾フィルタを使用する必要があるが、ＭＨＴフィルタのような従来の多目標追尾フィルタでは、ある時刻での計算結果を一定時間保持していなければならず、観測情報や目標の数に応じて、計算負荷が指数関数的に増大するという欠点がある。したがって、例えば無人航空機等を多数使用して、誤情報を多く含む観測情報の中から多数の目標の運動を推定する場合、増大する計算負荷に対応することのできる高性能な計算機が必要となる。その場合、戦闘車両や無人航空機からの観測情報を処理するための専用の計算機を核とした集中型のネットワークを構成せざるを得ない。そのため、スケーラビリティや耐故障性の面で課題があった。

この発明は係る課題を解決するためになされたものであり、センサの搭載された複数の戦闘車両や無人航空機等で構成された分散型センサネットワークにおいて、複数の目標の運動を推定することのできる目標状態量推定装置を提供することを目標とする。

この目標に係る目標状態量推定装置は、複数のセンサ装置から観測情報を受信する受信部と、時間外挿計算部と、観測更新計算部と、剪定・抽出計算部と、出現・分離計算部から構成され、前記受信部と、前記時間外挿計算部と、前記観測更新計算部と、前記剪定・抽出計算部と、前記出現・分離計算部は、ＧＭＰＨＤ（Ｇａｕｓｓｉａｎ‐ＭｉｘｔｕｒｅＰｒｏｂａｂｉｌｉｔｙＨｙｐｏｔｈｅｓｉｓＤｅｎｓｉｔｙＦｉｌｔｅｒ）フィルタアルゴリズムに基づいて、前記複数のセンサ装置で取得された複数の目標に関する観測量から、前記目標の状態量を推定する。

この目標に係る目標状態量推定装置によれば、センサの搭載された複数の戦闘車両や無人航空機等で構成されたセンサネットワークにおいて、複数の目標の運動を推定することができるという効果を奏する。

この発明の実施の形態１に係る目標状態量推定装置の構成を示す図である。

実施の形態１．
図１は、本実施の形態に係る目標状態量推定装置１００の構成を示す図である。
目標状態量推定装置１００は戦闘車両等に搭載され、センサ装置から観測情報を受信する受信部１と、時間外挿計算部２と、観測更新計算部３と、剪定・抽出計算部４と、出現・分離計算部５から構成される。
センサ装置２００は複数の戦闘車両や無人航空機等に搭載され、それぞれセンサ７と、ＧＰＳ受信機８と、送信部９から構成される。
センサ群Ａは、自車や他車に搭載されたＮ台のセンサ装置２００から構成される。なお、台数Ｎは装置の動作中に増減してもよい。

以下、図１を参照しながら、実施の形態１における目標状態量推定装置の動作を詳しく説明する。

まず、目標状態量推定装置１００への入力値を送信するセンサ装置２００の動作について説明する。
センサ７は、パッシブセンサやアクティブセンサから構成され、複数の目標について、観測量ベクトル１０とその観測ノイズベクトル１１の組を出力する。この組の中には誤情報が含まれていてもよい。ＧＰＳ受信機８は、センサ装置２００が搭載された車両や無人航空機等の自己位置１２（ｕ _ｋ）および観測時刻１３を出力する。

ある観測時刻ｔ_ｋにおける観測量ベクトル１０、観測ノイズベクトル１１および自己位置１２は、センサ７およびＧＰＳ受信機８から出力される値を用いて以下の式（１）のとおり表される。

センサ装置２００は任意の間隔で観測量ベクトル１０、観測ノイズベクトル１１および自己位置１２を取得し、観測時刻１３とともに送信部９を介して目標状態推定装置１００に送信する。なお、センサと目標との位置関係やＧＰＳ信号の受信状況等によりこれらの情報が取得できない場合は、情報が送信できなくてもよい。

センサ群Ａは、Ｎ台のセンサ装置２００（２００_１、２００_２、・・・、２００_N）からなる群であり、各センサ装置２００と目標状態量推定装置１００は、送信部９と受信部１を介して無線ネットワーク等で接続される。センサ群Ａには、目標状態量推定装置１００が搭載された車両に搭載されたセンサ装置２００を含む。なお、センサ群Ａを構成するセンサ装置２００の台数Ｎは、装置の動作中に増減しても構わない。

次に、目標状態量推定装置１００の動作について説明する。
目標状態量推定装置１００は、ＧＭＰＨＤ（Ｇａｕｓｓｉａｎ‐ＭｉｘｔｕｒｅＰｒｏｂａｂｉｌｉｔｙＨｙｐｏｔｈｅｓｉｓＤｅｎｓｉｔｙＦｉｌｔｅｒ）フィルタアルゴリズムに基づき、センサ群Ａから得られた複数の目標に関する多数の観測量を用いて目標の状態量を推定できることを特徴とする。アルゴリズムは、時間外挿計算部２、観測更新計算部３、剪定・抽出計算部４、および出現・分離計算部５によって構成される。

まず、ＧＭＰＨＤフィルタにおけるＰＨＤ（確率濃度分布）について定義する。
ある時刻ｔ_ｋでの状態ベクトルｘにおけるＰＨＤを式（２）の通り表すものとする。この式は、状態空間におけるＰＨＤが正規分布の重ね合わせ（Ｇａｕｓｓｉａｎ‐Ｍｉｘｔｕｒｅ）によって近似的に表されることを示している。なお、Ｎ（ｘ，ｍ，Ｐ）は平均値ｍ、共分散行列Ｐの多変数正規分布における状態量ｘでの値を示す。

次に、センサ群Ａより受信部１を介して入力される観測情報について定義する。
時刻ｔ_ｋにおいて、センサ群Ａのうちいくつかのセンサから観測量ベクトル１０、観測ノイズ行列１１、自己位置１２および観測時刻１３が得られ、そのうちＮ_ｋ台のセンサについて、観測時刻１３が前の時刻ｔ_ｋ−１以降だったものとする。このとき、このＮ_ｋ台のセンサから合計η_ｋ個の観測情報が時刻ｔ_ｋに得られたものとして扱い、これらを式（３）のとおり定義する。

時間外挿計算部２では、前の時刻ｔ_ｋ−１における目標ＰＨＤに基づき、時刻ｔ_ｋでの時間外挿後のＰＨＤを式（４）のとおり計算する。

観測更新計算部３では、センサ群Ａより受信部１を介して得られたＺ_ｋ、Ｒ_ｋおよびＵ_ｋと、時間外挿計算部２より得られた時間外挿後のＰＨＤを用いて、時刻ｔ_ｋにおける観測更新後のＰＨＤを式（５）のとおり計算する。

剪定・抽出計算部４では、まず観測更新計算部３において増加した正規分布の要素数Ｊ_ｋを抑制するため、不要な正規分布の剪定を行う。

剪定においては、最初にｖ_ｋに含まれる正規分布要素のうち、重み係数ｗ_ｊがＴ未満の要素を除く。次に、重み係数ｗ_ｉが大きな正規分布要素から順に、近傍に存在する正規分布要素と合成する。合成の閾値をＵとしたとき、平均値ｍ_ｋ ^ｉ、誤差共分散行列Ｐ_ｋ ^ｉの正規分布の近傍にある正規分布要素は、式（６）を満たすものとする。

以上の処理を行った後もなお正規分布要素の数がＪ_ｍａｘより多い場合は、重み係数の上位Ｊ_ｍａｘ個の要素のみ残し、残りはｖ_ｋから除く。

剪定が完了した後、重み係数ｗ_ｉがある閾値ｗ_Ｔｈより大きい正規分布要素の平均値の集合を式（７）のとおり抽出し、時刻ｔ_ｋにおける目標推定値６とする。

出現・分離計算部５では、剪定が完了した後のｖ_ｋに対して、新たに出現した目標の正規分布要素を追加する。時刻ｔ_ｋにおいて新たに出現する目標を加えた後の目標ＰＨＤは式（８）で表される。

新たに出現した目標の状態量の初期値の決め方は観測量の種類によって異なる。例えば目標の方向を観測することのできるセンサのみで構成されたセンサ群であれば、自己位置から見た目標方向のベクトル同士の交点を初期値とすればよい。また、目標の方向に加えて相対距離も観測できるのであれば、従来技術と同様に、それらを組み合わせて１点の慣性座標を初期値として与えることができる。

以上の処理を各時刻において繰り返し計算し、目標推定値６を目標状態量推定装置の最終的な出力とする。

このように、本実施の形態に係る目標状態量推定装置によれば、センサの搭載された複数の戦闘車両や無人航空機等で構成されたセンサネットワークにおいて、複数の目標の運動を推定することができる。また、複数のパッシブセンサを利用して目標の運動を推定することが可能となるため、観測によって目標に発見されてしまうことを防ぐことができる。

また、従来技術と比較して処理負荷は低く抑えられる。そのため、高性能な計算機を必要せず、観測情報や目標の数が増大しても比較的容易に対応することができ、スケーラビリティが高い。また、目標の推定結果を必要とする戦闘車両等にそれぞれ目標状態量推定装置を搭載することができるので、分散型センサネットワークを構成することが可能となる。したがって、耐故障性にも優れている。

なお、この目標状態量推定装置を用いて、目標追尾装置を構成することが可能となる。

１受信部、２時間外挿計算部、３観測更新計算部、４剪定・抽出計算部、５出現・分離計算部、６目標推定値、７センサ、８ＧＰＳ受信機、９送信部、１０観測量ベクトル、１１観測ノイズベクトル、１２自己位置、１３観測時刻、１００目標状態量推定装置、２００センサ装置、Ａセンサ群

Claims

複数のセンサ装置から観測情報を受信する受信部と、時間外挿計算部と、観測更新計算部と、剪定・抽出計算部と、出現・分離計算部から構成され、
前記受信部と、前記時間外挿計算部と、前記観測更新計算部と、前記剪定・抽出計算部と、前記出現・分離計算部は、ＧＭＰＨＤ（Ｇａｕｓｓｉａｎ‐ＭｉｘｔｕｒｅＰｒｏｂａｂｉｌｉｔｙＨｙｐｏｔｈｅｓｉｓＤｅｎｓｉｔｙＦｉｌｔｅｒ）フィルタアルゴリズムに基づいて動作し、前記複数のセンサ装置で取得された複数の目標に関する観測量から、前記目標の状態量を推定することを特徴とする目標状態量推定装置。
前記受信部は、前記センサ装置の各々から、複数の目標についての観測ベクトルと観測ノイズ行列と自己位置と観測時刻を入力して、現時刻ｔにおける観測ベクトルと観測ノイズ行列と自己位置を前記観測更新計算部と出現・分離計算部に出力し、
前記時間外挿計算部は、前記出現・分離計算部から取得した前の時刻における目標ＰＨＤ（ＰｒｏｂａｂｉｌｉｔｙＨｙｐｏｔｈｅｓｉｓＤｅｎｓｉｔｙ；確率濃度分布）を用いて、時間外挿により現時刻ｔにおける目標ＰＨＤを求めて前記観測更新計算部に出力し、
前記観測更新計算部は、現時刻ｔにおける目標ＰＨＤと、前記受信部から受信した観測量ベクトルと観測ノイズベクトルと自己位置から、観測更新後のＰＨＤを計算して、前記剪定・抽出計算部に出力し、
前記剪定・抽出計算部は、前記観測更新計算部で増加した不要な正規分布の剪定を行い、剪定後の観測更新後のＰＨＤを前記出現・分離計算部に出力し、
前記出現・分離計算部は、剪定後の観測更新後のＰＨＤに対して新たに出現した目標の正規分布要素を追加し、現時刻ｔにおいて新たに出現する目標を加えた目標ＰＨＤを前記時間外挿計算部に出力することを特徴とする請求項１記載の目標状態量推定装置。
前記センサ装置は、車両、あるいは無人航空機に搭載された観測センサと、測位受信機と、送信部からなることを特徴とする請求項１または２記載の目標状態量推定装置。