JPH04198886A - 多目標追尾方法及びその装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ［産業上の利用分野］ この発明は複数の目標及び目標以外のクラッタ等からの
信号検出結果から目標位置の真値及び目標速度等の目標
運動諸元を推定しようとする多目標追尾方法及びその装
置に関するものである。

［従来の技術］ 第４図は９例えばＩＥＥＥ　ＴＲＡＮＳＡ（１：Ｔｌ０
ＮＳ　ＯＮ　ＡＵＴＯ−ＭＡＴＩＣＣ０ＮＴＲ０Ｌ　Ｖ
ＯＬ、　ＡＣ−２３，ＡＵＧＵＳＴ　１９７８．　ＰＧ
Ｉ１−６２６　　ｒＴｒａｃｋｉｎｇ　Ｍｅｔｈｏｄｓ
　ｉｎ　ａ　Ｍｕｌｔｉｔｅｒｇｅｔ　Ｅｎ−ｖｉｒｏ
ｎｍｅｎｔ　Ｊの中でｒＰｒｏｂａｂｉｌｉｓｔｉｃ　
Ｄａｔａ　Ａｓ５ｏｃ−ｉａｔｉｏｎ　Ｆｉｌｅｒ　Ｊ
として示された従来の多目標追尾方法を示す処理手順で
あり、目標観測装置より得られる目標位置情報をもとに
通常のカルマンフィルタ理論に基づき目標位置、速度の
平滑値及び平滑誤差共分散行列の初期値を設定しくステ
ップ１）５例えば目標の運動モデルを等速直進運動モデ
ルに設定した（ステップ１３）のち１等速直進運動モデ
ルによる予測器で現時刻より１サンプリング後の目標位
置、速度の予−り値を算出しくステップ１４）等速直進
運動モデルによる予測誤差評価器で上記予測値の誤差を
推定した予測誤差共分散行列を算出しくステップＩ５）
、目標観測装置より信号検出結果である探知データを入
力しくステップ７）、相関器で追尾目標と相関のある探
知データとして５等速直進運動モデルによる予測値で算
出した目標予測位置を中心に等速直進運動モデルによる
予測誤差共分散行列を使用して定まる空間のある領域内
にある探知データを選択しくステップ８）、探知データ
信頼度算出器では相関器で選択された探知データが追尾
対象目標からの探知データか否かの信頼度を等速直進運
動モデルによる予測値及び予測誤差共分散行列を使用し
て算出しくステップ１６）、ゲイン行列算出器で目標運
動諸元の平滑に使用するゲイン行列を算出しくステップ
ｌ０）１等速直進運動モデルによる平滑器で目標位置、
速度の平滑値を算出し５等速直進運動モデルによる平滑
誤差評価器で平滑誤差共分散行列を算出し、追尾終了に
なるまでこの一連の流れを繰り返す（ステップ１２）の
ようになっていた。

第８図は、第４図に対応した従来の多目標追尾装置の構
成図であり、追尾目標及び追尾目標以外のクラッタ等か
らの信号検出結果を探知データとして出力する目標観測
装置（１８）と５等速直進運動モデルによる予測器　（
３５）で現時刻より１サンプリング前に算出しておいた
目標予測位置を中心に等速直進運動モデルによる予測誤
差評価器（３９）で現時刻より１サンプリング前に算出
しておいた予測誤差共分散行列を使用して求まる空間の
ある領域内にある目標観測装置（１８）より得られる探
知データを選択する相関器　（１９）と１等速直進運動
゛　　モデルによる予測器　（３５）で現時刻より１サ
ンプリング前に算出しておいた目標予測位置と１等速直
進運動モデルによる予測誤差評価器（３９）で現時刻よ
り１サンプリング前に算出しておいた予測誤差共分散行
列より相関器（１９）で選択した探知データが追尾対象
目標からの探知データか否かの信頼度を算出する探知デ
ータの信頼度算出器（３６）と９等速直進運動モデルに
よる予測誤差評価器（３９）で現時刻より１サンプリン
グ前に算出しておいた予測誤差共分散行列を使用して目
標諸元の平滑に使用するゲイン行列を算出するゲイン行
列算出器　（３３）と、相関器　（１９）で選択された
探知データと探知データの信頼度算出器（３６）で算出
した探知データの信頼度と１等速直進運動モデルによる
予測器　（３５）で現時刻より１サンプリング前に算出
しておいた予測値とゲイン行列算出器（３３）よりゲイ
ン行列により目標位置、速度の平滑値を算出する等速直
進運動モデルによる平滑器（３７）と１等速直進運動モ
デルによる平滑器（３７）で算出した平滑値をもとに等
速直進運動モデルによりｌサンプリング後の目標位置、
速度の予測値を算出する等速直進運動モデルによる予測
器　（３５）と７等速直進運動モデルによる予測器（３
５）で算出した予測値を１サンプリング遅延させる第８
の遅延回路と９等速直進運動モデルによる予測器（３５
）で現時刻より１サンプリング前に算出しておいた予測
値とゲイン行列算出器（３３）よりのゲイン行列と相関
器　（１９）で選択された探知データと探知データの信
頼度算出器（３６）で算出した探知データの信頼度と等
速直進運動モデルによる予測誤差評価器　（３９）で現
時刻より１サンプリング前に算出しておいた予測誤差共
分散行列より目標位置、速度の平滑誤差の評価値を算出
する等速直進運動モデルによる平滑誤差評価器（３８）
と１等速直進運動モデルによる平滑誤差評価器　（３８
）で算出した平滑誤差共分散行列をもとに目標位置、速
度の予測誤差の評価値を算出する等速直進運動モデルに
よる予測誤差評価器（３９）と５等速直進運動モデルに
よる予測誤差評価器（３９）で算出した予測誤差共分散
行列を１サンプリング遅延させる第７の遅延回路（４０
）とから構成されていた。

［発明が解決しようとする課題］ 上記のような多目標追尾方法及びその装置においては、
追尾目標が等速直進運動モデルに従うとして等速直進運
動モデルによる予測器（３５）で算出した追尾目標の予
測位置を中心に等速直進運動モデルによる予測誤差評価
器（３９）で算出した予測誤差共分散行列を使用して得
られる空間のある領域内にある目標観測装置（１８）よ
り入力される探知データが追尾目標より探知された可能
性があると相関器（１９）で判断していた為、目標が旋
回運動を行うと相関範囲を決める中心点が大きくずれる
。あるいは、相関をとるべき空間の領域の大きさが目標
の旋回状況を考慮しないため不当に小さく評価されるな
どの問題が発生し追尾性能は劣化さぜるを得なかった。

また、パルスドツプラレーダのように目標観測装置（１
８）で目標距離変化率が観測される場合においても目標
位置情報のみで追尾フィルタが構成されていたため、目
標旋回時に観測される距離変化率の急激な変化を追尾に
反映できるようになっていなかった。

この発明は、このような課題を解決するためになされた
もので、複数の目標及びクラッタ等の不要信号から探知
データが得られる環境下において旋回目標に対しても精
度よく追尾できる多目標追尾方法及びその装置を得るこ
とを目的とするものである。

［課題を解決するための手段］ この発明の第１及び第４の発明は、同一次元の複数のｎ
個の定数ベクトルより構成される目標のｎ個の運動モデ
ルによる目標位置、速度などの予測値を算出するｎ個の
運動モデルによる予測器と上記複数のｎ個の運動モデル
及び相関器で選択された探知データの信頼度を、目標位
置および目標観測距離変化率により算出するｎ個の運動
モデルによる信頼度算出器と、上記複数のｎ個の運動モ
デルによる目標位置、速度などの平滑値を算出するｎ個
の運動モデルによる平滑器と、この平滑値の誤差を推定
したｎ個の運動モデルによる平滑誤差共分散行列を算出
するｎ個の運動モデルによる平滑誤差評価器とを設けた
ものである。

この発明の第２及び第５の発明は、同一次元の複数のｎ
個の定数ベクトルより構成される目標のｎ個の運動モデ
ルによる目標位置、速度などの予測値の誤差を推定した
ｎ個の運動モデルによる平滑誤差共分散行列を算出する
ｎ個の運動モデルによる予測誤差評価器と、上記複数の
ｎ個の運動モデル及び相関器で選択された探知データの
信頼度を、目標位置および目標観測距離変化率により算
出するｎ個の運動モデルによる信頼度算出器と。

上記複数のｎ個の運動モデルによる目標位置、速度など
の平滑値を算出するｎ個の運動モデルによる平滑器とこ
の平滑値の誤差を推定したｎ個の運動モデルによる平滑
誤差共分散行列を算出するｎ個の運動モデルによる平滑
誤差評価器とを設けたものである。

この発明の第３及び第６の発明は、同一次元の複数のｎ
個の定数ベクトルより構成される目標のｎ個の運動モデ
ルによる目標位置、速度などの予測値を算出するｎ個の
運動モデルによる予測器と、この予測値の誤差を推定し
たｎ個の運動モデルによる平滑誤差共分散行列を算出す
るｎ個の運動モデルによる予測誤差評価値と、上記複数
のｎ個の運動モデル及び相関器で選択された探知データ
の信頼度を、目標位置および目標観測距離変化率により
算出するｎ個の運動モデルによる信頼度算出器と、上記
複数のｎ個の運動モデルによる目標位置、速度などの平
滑値を算出するｎ個の運動モデルによる平滑器とこの平
滑値の誤差を推定したｎ個の運動モデルによる平滑誤差
共分散行列を算出するｎ個の運動モデルによる平滑誤差
評価器とを設けたものである。

Ｌ作用］ この発明においては１例えば複数のｎ個の目標の運動モ
デルとして等速直進運動モデルに零ベクトルを含むｎ個
の定数加速度ベクトルを付加した運動モデルを使用し、
ｎ個の運動モデルによる目標位置、速度の予測値を複数
個の運動モデル各々の信頼度及び複数個の運動モデルを
構成する定数加速度ベクトルを使用し、予測における加
速度の影響項を算出し、この諸元に現時刻の平滑値をも
とに等速直進運動予測により算出した１サンプリング後
の予測値を加算することにより算出し、複数個の運動モ
デル各々の信頼度を目標観測位置及び角運動モデルごと
の予測値及び予測誤差共分散行列のみならず目標距離変
化率の観測値と各々の運動モデルにおける距離変化率の
予測値との差の確率密度を複数個の運動モデルごとの予
測誤差共分散行列及び目標距離変化率をも援用して算出
し、旋回目標に対する複数個の運動モデルの合致度を適
正に算出する。

この発明の第１及び第４の発明においては、多数の複数
目標を同時に追尾しクラッタよりの探知データも多い場
合に対処可能とするため、追尾目標間で相関を取るべき
領域か重ならないよう、また、相関を取るべき領域内の
探知データを増加させないように相関を取るべき領域を
広げずに計算機付加の増大を抑えつつ旋回目標対処能力
を向上させるため、相関を取るべき中心点の算出による
ｎ個の運動モデルによる予測値、相関を取るべき空間の
領域の大きさ算出にｎ個の運動モデルによる予測誤差共
分散行列ではなく運動モデルごとの予測誤差共分散行列
を使用する。

この発明の第２及び第５の発明においては、追尾目標が
少なく、クラッタも少ない環境下でのサンプリング間隔
が長（観測精度の悪い目標観測装置による多目標追尾を
想定し、目標予測値の算出に加速度項を付加した場合に
観測精度の悪さに起因する追尾のがたつきを表面イｂさ
せずに旋回目標対処能力を向上させるため、相関を取る
べき中心点の算出には、ｎ個の運動モデルによる予測値
ではなく運動モデルごとの予測値の一つである定数加速
度ベクトルが零の場合の等速直進運動モデルによる予測
値を使用し、相関を取るべき空間の領域の大きさ算出に
ｎ個の運動モデルによる予測誤差共分散行列を使用して
いる。

この発明の第３及び第６の発明においては、極めて精度
の高い追尾が要求され、目標観測装置の精度が高く、サ
ンプリング間隔が短（、高性能の計算機システムを使用
する場合の多目標追尾を想定し、相関を取るべき中心点
の算出にｎ個の運動モデルによる予測値、相関をとるべ
き空間の領域の大きさ算出にｎ個の運動モデルによる予
測誤差共分散行列を使用している。

［実施例］ 以下この発明の多目標追尾方法及びその装置の一実施例
について説明する。

複数個をｎ個とした場合の運動モデルをＸｋ”　　Φに
一１十きト１子　Ｆｋ−１訃−Ｉ十ｒ　’に一＋’ｌｊ
ｗ−藏−・・・・　（１） とする。ここで。

・沖はサンプリング時刻ｔ５における目標運動諸元の真
値をあられす状態ベクトルであり。

・直交座標における目標位置ベクトルを・直交座標にお
ける目標速度ベクトルをとした時。

である。

・Φ１１−１は、サンプリング時刻ｔ、−１よりｔ、へ
の状態ベクトルｘｋの推移行列で目標が等速度線運動を
行うと仮定した場合 である。

・Ｗｋはサンプリング時刻ｔ５における駆動雑音ベクト
ル ・Ｆうはサンプリング時刻ｔｋにおける駆動雑音ベクト
ルの変換行列で１例えば、目標の運動モデルを等速度線
運動と仮定したことによる打切り誤差項をＩ”　ｉ＋−
＋Ｗｘ−＋　とみれば、訃は加速度ベクトル相当であり である。

・！！６はサンプリング時刻ｔ３においてｎ個の運動モ
デルを構成する定数加速度ベクトルで 卦・ｇｌ又は　ト：旦２又は・・・・・・又は卦＝旦。

であり。

・「°５はサンプリング時刻ｔ、における定数加速度ベ
クトルの変換行列で である。

第９図は水平図に平行な面内で定数加速度ベクトルを説
明する図であり１図において、０は目標観測装置を原点
とした座ＩＭＯ−ｘｙの原点、Ｘは東方向をＸ軸の正と
した座ｗｏ　　ｘｙのＸ軸、Ｙは北方向をｙ軸の正とし
た座標０−ｘｙのｙ軸、Ａｌはｙ軸の正方向の定数加速
度ベクトル、Ａ２はＸ軸の正の方向の定数加速度ベクト
ル、Ａ３はｙ軸の負の方向の定数加速度ベクトル、Ａ４
はＸ軸の負の方向の定数加速度ベクトルである。第３図
における定数加速度ベクトルの大きさをｌＯｇ（ｇは重
力加速度とする）とし、この他に加速度０の定数加速度
ベクトルを考えた運動モデルの場合ｎ＝５　　　　　　
　　−　・・・　　・　　（３）であり１式（２）は とサンプリング時刻ｔうに無関係に書ける。

次に、サンプリング時刻ｔうにおいて ！！、−、＝　Ｑｐｂ　　（Ｐｋ＝１，２．−・、ｎ）
　＝−（５）が真であるとの仮設を ψ、、Ｐ、　　（Ｐｋ＝１．２．−・、ｎ）　　−−１
６）と書（。

サンプリング時刻１＋からｔｋまでの運動モデルに対す
る仮説の組合せを ψ”ｐ（Ｐ＝１，２．＝−、ｎ’）’　　−−（ｎ即ち ψ８ｐ：　１ψ１ｐｌ・　ψ２．　ｐｌ、　”゛・　ψ
Ｍ、　ｐｋ］・・・　・　　（８） １　≦Ｐ、≦　ｎ と書（。

運動モデルの推移にマルコフ性を仮定する。即ち運動モ
デルはψに、サンプリング時刻ｔ８−１の運動モデルよ
り決まり、サンプリング時刻ｔ５−２までの運動モデル
には依存しないとする。この時、運動モデルの推移確率
Ｐｐｉ＋ｐｍ−＋をＰｐｌｌｐｗ−＋　＝ｐ［ψ（ｐ−
ψｍ−ｒ、　ｐｌ１−１１・・・・・・・　（９） （Ｐ、＝１，２．・・・、ｎ；Ｐｋ−１−１，２，・・
・、ｎ）と書く。

Ｅを平均を表わす記号として、Ｗｋは平均旦の３次元正
規分布白色雑音で Ｅ　［Ｗｋ］＝旦　　　　　　　　・・・・（ｌＯ）Ｅ
　［Ｗ、　Ｗ、、”］＝Ｑｋ（ｋ＝１の時）　、　０Ｉ
（ｋ≠１の時）　　　　　　・・・・・・（１１）とす
る。ここで。

・旦は零ベクトル ・ＱＫはサンプリング時刻ｔｋにおける駆動雑音共分散
行列であり、旦１はベクトル旦の転置ベクトルをあられ
す。

追尾対象目標よりの探知データはサンプリング時刻ｔｋ
において高々１つ得られるとし、その観測系モデルを Ｚ、＝Ｈすｋ”Ｖｋ　　　　　　　・　・・　（１２）
とする。ここで。

・ＺＫはサンプリング時刻ｔ、における位置情報の観測
値より構成される直交座標による位置観測ベクトル ・Ｈ，はサンプリング時刻ｔうにおける観測行列で Ｈｋ　＝　　（Ｉ　ＯＩ） である。

・ｕＭはサンプリング時刻ｔｘにおける位置観測雑音ベ
クトルであり、平均旦の３次元正規分布白色雑音で Ｅ　［ｙｋ１＝旦 Ｅ　［ｙ、ｖ、”］＝　Ｒ−（ｋ　＝　１の時）　、　
０Ｉ（ｋ≠１の時）　　　　　　　　・・・・・・・　
（１３）である。尚、ＲＫはサンプリング時刻ｔうにお
ける観測雑音共分散行列で、運動モデルによらない値と
する。

目標距離変化率観測モデルを ＰΦ（ｋ）　”　Ａ　（ｋ）　　＋　ｖ　シ（ｋ）　　
＝−＝　　　ｆ１４）とする。ここで。

・負。ｆｋ）はサンプリング時刻ｔ２における目標距離
変化率の観測値 ・Ａ　（ｋｌ　はサンプリング時刻ｔ５における目標距
離変化率の真価 ・ＶＲ（ｋｌ　はサンプリング時刻ｔ５における目標距
離変化率観測雑音であり、平均０の１次元正規分布白色
雑音で Ｅ［ｖ、＋（ｋ）］　＝Ｑ　　　　−＝−−（１５］Ｅ
　［ｖ、　（ｋ）　ｖＲＦｌ）　］　＝　ＯＲ２ｆｋ）
　ｆｋ＝１の時）。

ｌｋ≠１の時）　・・　（１６） である。

尚、σ；、　”　（ｋ）はサンプリング時刻ｔｋにおけ
る目標距離変換の分散で、運動モデルによらない値とす
る。

また、目標距離をＲ１）、即ち Ｒ２＋に＋＝ｘｋ”　＋　：ｙ＋”　＋　ｚｋ２　　　
　・−（１７１とすれば１式（１７）の両辺を微分して
である。

追尾対象目標以外からの探知データは空間に一様に分布
しているとし、サンプリング時刻ｔうにおける単位体積
当たりの発生頻度をβうとし、追尾目標と相関を取るべ
き空間の領域の体積を■。とじた時、追尾対象目標以外
からの探知データが相関を取るべき領域内に存在する総
数は平均β５ＶＧＫのポアソン分布に従うとする。

サンプリング時刻ｔｋにおける相関を取るべき領域内の
探知データの全体を Ｚ　８．ｌ　ＨＺ　１１．２１　”・ｌ　Ｚ　Ｋ、ｍｋ
とし ｚ　　ｋ　＝　　Ｕｚ　　Ｋ、、　　、　　ｚ　　ｋ　
２　、　　−、ｚ　　Ｋ　ｍｋコ・・・　・　　・　（
１９） と書く。

また、サンプリング時刻ｔ、からｔ５までの目標位置観
測ベクトルの全体をＺ　ｋ、目標距離変化率の歓び１ｊ
値の全体を２゜Ｘ、即ち Ｚ　、　＝　［２、、２２，−、２Ｋ］−＝　　ｆ２０
）Ｚ　ｏ””　［Ｊ５＋、＋、Ｒφ＋２＋、−６Ｒφ＋
ｋ１１・・・・（２１） と書く。

複数個の運動モデルを構成している定数加速度ベクトル
ａｍ（ａ・１，２．−・、ｎｌの条件付き確率密度関数
を離散系における確率論に従い Ｐ［ｕｋ−＋ｌψに、ａ、：ｚｋ−１，Ｍｋ−１］・　
δ（卦−ビ旦、）　　　・　・・　・　（２２）Ｐ［ｕ
＋ｔ−１１２に一’、Ｍｋ−’１＝　Σ　Ｐ［甲、、Ｉ
Ｚ″−’、Ｍ’−’］δ（い〜１−旦、、）　　　・・
・・・・　（２３）とする。

ここで、デルタ関数δ（幻は ｌ　−Ｉ　Ｇ（Ｈ）δ（キ）ｄｘ−Ｇ（９）・・・（２
４）の性質を有している。

式　（１７）及び　（１９）より Ｅ［ｇｋ−１１ψに、　、、ＺＫ−１，Ｍｋ−１］、　
　ｊ　、、、　　ｌ　ｕ、−１Ｐ［！！、−８１ψｕ、
　ａ＋ＺＫ−’、Ｍｋ−’］ｄｕｗ−＋＝　ｉ　＝−１
！！に一、δ（卦−１−旦＋１）ｄｕｉ＋−＋”二重・
・・・・　（２５） である。

即ち 宿−１゛・Ｅ［ｕｂ−＋　Ｉ甲５８，７ゝ−Ｊゝ−′１
・・・・・・　　（２６） とした時。

曾に−１・・α、　　　　　　　　　・・・・・・（２
７）である。

式（１８）　、及び式　（１９）より Ｅ［卦−１１２’−’、　Ｍｋ−’］□　　Ｉ　・−Ｉ
ｕｋ−１Ｐ［ｕｈ−１１２’−’、　Ｍ’−’］ｄｕｉ
＋−＋＝１　・　Ｉ　ｕｋ−Ｉ　Ｊｌｔ　ｐ［ｔＰｋ、
　ａ　　＋　ｚト］。

ＭＫ−’］δ（膿−１−旦、）ｄｕｍ−□＝　、：１．
　Ｐ［ψ、　、　ｌ　２’−’、　Ｍ″−’］　ｉ・・
・（ｌｊｗ−＋δ（ｕｍ−＋−旦ａ）ｄｕｍ−＋＝　、
２ｘ、　Ｐ［ψに、ａ　ｌ　Ｚｋ−１１Ｍｋ−’Ｊ　ｇ
ｎ・・・・・・・　・　　（２８） である。

即ち 遜−、、Ｅ［ｕ−、Ｉ　２’−’、Ｍ’−’］　　　−
［２９）とした時 である。

弐　（２２）　、式　（２４）　、及び式（２７）より
Ｅ　［（ｕｍ−＋−’ＭＷ−１”ｌ　（ｕｋ−＋−Ｍｍ
−＋’）”１甲に、、　　ｌ　Ｚ′′−’、　Ｍｋ−’
　］・　（・・・　Ｉ　（！！＋＋−１ｇ、）（卦−１
９４）Ｔｐ［！！１−ψ５、＋　２’−’ｌ　Ｍ’−’
］ｄ！！に一＋＝）・・　）（卦−ビ旦、ｌ）（シー、
−旦、）１δ（リトビ旦ａ）ｄ卦−１ ＝ＯＩ　　　　　　　　　　　　　　　−・・・・・　
−（３１）である。

式（２３）　、及び式（２４）より Ｅ［ｆ卦−−ｉう−１）（い−、−低−１）７１Ｚ’−
’、Ｍ’−’］ ＝１・・・　１（シー１−へ−１）（卦−１−が−１）
１Ｐ［い−１２’−’、Ｍ″′−リｄｕｋ−。

＝）・・冒ｕｉ＋−＋−が−３）（卦−＋−’Ｍｋ−＋
）”ΣＰ［ψ、　、　　Ｉ　Ｚｋ−’、　Ｍ’−’］δ
（卦−１−旦、）ｄミー１ ＝　）Ｐ［早う、　　ｌ　２’−’、　Ｍ’−’］　　
Ｉ・・　）（！！に一＋−蝕−＋）　（ｕｉ＋−＋−蝕
一、）１δ　（！！に−１−５７−龜）ｃｌ！！ｉ＋−
＋＝　　Ｘ　Ｐ　［ｔＦ、　、　　ｌ　Ｚｋ−’、　Ｍ
’−’］（旦、−省、□）（ｇ８−が−１）１　　・・
（３２）である。尚　ＡＴは行列Ａの転置行列を表わす
。

ｚｋ、が追尾対象目標よりの探知データであるとの仮説
を肌１（１・１，２．・・７ｍ８）と書き、追尾対象目
標から探知データが得られないとの仮説を肌。と書く。

サンプリング時刻ｔ５までの探知データの情報による仮
説の信頼度を条件付き確率密度関数によりβに、　＋１
）１１．ｐ＋ｔ−＋”Ｐ　［Ｌ、　ｉｌ　’ｔ’　ｋｐ
＝、’ｌ’　ｉｌ−＋、ｐｋ−＋１２’、Ｍ’ｌ　　　
・・・・・　（３３）β、、　、　　　＝Ｐ［Ｘｋ、　
、１２’、Ｍ’ｌ　　＝・（３４）βＷ、ｉ”　＝Ｐ［
ψｔｔ、ｐｋｌＺ’、Ｍ’］　　・−・・（３５）βｈ
＝、＋ｌ＋＝、　ｐｋ−＋”Ｐ　［Ｘｋ、　ｒ　、　ψ
ｍｐｋ１２’、Ｍ’］・・・・・　（３６） と定義する。

ここで Ｐ［Ｘ、、　、、　ψに、ｐｉ＋１ｍＪψ’　−＋　＋
　ｐｋ−＋　＋　２　’　−’　、　Ｍ　’　−’　］
・Ｐ［Ｘｋ、　＋、ｍｋ１＋＃　Ｗ−１＋ｐｋ−１１２
’−’ＩＭ’−’］Ｐ　［ｔ／／　ｋ、　ｐｋｌ　１１
１　ｋ−１＋ｐＨ−１１２’−１９Ｍ’−’］・・・・
・・　　（３７） Ｐ［ψｍ、ｐｋｌ　　ψに−１・ｐｋ−１□　Ｐ［ψつ
、　ｐＪ　ψ、−＋、ｐｋ−＋、Ｚ’−’、Ｍ’−’］
・・・　・　　　（３８） と仮定する。

式（９）及び式（３８）より Ｐ［ψ８ｐう１　ψｍ−＋＋ｌ：ｌ＋＋−１＋Ｚ’−’
、Ｍ′′−’］・Ｐｐ、ｐ、−。

である。

確率論より ・・・・・　（４０） Ｗ 、、！ｌｏＢ　、、　、＝　１　　　　　　山＝　（４
１１β３＝１冬。β３１．Ｉ）ｂ　　　　　　　　　（
４７）である。

また。

仮説ψに８のもとてのサンプリング時刻ｔ５に対する目
標距離変化率の予測値をｈＰ゛ 即ち Ｒｐ’　（ｋ）　＝Ｅ［Ｒ（ｋ）　ｌ　　＊　−、；、
Ｚ’−’、Ｚｏ’−’］−（４９）と書けば９式（１８
）より 師°（ｋ）・ ・・・・・・・・（５０） である。

ここで である。

尚９式（１７）より Ｒｐ’　（ｋ）＝　　Ｘｐ、　＋”（ｋＤｙｐ、　＋”
（ｋ）＋ｚ、、　ｔ”（ｋ）・・・・・・　（５２） である。

また、全微分の性質より一次近似を行えば１’ｔ（ｋ）
−１’？、’＝ｈ。（父−’（−）Ｈｘ、−ｘ、’（−
）ｌ＝（５３１である。

ここで ｈｋ（剋’ｆ−））は のむ・父３°（−）での値だから である。

式　（１４）及び式（５３）より １（Φ（Ｋ）−１ｉｐ’（Ｋｌ＝ｈｗ（ｘｗ’（−１１
（ｘｂ−、’（−１１＋ｖｐ（ｋ）・・−・　　（５５
） である。

式（５５）　、式（１５）及びＶＲ（ｋ）が白色雑音の
仮定よＥ（Ｍφｔｋ＋　−Ｍｐ　ｔｋ＋　＋　ｌψに、
ｉ＋Ｚｋ−”、ＺＤｋ−１］・０・（５６）だから１式
　（４９）より Ｅ［Ｒ（ｋｌｌｉ、、、Ｚ’−’、Ｚｏ’−’Ｊ＝Ｒｐ
’（ｋ）　　＝□　ｆ５７）φ である。

式（５５）　、式（５７１、式（１６）及びＶＲ（ｋ）
が白色雑音の仮定より Ｅ［（Ｒφ（ｋ）−Ｅ［Ｒφ（ｋ）ｌ　＊−１，Ｚ’−
’、ＺＤＫ＝’ｌ”１ψｗ、　＋　、Ｚ”　’　、２ｏ
ｋ−’　］＝　ｈ、　［捜’　ｆ−））Ｐｋ’　ｆ−）
ｈｋ”（へ’　（−））＋　ａ　二２（ｋ）・・・・・
・・・　（５８） である。

式（５７）及び（５８）より仮説ψ３．のもとての目標
変化率観測誤差の評価 ｆ２’　（ｋ）　（ｉ・１，２．・・・、Ｎ）　　　　
　・・・・・・・・（５９）を１次元正規分布で近似す
れば ｆ、（ｋ）・ｇｚ　（Ｒφ（ｋ）；飢”（ｋｌ、ｈ、ｆ
家、−（−１ＩＰ、’　（刊ｈｋ”（ｇ、’（−）ｌ＋
ｏＲ”（ｋ））　　−（６０１である。

ここで＋　ｇ２Ｄ　；ｍ、　ｎ）は、平均ｍ２分散ｎの
１次元正規分布の１における確率密度関数である。

通常のカルマンフィルタの理論より −ｆ６１ｊ ｐ、　　（刊　＝Φう−、Ｐう−、（＋）Φに−ＩＴ＋
　Ｐｋ−、Ｑ、、　ｒ’、、　　　（６２１に５・Ｐう
Ｉｌｌｋ（ｇ　ＨうＴ（ＨうＰう”　（−）Ｈｂ”＋ｒ
ｔう）−１・・（６３）？（＋）・ふｐｉ＝　（−）　
　　　・山・（６４）Ｊ　Ｏ＋　ｐ。

ｐｋ、。、、（＋）＝　Ｐカ（−）　　　　・・・・（
６５）＆、。、−十）４力（−）＋Ｋｉ＋　（ｚ（ｔ　
−Ｈう家ｋ”　（−）　）・・・・　（６６） Ｐｋ、。、ｐｉ、（＋ｌ　　＝Ｐカ（−１に占Ｐカ（刊
　・　・　（６７）（１：１，２．・・・、ｍＪ である。

ここで。

・ｇｈｐｋ＋−＋　は仮説型ｋｐｋのもとてのサンプリ
ング時刻ｔ８に対するすの予測ベクトルで２条件付き平
均ベクトルで書けばカルマンフィルタの理論より Ｙｋｐｋ（刊”Ｅ［’Ｒｗ’Ｐｋｐｋ１Ｚ’、Ｍ’］　
　　　−””１６８］である。

・しく＋）はサンプリング時刻ｔうに対する逸の平滑ベ
クトルで 逸（＋）・Ｅ（濃１２′′、Ｍ’ｌ　　　　　　　　・
・・・・・　（６９）である。

・ｘ　　、　　（＋）は仮説ｘ８．．及び甲５９２、の
もとでの−に、１．ｐｋ サンプリング時刻ｔ８に対するＸｉ＋の平滑ベクトルで ヌ１１．．訂÷）−Ｅ［植Ｘｋ、ψに、　ｐｋｚ、”　
”’・・（７０）である。

・Ｐｋ（＋）はサンプリング時刻ｔ３における平滑誤差
共分散行列で 九（＋）・［（！う−２，０）　）　（逸−家、（＋）
ｌ”ｌＺ’、Ｍ’ｌ・・（７１）である。

・ｐｋｐＨｆ−）はサンプリング時刻ｔ８における仮説
’Ｐｉ＝、ｌ１ｌｋのもとての予測誤差共分散行列でＰ
ｍｐｋｆ−）・Ｅ［（達−斜［”　（−＋　＋（達−ヌ
ｋ”（−））”ｌψに、　ｐｉｔ、Ｚ’、Ｍ’］　　・
（７２）である。

・九ｒ、　ｐｗ　ｆ＋）はサンプリング時刻ｔうにおけ
る仮説ｘｋ１及び甲ｕ、　ｐｍのもとての平滑誤差共分
散行列で ＰＩ　＋、　ｐｗ　Ｄ）二Ｅ［ｆ逸−本；、　ｐｍ　（
＋）　）（！１り、、　４．ｐｋ（＋））Ｔｌψ５ｐう
、Ｚ’、Ｐ］・　・（７３）である。

・Ｋｋはサンプリング時刻ｔ３におけるゲイン行列であ
る。

また、カルマンフィルタを通常適用する場合と同様にし
て初期値６゜（＋ｌ　、　Ｐｏ（＋１は別途定まってい
るとする。

式　（４５）よりＰｋｐｋ（−）は仮説ψ５１匹゛よら
ない値なので４式（４６）より＋Ｋｋ２式（５０）より
Ｐ５．。

ｐｋＤ）　ｆｉ＝１．２＋＝・ｍｋ）も仮説型ｗ、　ｐ
ｋによらない値となる。

探知データ２が、ｄをパラメータとして（Ｚ−２：、　
ｆ−＋　ｌ　ＴＳ、、　（Ｚ−２，ｆ−）　）≦ｃｌ・
［７４）満たす時、探知データは２追尾目標と相関かあ
ると判定される。

ここで ・Ｚ、　ｆ−ｊ・Ｈ８む（−）　　　　　　　　　　・
　　・　（７５）’；ｊ、　ｌ）はサンプリング時刻ｔ
５に対する逸の予測ベクトルで 本（−）・Ｅ［逸１ｚｋ−１，Ｍ“−１１・・・・　（
７６）である。

・５Ｋ＝Ｈ，ＰうＨｋＴ＋Ｒｋ　　　　　　　　　・・
・　　（７７）Ｐう（−）はサンプリング時刻ｔｋにお
ける予測誤差共分散行列で Ｐｋ（−）・Ｅ［ｆ沖−家、ｆ−＋Ｈ達−乞（−））”
１２’−’、！、ｌ″−゛］・　・　（７８） である。

第１Ｏ図は水平面に平行な面内で式（７４）による探知
データと追尾目標の相関を説明する図であり。

区において、Ｐは追尾目標の予測位置である式（７５）
のＺ（−）、Ｑは相関をとるべき範囲の内外を定める境
界線でパラメータｄ及び式（７７）の３５より線形数学
によって算出され、Ｄ１〜Ｄ５は探知データである。

追尾対象目標が相関を取るべき領域内に存在する確率を
ＰＧＫ、　　即ち Ｐｃｘ”　Ｉ　・−Ｉ　ａＫｇ（２ｍ；Ｚｉ＝（−）、
５ＪｄＺＫ（７９）と書く。ここで −Ｇ、＝ｒＺ、；（２，−２，（−））”Ｓ、−’（Ｚ
、−２，（−））≦ｄｌ・・・・・・　（８０） ・ｇ（ｚｘ；ａ＋＋、ＡＪは平均ベクトル卦、共分散行
列へ〇の３次元正規分布Ｚ３における確率密度関数であ
る。尚、確率論よりＦａｘはｄの値によって一意的に定
まる。

仮説早う、β５のもとての探知データｚｋ、の目標位置
観測誤差 ｆｌ）ｉ＋（Ｚｋ、　ｔ）　（Ｐｌ、２．−、ｎ；ｘ＝
１．２．−”＋ｍＪ”（８１）を３次元正規分布で近似
すればカルマンフィルタの理論より ｆｐｉ＝ｆへｉＩＮＺｍ、　＋：Ｈｉ＋Ｘｂ”（−）、
ＨｘＰｈ”（−）Ｈｗ”＋Ｒ＋ｉ）・・・　　　（８２
） である。

式（８２）よりわかるように、目標位置の探知データＺ
５．が目標位置の予測ベクトルＨ，ｘ、　　（−）に近
いほどｔｐｋ（Ｌ、　＋）の値は大きくなり、ｚ５．は
目標が仮説ψに、　ｐｂのもとで運動したとした場合に
追尾目標から得られた探知データであるとの信頼度が高
（評価される。

サンプリング時刻ｔうにおける探知情報が得られない時
点での仮説ψｍ−＋、ｐｋ−＋が仮説ψに、　ｐｂに推
移する信頼度は、仮説ψｍ−＋、ｐｉ＋−＋の信頼度で
ある式（３５）の０８ｐゝ−゛及び推移確率である式（
９）のｐｐＭ・ｐｂ−＋より Ｐ［ψに、　ｐｋ、甲に一＋、ｐｋ−＋ｌ　Ｚｋ−’、
Ｍ′′弓１・ＰＩ）ｋ、　ｐｋ−＋βに一、ｐｋ−＋　
　　　　・・・・・・・　（８３）として求まる。

従って、目標が探知される確率をＰ。とすれば。

追尾対象目標が相関を取るべき領域内に存在して探知さ
れる確率はＰ。ｐａｘであり、サンプリング時刻ｔｋの
探知情報が得られた時点での仮説ψに一１ｐｉ＋−＋、
ψうβ３及び仮説ｘ８ｏが正しいとの信頼度は、サンプ
リング時刻ｔ５における探知情報が得られない時点での
信頼度である式（８３）に追尾対象目標より相関を取る
べき領域内から探知データが得られない確率１−Ｐ、Ｐ
、、及びｍ個の探知データ全てが追尾対象目標以外から
の探知データであるとの信頼度βｋｍ″を乗算した値 （１−ＰＤＰ、Ｋ）　　β１（”Ｐｐｍｐｋ−＋β、−
、ｐ＊−１−（８４１に比例すると考えてよい。

また、サンプリング時刻ｔ５の探知情報が得られた時点
でのψに一１ｐｋ−１＋ψに、　ｐｉ＋及び仮説Ｘｋ、
　、　（ｉ□１．２．　　・２ｍう）が正しいとの信頼
度は、サンプリング時刻ｔ５における探知情報が得られ
ない時点での信頼度である式（８３）に追尾目標が探知
される確率ＰＤ、仮説甲５．ｐ６のもとての探知データ
Ｚｋ、ｉの評価値ｆｐｙ　（７ｙ、　ｌ及びｍ。−１個
の探知データが追尾対象目標以外から得られているとの
信頼度βＪト”を乗算した値 ｆｐ＋＋　（ｚｉｐ、　＋）ｐｏ　Ｂｕ　　’Ｐｐｋｐ
ｍ−＋　βｍ−＋”（８ｓ）に比例すると考えてよい。

サンプリング時刻ｔ５の観測情報ム及びｉφ（ｋ）が得
られない時点での仮説ψ１□の信頼度Ｐ［ψ、、　、　
１２１′−’、Ｚｏ’−’］はマルコフ性より、仮説ψ
３．．が１サンプリング前の各仮説ψに−１，ａ（ａ＝
１，２．・・・、Ｎ）より推移して得られるので。

ψに−１１の信頼度である式（２９）のβに−１，及び
推移確率である式（３０）のｐｐ工ｐ３−１よりＰ［ψ
、、　、　１２’−’、２ｏ’−’］＝　　Σβに−＋
、　ｂＰｐｍｐｍ−＋・・・・・・・・　（８６） として求まる。

目標位置観測ベクトル２゜及び目標距離変化率の観測値
ｉφ（Ｋ）が得られた時点での仮説ψ８１．の信頼度β
５．、は、観測ベクトルｚｋが得られない時点の仮説の
信頼度Ｐ［ψに、　ａｌＺ’−’、Ｚｏ″−’］に仮説
ψ工、の目標位置観測ベクトルｚｋによる評価値ｆ、（
ｋ）及び目標距離変化率の観測値Ｒφ（ｋ）による評価
値ｆ２’ｆｋ）を乗算した値、即ち式（８６）　、及び
式（５９）より Σβ、−１．ｌ、Ｐ、ｂｆ、（ｋ）ｆ２”（ｋ）　　・
・・・・＝（８７１に比例すると考えてよい。

確率の性質より Σβ５０．・１　　　　　　　・・・・・・・　（８８
）なので２式（４６）を正規化して Σｔｂ（ｋ）ｆｚ″（Ｋ）　　Ｂｋ−＋、ｂＰｐｋｐ＋
−＋・・・・・・・（８９） 従って９式（４８）を使用し式（８４）及び式（８５）
及び式（８９）を正規化し ８ｍ、　ｔｐｃ＋　Ｉ）＋−＋ ・・・　　・・・　・　（９０） γｗ。、　ｌ）ｉ＋＋ｐｍ−＋１ｌ−ＰｏＰａＪ　　β
ｉ＋Ｐｐ＋ｐｍ−１（９１）Ｙ　ｗ、　ｒ、　Ｐｋ、　
ｌ）＋−＋”ｆｐｍ　（Ｚｗ、　＋）ＰｏＰｐｈｐｉｒ
−＋ｆ；　（ｋ）　・（９２）を得る。

式　（３６）及びベイズの定理より Ｐ［ｘｋＩＺＫ、Ｍ’］ Ｚ’、Ｍ’ｌ　　・＝−＝　（９３） である。

式（６９１，式（７０）及び式（９３）より・・・・・
（９４） である。

式（９４）及び式ｆ６４１．式（６６１、式（６１）、
式ｆ５７１　。

式（５９）より ｇ、Ｄ）　　＝Φに４（＋）＋　「’に一１’Ｍ、−、
＋Ｋｋｖｋ（９５１ｖｉ＋、；、ｐｂ＝Ｚｋ、；−Ｈｗ
ｇｌ）＋（−）　　　　　　　−・（９７）である。

式（７１１，式ｆ６９）　、式（９４）　、式（７０）
及び式（７３）より （Ｐよ　、ｐう（＋）＋９１．　ｐｂ　Ｄｌｘｂ、　；
、　ｐｋＴＤｌ　ｌ−逸（＋）逸Ｔ（＋）　　・　・　
・　　　（９９）である。

式（５７）及び式（９４）より （’ｇｍ、　ｉ　ｐ＋　（＋）−配（＋１　＋　”（＋
）−宮、（＋）ｇｋ”　［＋）　　　・・　（１００）
だから５式（９９）及び式（１００）より（障；、　Ｉ
）ｇ　ｆ＋）−ヌうｆ＋））（ヌ５．ｐう（＋）−本Ｆ
＋））”］・・・・・・　　　（１０１１ である。

式（１０１）に式（６５）、式（６７）、式（４６１，
式ｆ４１１゜式（６４）　、式（６６）　、式（６１）
、式（９５）〜式（９８）及び。

式（４７）を代入しｐｔ＝”　ｉ）及びＰよ；、　Ｉ）
＋　（”）かψｗ、　ｐｂに無関係なことに注意すれば
。

ＰｋＤ）　”　Ｂ　ｗ。Ｐｗ”　（’）　”　（１−β
に、　ｏ）（ｐｂｐｋ（−）−ＫｋＨｂＰｂｐｋ（−）
　）−心−１卦−１”ｌ　ｒ”ｋ−ＩＴ −Ｍｗ−＋ＶｋＴ］ＫｋＴ −事−、Ｖ、Ｔ］　Ｋ、Ｔ）　Ｔ ｖ＝ｖＷ”］　Ｋｔ＋。　　　　（１０２）である。

式（１）に式［７６］　、式（６９］　、式（１０）及
び式（２９）を適用し 斜（−）・Φ５−、ヌ１．−．　（＋）＋　「’に一、
省、、　・　（１０３）を得る。

式（１）及び式（１０３）より 逸−逸（−）・Φ３−置逸−、−心−、Ｄ））”ｒ”　
ｋ−ＩＷｋ−１＋ｒ　’□−１（９，１−シー１）・（
１０４）である。

式（７８）に式（１０４）を代入し式（７１）、式（１
１）及び式（３２）を適用し逸−＋４ｙ−＋、ｕｋ−＋
が互いに無関係とすれば Ｐ、　Ｈ・Φに−１”Ｐう一１Φに−１”　１−　ｋ−
ＩＱｋ−１ｒ　ｋ−１（旦ｐう−’ｉｋ−＋　）（Ｑ　
ｐｋ−’Ｍ□、＋　ｒ”　、−、”・・　（１０５） を得る。

式（８３）より確率論に従い ・・・・　（１０６） である。

従って５式（１０５）　、式（６２）及び式（１０６）
よりｒ”ｋ−、を旦ｐｕ−’ｍｋ−１）　（旦ｐ５−守
に−ＩＨ’に−ＩＴ・−・・・・・　（１０７） である。

ここで式（３０）及び式（１０６１よりである。

次にこの発明の第１及び第４の発明を第１図及び第５図
に従って説明する。

目標観測装置（１８）より得られる目標位置情報をもと
に通常のカルマンフィルタ理論に基づき目標位置、速度
の平滑値及び平滑誤差共分散行列の初期値を設定しくス
テップ１）、第９図のように零加速度ベクトルを含むｎ
個の定数加速度ベクトルよりなる目標のｎ個の運動モデ
ルを設定した（ステップ２）のち、運動モデルごとの予
測器　（２５）においてｎ個の運動モデルによる平滑器
（２１）より入力されるｎ個の運動モデルによる平滑値
！に−１（＋）及び１個の運動モデルを構成している式
（５）の定数加速度ベクトル旦ｐはり式（６１）に従い
運動モデルごとの予測値Ｘ　ｔｔｐ’　（−）を算出し
、運動モデルごとの予測誤差評価器（２９）においてｎ
個の運動モデルによる平滑誤差評価器（２８）より入力
されるｎ個の運動モデルによる平滑誤差共分散行列Ｐう
−１（＋）及びあらかじめ設定された式（１１）の駆動
雑音共分散行列Ｑｋ−１より式（６２）に従しＡ運動モ
デルごとの予測誤差共分散性列行ｐ’ｔ、’　　（−）
を算出しくステップ３）、運動モデルごとの予測距離変
化率算出器　（２６）においてｎ個の運動モデルごとの
距離変化率の予測値を式（５０）に従い算出しくステッ
プ４）、ｎ個の運動モデルによる予測器（２３）におい
てｎ個の運動モデルによる平滑器（２１）より式（６９
）のｎ個の運動モデルによる平滑値’Ｒｘ−＋Ｄ）を入
力し等速直進運動予測により帆−１ヌｙ−＋　（＋）を
算出しｎ個の運動モデルによる信頼度算出器（２０）よ
り得られる式　（３５）の各運動モデルの信軌度βう−
ｐｂ−＋、あらかじめ設定された式（９）の推移確率Ｐ
ｐうｐ５−１及び式（５）の定数加速度ベクトルａｐは
り式（１０４）に従いサンプリング時刻ｔ８における探
知情報が得られない時点での加速度の影響環を推定し式
ｆ１０３）に従いｎ個の運動モデルによる予測値ｇｋｆ
−）を算出しくステップ５）１目標観測装置（１８）よ
り目標及びクラッタ等からの信号検出結果である位置及
び距離変化率情報よりなる探知データを入力しくステッ
プ７）、相関器　（１９）において現時刻より１サンプ
リング前に算出した式（７６）のｎ個の運動モデルによ
る予測値’ｉ、　ｆ−）を第２の遅延回路（２４）を通
しｎ個の運動モデルによる予測器　（２３）より入力し
相関を取るべき中心位置である式（７５）の２．　（−
）を算出し、現時刻より１サンプリング前に算出した式
（７２）の運動モデルごとの予測誤差共分散行列Ｐうｐ
’＋−）を第４の遅延回路（３１）を通し運動モデルご
との予測誤差評価器（２９）より入力しこれとあらかじ
め設定された式（１３）の観測雑音共分散行列より相関
をとるべき領域の大きさ算出に使用する式（７７）のＳ
５をＰ、　（−）の代わりにＰｋ”　（−）を使用し求
め７式（７４）により追尾目標と相関の可能性のあるｍ
８個の探知データを選択し。

これを式　（１９）の７５としくステップ８）、ｎ個の
運動モデルによる信頼度算出器　＋２０１　ｉこおｌ、
Ｘで現事項より１サンプリング前に式　＋４２１　＋こ
より算出した各運動モデルの信頼度Ｂ　、＝ｐｍ−＋を
第６の遅延回路　（３４）を通しｎ個の運動モデル（こ
よるイ言頼度算出器　（２０）より入力し、現時刻より
１サンプリング前に算出した式（６８）の運動モデルご
との予測値ｇｘ”（−）を第３の遅延回路（２７）を通
し運動モデルごとの予測器　（２５）より入力し、現時
刻より１サンプリング前に算出した式（７２）の運動モ
デルごとの予測誤差共分散行列ｐｉ、”　（−）を第４
の遅延回路（３１）を通し運動モデルごとの予測誤差評
価器　（２９）より入力し、あらかじめ設定された式（
１３）の観測雑音共分散行列Ｒはり式（８２）及び式（
６０）により仮説ψｗ、ｐ工のもとての相関器　（１９
）よりの探知データｚｋ、、ノ信頼度ｆｐｗ（Ｚｋ、　
＋）およびｆ２（２，、、）を求め、あらかじめ設定さ
れた探知確率ＰＤ、追尾対象目標が相関を取るべき領域
内に存在する式（７９）の確率ＰＧＭ及び式（９）の運
動モデルの推移確率Ｐｐ＋＝ｐアー１により式（８６）
〜式（８８）及び式（４２）、式（４４）　、式　（４
６）に従い運動モデル及び探知データの信頼度を算出し
くステップ９）、ゲイン行列算出器　（３３）において
現時刻より１サンプリング前に算出した式（７２）の運
動モデルごとの予測誤差共分散行列ｐｋｐｂ　（−）を
第４の遅延回路（３１）を通し運動モデルごとの予測誤
差評価器　（２９）より入力し、あらかじめ設定された
式（１３）の観測誤差共分散行列Ｒアより式（６３）に
従いゲイン行列を算出しくステップ１０）　、　ｎ個の
運動モデルによる平滑器　（２１）において現時刻より
１サンプリング前に算出しておいた式（６９）のｎ個の
運動モデルによる平滑値に１．−＋（ｌ　を第１の遅延
回路　（２２）を通し入力し、ｎ個の運動モデルによる
信頼度算出器（２０）より式　（３５）の各運動モデル
の信頼度β、ｐｍ及び式　（３６）の仮説ψう、ｐｋの
もとての探知データｚ５．の信頼度β工、ｉ、ｌ）うを
入力し、相関器（１９）より探知データＺｋ、＋　ｚｋ
、　２＋　”　”Ｚｋ、ｍｋを入力し。

現時刻より１サンプリング前に算出しておいた式（６８
）の運動モデルごとの予測値ｇｂ”（−）を第３の遅延
回路（２７）を通し運動モデルごとの予測器（２５）よ
り入力し、ゲイン行列算出器（３３）において式（６３
）に従い算出されるゲイン行列に３を入力し、あらかじ
め設定された式（５）の定数加速度ベクトルａｐう　に
より式（９１）に従いｎ個の運動モデルによる平滑値を
算出し、ｎ個の運動モデルによる平滑誤差評価器　（２
８）においてｎ個の運動モデルによる信頼度算出器（２
０）より式（３４）のβ５□１式（３５）のβ、ｐｋ及
び式（３６）のβｍ、＋、ｐｗを入力し。

現時刻より１サンプリング前に算出しておいた式（７２
）の運動モデルごとの予測誤差共分散行列Ｐｍ”（−）
を第４の遅延回路（３１）を通し運動モデルごとの予測
誤差評価器　（２９）より入力し、ゲイン行列算出器　
（３３）より式（６３）のゲイン行列Ｋｋを入力し、現
時刻より１サンプリング前に算出しておいた式（６８）
の運動モデルごとの予測値捜ｐｋ（−）を第３の遅延回
路（２７）を通し運動モデルごとの予測器（２５）より
入力し、相関器　（１９）より探知データＺ□、１．２
に□、・・・、２に、ｍｋを入力し、あらしめ設定され
た式（５）の定数加速度ベクトルＱｐｗにより式（９８
）及び式（９２）〜（９４）に従い式（７１）のｎ個の
運動モデルによる平滑誤差共分散行列Ｐｋ（＋）を算出
しくステップ１１）、追尾終了になるまでこの一連の流
れを繰り返す（ステップ１２）。

次にこの発明の第２及び第５の発明を第２及び第６図に
従って説明する。

目標観測装置（１８）より得られる目標位置情報をもと
に通常のカルマンフィルタ理論に基づき目標位置、速度
の平滑値及び平滑誤差共分散行列の初期値を設定しくス
テップ１）、第９図のように零加速度ベクトルを含むｎ
個の定数加速度ベクトルより目標のｎ個の運動モデルを
含むｎ個の定数加速度ベクトルよりなる目標のｎ個の運
動モデルを設定した（ステップ２）のち、運動モデルご
との予測器　（２５）においてｎ個の運動モデルによる
平滑器　（２１）より入力されるｎ個の運動モデルによ
る平滑値３□１（＋）及びｎ個の運動モデルを構成して
いる式（５）の定数加速度ベクトルａｐｋより式（６１
）に従い運動モデルごとの予測値ｇｋ”（−）を算出し
、運動モデルごとの予測誤差評価器（２９）においてｎ
個の運動モデルによる平滑誤差評価器（２８）より入力
されるｎ個の運動モデルによる平滑誤差共分散行列Ｐｋ
−，（＋）及びあらかじめ設定された弐ｆｉｌｌの駆動
雑音共分散行列Ｑｋ−’ｌより式（６２）に従い運動モ
デルごとの予測誤差共分散行列Ｐ□”’　（−）を算出
しくステップ３）、運動モデルごとの距離変化率予測器
（２６）においてｎ個の運動モデルごとの距離変化率の
予測値を式（５０）に従い算出しくステップ４）、ｎ個
の運動モデルによる予測誤差評価器（３０）において運
動モデルごとの予測誤差評価器（２９）より式（７２）
の運動モデルごとの予測誤差共分散行列Ｐｋｐｋ（−）
を入力し、ｎ個の運動モデルによる信頼度算出器（２０
）より得らｐ＋＋−＋ れる式（３５）のβに−１＋あらかじめ設定された式　
（９）の推移確率Ｐｐｋｐｋ−＋　、あらかじめ設定さ
れた定数加速度ベクトルＱｐｓ＋及び式（２９）の’Ｍ
ｌ＋−１よりＰｋ（−）の予測誤差を大きく評価する項
（旦ｐ５−句、−，）（旦ｐｍ−’Ｍｍ−＋）”　Ｖ　
’う−１１を算出し１式＋１０５＋に従いｎ個の運動モ
デルによる予測誤差共分散行列Ｐう（−）を算出しくス
テップ６）、目標観測装置（１８）より目標及びクラッ
タ等からの信号検出結果である位置情報および距離変化
率よりなる探知データを入力しくステップ７）、相関器
（１９）において現時刻より１サンプリング前に算出し
た式（６８）の運動モデルごとの予測値ＱＷｐゝ（−）
を第３の遅延回路（２７）を通し運動モデルごとの予測
器（２５）より入力し相関を取るべき中心位置である式
（７５）の２．　（−）を！３の代わりに定数加速度ベ
クトル旦ｐｋが零ベクトルの場合の家ｋｐ′（−１を使
用して算出し、現時刻より１サンプリング前に算出した
式（７８）のｎ個の運動モデルごとの予測誤差共分散行
列を第５の遅延回路（３２）を通し運動モデルごとの予
測誤差評価器（３０）より入力し、これとあらかじめ設
定された式　（１３）の観測雑音共分散行列より相関を
とるべき領域の大きさ算出に使用する式（７７）の汎を
使用し求め１式（７４）により追尾目標と相関の可能性
にある１個探知データを選択しこれを式（１９）の７５
としくステップ７）、ｎ個の運動モデルによる信頼度算
出器（２０）において現時刻より１サンプリング前に式
（４２）により算出した各運動モデルの信頼度β　、ｐ
ｋ−＋を第６の遅延回路（３４）を通しｎ個の運動モデ
ルによる信頼度算出器（２０）より入力し、現時刻より
１サンプリング前に算出した式（６８）の運動モデルご
との予測器ｇ、、ｐゝ（−）を第３の遅延回路（２７）
を通し運動モデルごとの予測器（２５）より入力し、現
時刻より１サンプリング前に算出した式（７２）の運動
モデルごとの予測誤差共分散行列Ｐうｐゝ（−）を第４
の遅延回路（３１）を通し運動モデルごとの予測誤差評
価器（２９）より入力しあらかじめ設定された式　（１
３）の観測雑音共分散行列Ｒ３より式（８２）により仮
説ψｗ、ｐうのもとての相関器（１９１ヨリノ探知デー
タｚｋ、　、）信頼度ｆｐ＋（７ｉ＋　；ｌ　ｊ；よび
ｆ２ＦＺｋ、、）を求め、あらかじめ設定された探知確
率ＰＤ、追尾対象目標が相関を取るべき領域内に存在す
る式（７９）の確率Ｐ。Ｘ及び式（９）の運動モデルの
推移確率Ｐｐｋｐｋ−１により式（８６）〜式（８８）
及び式（４２）、式（４４１，式（４６）に従い運動モ
デル及び探知データの信頼度を算出しくステップ９）、
ゲイン行列算出器　（３３）において現時刻より１ザン
ブリング前に算出した式（７２）の運動モデルごとの予
測誤差共分散行列Ｐｋｐゝ（−）を第４の遅延回路（３
１）を通し運動モデルごとの予測誤差評価器　（２９）
より入力し、あらかじめ設定された式（１３）の観測誤
差共分散行列Ｒｋより式（６３）に従いゲイン行列を算
出しくステップ１０）　、　ｎ個の運動モデルによる平
滑器　（２１）において現時刻より１サンプリング前に
算出しておいた式（６９）のｎ個の運動モデルによる平
滑値ｘｂ−＋ｆ”）を第１の遅延回路　（２２）を通し
入力し、ｎ個の運動モデルによる信頼度算出器（２０）
より式（３５）の各運動モデルの信頼度β・匹及び式（
３６）の仮説ψに、ｐうのもとての探知データム、の信
頼度βｗ＝ｐつを入力し、相関器（１９）より探知７−
タＺｋ、　ＩＩＺｉｌ、　２１　”　’、２３ｍＭを入
力し、現時刻より１サンプリング前に算出しておいた式
（６８）の運動モデルごとの予測値ｇｋ”（−）を第３
の遅延回路（２７）を通し運動モデルごとの予測器（２
５）より入力し、ゲイン行列算出器（３３）より式（６
３）のゲイン行列Ｋｋを入力し、あらかじめ設定された
式（５）の定数加速度ベクトル旦ｐ３により式（９１）
に従いｎ個の運動モデルによる平滑値を算出し、ｎ個の
運動モデルによる平滑誤差評価器（２８）においてｎ個
の運動モデルによる信頼度算出器（２ｏ）より式（３４
）のＢｊｌ、＋１式（３５）のβｔ＋？ｂ及び式（３６
）のβア、　ｒｐｕ、　ｐｌ、−＋を入力し、現時刻よ
り１サンプリング前に算出しておいた式（７２）の運動
モデルごとの予測誤差共分散行列ｐ、ｐｋ（−１を第４
の遅延回路（３１）を通し運動モデルごとの予測誤差評
価器（２９）より入力し、ゲイン行列算出器　（３３）
より式（５月のゲイン行列にうを入力し、現時刻より１
サンプリング前に算出しておいた式（６８）の運動モデ
ルごとの予測値官ｍｐ′ｌ）を第３の遅延回路（２７）
を通し運動モデルごとの予測器（２５）より入力し、相
関器　（１９）より探知データム、ち２．−・・、ｚｋ
、ｍ工を入力し、あらかじめ設定された式（５）の定数
加速度ベクトルａｐ。により式（９８）及び式（９２）
〜式（９９）に従し箇７１）のｎ個の運動モデルによる
平滑誤差共分散行列ＰｋＤｌを算出しくステップ１１）
、追尾終了になるまでこの一連の流れを繰り返す（ステ
ップ１２）。

次にこの発明の第３及び第６の発明を第３図及び第７図
に従って説明する。

目標観測装置（Ｉ８）より得られる目標位置情報をもと
に通常のカルマンフィルタ理論に基づき目標位置、速度
の平滑値及び平滑誤差共分散行列の初期値を設定しくス
テップ１）、第９図のように零加速度ベクトルを含むｎ
個の定数加速度ベクトルよりなる目標のｎ個の運動モデ
ルを設定した（ステップ２）のち、運動モデルごとの予
測器　（２５）においてｎ個の運動モデルによる平滑器
　（２１）より入力されるｎ個の運動モデルによる平滑
値フ−１（＋）及びｎ個の運動モデルを構成している式
（５）の定数加速度ベクトル旦ｐ３より式（６１）に従
い運動モデルごとの予測値ｇｉ＋”ｆ−）を算出し、運
動モデルごとの予測誤差評価器（２９）においてｎ個の
運動モデルによる平滑誤差評価器（２８）より入力され
るｎ個の運動モデルによる平滑誤差共分散行列ＰＭ−１
（＋１及びあらかじめ設定された式（１１）の駆動雑音
共分散行列Ｑｋ−１より式（６２）に従い運動モデルご
との予測誤差共分散行列Ｐ＋ｔ”　（−）を算出しくス
テップ３）、運動モデルごとの予測距離変化率算出器　
（２６）においてｎ個の運動モデルごとの距離変化率の
予測値を式（５０）に従い算出し〔ステップ４）、ｎ個
の運動モデルによる予測器（２３）においてｎ個の運動
モデルによる平滑器（２１）より式（６９）のｎ個の運
動モデルによる平滑値ｘｋ−＋Ｄ）を入力し等速直進運
動予測によりΦに一、ｉ！−，（＋）を算出しｎ個の運
動モデルによる信頼度算出器（２０）より得られる式（
３５）の各運動モデルの信頼度βに一１ｐゝ−”、あら
かじめ設定された式（９）の推移確率Ｐｐｋｐｘ−＋及
び式（５）の定数加速度ベクトル旦ｐｋより式（１０４
）に従いサンプリング時刻ｔ。における探知情報が得ら
れない時点での加速度の影響項を推定し式（９９）に従
いｎ個の運動モデルによる予測値”４．　（−）を算出
しくステップ５）、ｎ個の運動モデルによる予測誤差評
価器（３０）において運動モデルごとの予測評価器（２
９）より式（７２）の運動モデルごとの予測誤差共分散
行列Ｐ工”　（−）を入力し、ｎ個の運動モデルによる
信頼度算出器（２０）より得られる式（３５）のβう一
、ｐｗ−＋、あらかじめ設定された式　（９）の推移確
率Ｐｐｋｐｗ−＋　、あらかじめ設定された定数加速度
ベクトル旦ｐ□及び式（１０４）の卦−１よりｐｔ、　
（−）の予測誤差を太き（評価する項。

（旦１）ｋ−Ｍｍ−＋）　ｆ　Ｑ　ｐう一１□、）”ｒ
’ア−１１を算出し９式（１０３）に従いｎ個の運動モ
デルによる子−１１誤差共分散行列Ｐよ（−）を算出し
くステップ６）、目標観測装置（１８）より目標及びク
ラッタ等からの信号検出結果である位置および距離変化
率情報よりなる探知データを入力し、（ステップ７）、
相関器（１９）において現時刻より１サンプリング前に
算出した式（７６）のｎ個の運動モデルによる予測値障
（−）を第２の遅延回路　（２４）を通し、ｎ個の運動
モデルによる予測器（２３）より入力し相関を取るべき
中心位置である式（７５）の７５（−）を算出し、現時
刻より１サンプリング前に算出した式（７８）のｎ個の
運動モデルによる予測誤差共分散行列を第５の遅延回路
（３２）を通しｎ個の運動モデルごとの予測誤差評価器
（３０）より入力しこれとあらかじめ設定された式（１
３）の観測雑音共分散行列より相関をとるべき領域の大
きさ算出に使用する式（７７）の３８を求め１式（７４
）により追尾目標と相関の可能性のあるｍ８個の探知デ
ータを選択しこれを式（１９）のＺｋとしくステップ８
）、ｎ個の運動モデルのよる信頼度算出器（２０）にお
いて現時刻より１サンプリング前に式　（４２）により
算出した各運動モデルの信頼度βに一１ｐｋ−”を第６
の遅延回路（３４）を通しｎ個の運動モデルによる信頼
度算出器　（２０）より入力し、現時刻より１サンプリ
ング前に算出した（６８）の運動モデルごとの予測値ｘ
ｂｐ′（−）を第３の遅延回路（２７）を通し運動モデ
ルごとの予測器（２５）より入力し、現時刻より１サン
プリング前に算出した式（７２）の運動モデルごとの予
測誤差共分散行列ｐｔ、”　（−１を第４の遅延回路（
３１）を通し運動モデルごとの予測誤差評価器（２９）
より入力しあらかじめ設定された式け３）の観測雑音共
分散行列Ｒｋより式（８２）により仮説ψう、ｐｋのも
とての相関器（１９）よりの探知データム１．ノ信頼度
ｆｐｋ（ｚｍ、　ｌおよびｆ２（ｚ、、ｌを求め。

あらかじめ設定された探知確率Ｐｏ、追尾対象目標が相
関を取るべき領域内に存在する式（７９）の確率ＰＧＫ
及び式（９）の運動モデルの推移確率Ｐｐｉ＋ｐｘ−＋
により式（８６）〜式（８８）及び式（４２）　、式（
４４）、式（４６）に従い運動モデル及び探知データの
信頼度を算出しくステップ９）、ゲイン行列算出器（３
３）において現時刻より１サンプリング前に算出した式
（７２）の運動モデルごとの予測誤差共分散行列Ｐｋｐ
ｋ（−）を第４の遅延回路（３１）を通し運動モデルご
との予測誤差評価器（２９）より入力し、あらかじめ設
定された式（１３）の観測誤差共分散行列Ｒｋより式（
６３）に従い行列を算出しくステップ１０）。

ｎ個の運動モデルによる平滑器（２１）において現時刻
より１サンプリング前に算出しておいた式（６９）のｎ
個の運動モデルによる平滑値ｘｍ−＋Ｄｌを第１の遅延
回路（２２）を通し入力し、ｎ個の運動モデルによる信
頼度算出器（２０）より式（３５）の各運動モデルの信
頼度βｋｐｂ及び式（３６）の仮説ψｍ、　ｐｋのもと
ての探知データ２う１．の信頼度β工。

ｐｋを入力し、現時刻より１サンプリング前に算出して
おいた式（６８）の運動モデルごとの予測値２．ｐ　ｗ
（−）を第３の遅延回路（２７）を通し運動モデルごと
の予測器　（２５）より入力し、ゲイン行列算出器（３
３）より式（６３）のゲイン行列Ｋｋを入力し、あらか
じめ設定された式（５）の定数加速度ベクトルａｐうに
より式（９１）に従いｎ個の運動モデルによる平滑値を
算出し、ｎ個の運動モデルによる平滑誤差評価器　（２
８）においてｎ個の運動モデルによる信頼度算出器（２
０）により式（３４）の３８．１式（３５）のＢ　ｗ、
　；”及び式（３６）のβうｉ＋ｐｋ、１ｌｌｋ−＋を
入力し、現時刻より１サンプリング前に算出した式（７
２）の運動モデルごとの予測誤差共分散行列Ｐｍ”　（
−）を第４の遅延回路（３１）を通し運動モデルごとの
予測誤差評価器（２９）より入力し、ゲイン行列算出器
　（３３）より式（６３）のゲイン行列に０を入力し、
現時刻より１サンプリング前に算出しておいた式（６８
）の運動モデルごとの予測値’ｇｅ’（−）を第３の遅
延回路（２７）を通し運動モデルごとの予測器（２５）
より入力し、相関器　（１９）より探知データ２、、、
．２に□・・・、Ｚｋ、ｍｗを入力し、あらかじめ設定
された式（５）の定数加速度ベクトルＱｐｗにより式（
９８）及び式（９２）〜式（９４）に従い式（７１）の
ｎ個の運動モデルによる平滑誤差共分散行列Ｐｋ（＋ｌ
を算出しくステップ１１）　、追尾終了になるまでこの
一連の流れを繰り返す（ステップ１２）。

［発明の効果］ 以上のようにこの発明によれば通常の目標自動追尾装置
に特別の付加装置を付けることな（安価に目標運動諸元
算出精度を向上させることができる。

尚１以上は等遠回線運動モデルに定数加速度ベクトルが
付加されたモデルの場合について説明したが、これ以外
の複数個の運動モデルを有して目標観測装置の情報より
目標運動諸元を算出する多目標追尾方法及び多目標追尾
装置に適用できる。

【図面の簡単な説明】

第１図は、この発明の第１の発明の多目標追尾方法の一
実施例の処理手順を示す図、第２図は。 この発明の第２の発明の多目標追尾方法の一実施例の処
理手順を示す図、第３図は、この発明の第３の発明の多
目標追尾方法の一実施例の処理手順を示す図、第４図は
従来の多目標追尾方法の一実施例の処理手順を示す図、
第５図は、この発明の第４の発明の多目標追尾装置の一
実施例の構成を説明する図、第６図は、この発明の第５
の発明の多目標追尾装置の一実施例の構成を説明する図
。 第７図は、この発明の第６の発明の多目標追尾装置の一
実施例の構成を説明する図、第８図は、従来の多目標追
尾装置の構成を説明する図、第９区は定数加速度ベクト
ルを説明をする図、第１０図は追尾目標と探知データの
相関を説明する図である。 図において、（１）は初期値設定手順、（２）は運動モ
デル設定手順、（３）は運動モデルごとの予測値及び予
測誤差共分散行列算出手順、（４）は運動モデルごとの
予測距離変化率算出手順、（５）はｎ個の運動モデルに
よる予測値算出手順、（６）はｎ個の運動モデルによる
予測誤差共分散行列算出手順、（７）は探知データ人出
力手順、（８）は探知データ選択手順、（９）は運動モ
デル及び探知データの信頼度算出手順、　　（１０１は
ゲイン行列算出手順、　　（１１）はｎ個の運動モデル
による平滑値及び平滑誤差共分散行列算出手順、　（１
２）は終了判定手順、　　（１３１は等遠回進運動モデ
ル設定手順、　　（１４）は１等速直進運動モデルによ
る予測値算出手順。 （１５）は等速直進運動モデルによる予測誤差共分散行
列算出手順、　（１６）は探知データの信頼度算出手順
、　　（１７）は等速直進運動モデルによる平滑値及び
平滑誤差共分散行列算出手順、　　ｆ１８）は目標観測
装置、　　（１９）は相関器、　　（２０）はｎ個の運
動モデルによる信頼度算出器、　　（２１）はｎ個の運
動モデルによる平滑器、　　（２２）は第１の遅延回路
、　　ｆ２３）はｎ個の運動モデルによる予測器、　　
（２４）は第２の遅延回路、　　（２５１は運動モデル
ごとの予測器。 （２６）は運動モデルごとの距離変化率予測器、　　（
２７）は第３の遅延回路、　　（２８）はｎ個の運動モ
デルによる平滑誤差評価器、　　（２９１は運動モデル
ごとの予測誤差評価器、　　（３０）はｎ個の運動モデ
ルによる予測誤差評価器、　　＋３１１は第４の遅延回
路、　　ｆ３２）は第５の遅延回路、　　（３３）はゲ
イン行列算出器。 （３４）は第６の遅延回路、　　（３５）は等速直進運
動モデルによる予測器、　　（３６）は探知データの信
頼度算出器、　　（３７）は等速直進運動モデルによる
平滑器、　　（３８）は等速直進運動モデルによる平滑
誤差評価器、　　＋３９＋は等速直進運動モデルによる
予測誤差評価器、　　（４０）は第７の遅延回路、　　
（４１）は第８の遅延回路である。 尚、各図中間−あるいは相当部分には同一符号を付して
示しである。 特許出願人　　防衛庁技術研究本部長 筒井良三 第１図 第２図 第３図 第４図 第９図 第１０図

Claims (6)

【特許請求の範囲】
1. （１）目標位置、速度などの平滑値及び平滑値の誤差を
   推定した平滑誤差共分散行列の初期値を設定し、同一次
   元の複数のｎ個の定数ベクトルより構成される目標のｎ
   個の運動モデルを設定したのち、ｎ個の各運動モデルご
   とに目標位置、速度などの予測値及びその誤差を推定し
   た予測誤差共分散行列を算出し、ｎ個の運動モデルによ
   る目標位置、速度などの予測値を算出し、目標観測装置
   より信号検出結果である探知データを入力し、相関器に
   より追尾目標と相関の可能性のある探知デーータを選択
   し、各運動モデルに対する目標位置観測誤差を評価し、
   上記各運動モデルに対する目標距離変化率観測誤差を評
   価し、各観測誤差に対して複数のｎ個の運動モデル及び
   選択された探知データの信頼度を算出し、上記各運動モ
   デルで同一のゲイン行列を算出し、ｎ個の運動モデルに
   よる目標位置、速度などの平滑値及びその誤差を推定し
   た平滑誤差共分散行列を算出し、追尾終了になるまでの
   この一連の流れを繰り返すことを特徴とした多目標追尾
   方法。
2. （２）目標位置、速度などの平滑値及び平滑値の誤差を
   推定した平滑誤差共分散行列の初期値を設定し、同一次
   元の複数のｎ個の定数ベクトルより構成される目標のｎ
   個の運動モデルを設定したのち、ｎ個の各運動モデルご
   とに目標位置、速度などの予測値及びその誤差を推定し
   た予測誤差共分散行列を算出し、ｎ個の運動モデルによ
   る予測値の誤差を推定したｎ個の運動モデルによる予測
   誤差共分散行列を算出し、目標観測装置より信号検出結
   果である探知データを入力し、相関器により追尾目標と
   相関の可能性のある探知データを選択し、位置観測誤差
   評価器により各運動モデルに対する選択された探知デー
   タの目標位置観測誤差を評価し、距離変化率観測誤差評
   価器により各運動モデルに対する目標距離変化率観測誤
   差を評価し、信頼度算出器により上記観測誤差に対して
   複数のｎ個の運動モデル及び選択された探知データの信
   頼度を算出し、上記各運動モデルで同一のゲイン行列を
   算出し、ｎ個の運動モデルによる目標位置、速度などの
   平滑値及び平滑値の誤差を推定した平滑誤差共分散行列
   を算出し、追尾終了になるまでこの一連の流れを繰り返
   すことを特徴とした多目標追尾方法。
3. （３）目標位置、速度などの平滑値及び平滑値の誤差を
   推定した平滑誤差共分散行列の初期値を設定し、同一次
   元の複数のｎ個の定数ベクトルより構成される目標のｎ
   個の運動モデルを設定したのち、ｎ個の各運動モデルご
   とに目標位置、速度などの予測値及びその誤差を推定し
   た予測誤差共分散行列を算出し、ｎ個の運動モデルによ
   る目標位置、速度などの予測値を算出しｎ個の運動モデ
   ルによる予測値の誤差を推定したｎ個の運動モデルによ
   る予測誤差共分散行列を算出し、目標観測装置より信号
   検出結果である探知データを入力し、相関器により追尾
   目標と相関の可能性のある探知データを選択し、角運動
   モデルに対する目標位置観測誤差を評価し、上記各運動
   モデルに対する目標距離変化率観測誤差を評価し、各観
   測誤差に対して複数のｎ個の運動モデル及び選択された
   探知データの信頼度を算出し、上記各運動モデルで同一
   のゲイン行列を算出し、ｎ個の運動モデルによる目標位
   置、速度などの平滑値及び平滑値の誤差を推定した平滑
   誤差共分散行列を算出し、追尾終了になるまでこの一連
   の流れを繰り返すことを特徴とした多目標追尾方法。
4. （４）追尾目標及び追尾目標以外のクラッタ等からの信
   号検出結果を探知データとして出力する目標観測装置と
   、追尾目標と相関の可能性のある探知データを選択し出
   力する相関器と、同一次元の複数のｎ個の定数ベクトル
   より構成される目標のｎ個の運動モデル及び上記相関器
   で選択された探知データの信頼度を、目標観測位置およ
   び目標観測距離変化率により算出するｎ個の運動モデル
   による信頼度算出器と、上記ｎ個の運動モデルによる目
   標位置、速度などの平滑値を算出するｎ個の運動モデル
   による平滑器と、上記ｎ個の運動モデルによる平滑器で
   算出した平滑値を１サンプリング分遅延させ、次回サン
   プリングタイムにおいて、ｎ個の運動モデルによる平滑
   器に出力する第１の遅延回路と、上記ｎ個の運動モデル
   による目標位置、速度などの予測値を算出するｎ個の運
   動モデルによる予測器と、上記ｎ個の運動モデルによる
   予測器で算出した予測値を１サンプリング分遅延させ、
   次回サンプリングタイムにおいて相関器に出力する第２
   の遅延回路と、上記ｎ個の運動モデルごとに目標位置、
   速度などの予測値を算出する運動モデルごとの予測器と
   、上記運動モデルごとの予測器で算出した予測値をもと
   に運動モデルごとの予測距離変化率を算出する運動モデ
   ルごとの距離変化率予測器と、上記運動モデルごとの予
   測器で算出した予測値、および上記運動モデルごとの距
   離変化率予測器で算出した予測距離変化率を１サンプリ
   ング分遅延させ、次回サンプリングタイムにおいてｎ個
   の運動モデルによる信頼度算出器、およびｎ個の運動モ
   デルによる平滑誤差評価器に出力する第３の遅延回路と
   、上記ｎ個の運動モデルによる平滑誤差を評価するｎ個
   の運動モデルによる平滑誤差評価器と、上記運動モデル
   ごとの予測誤差評価器で算出した予測誤差評価値を１サ
   ンプリング分遅延させ、次回サンプリングタイムにおい
   てｎ個の運動モデルによる平滑誤差評価器および相関器
   およびｎ個の運動モデルによる信頼度算出器に出力する
   第４の遅延回路と、上記ｎ個の運動モデルで同一のゲイ
   ン行列を算出するゲイン行列算出器と、上記ｎ個の運動
   モデルによる信頼度算出器で算出した信頼度を１サンプ
   リング分遅延させ、次回サンプリングタイムにおいてｎ
   個の運動モデルによる信頼度算出器に出力する第６の遅
   延回路とで構成したことを特徴とする多追尾目標装置。
5. （５）追尾目標及び追尾目標以外のクラッタ等からの信
   号検出結果を探知データとして出力する目標観測装置と
   、追尾目標と相関の可能性のある探知データを選択し出
   力する相関器と、同一次元の複数のｎ個の定数ベクトル
   より構成される目標のｎ個の運動モデル及び上記相関器
   で選択された探知データの信頼度を、目標観測位置およ
   び目標観測距離変化率により算出するｎ個の運動モデル
   による信頼度算出器と、上記ｎ個の運動モデルによる目
   標位置、速度などの平滑値を算出するｎ個の運動モデル
   による平滑器と、上記ｎ個の運動モデルによる平滑器で
   算出した平滑値を１サンプリング分遅延させ、次回サン
   プリングタイムにおいてｎ個の運動モデルによる平滑器
   に出力する第１の遅延回路と、上記ｎ個の運動モデルご
   とに目標位置、速度などの予測値を算出する運動モデル
   ごとの予測器と上記運動モデルごとの予測器で算出した
   予測値をもとに運動モデルごとの予測距離変化率を算出
   する運動モデルごとの距離変化率予測器と、上記運動モ
   デルごとの予測器で算出した予測値および上記運動モデ
   ルごとの距離変化率予測器で算出した予測距離変化率を
   １サンプリング分遅延させる第３の遅延回路と、上記ｎ
   個の運動モデルによる平滑誤差を評価するｎ個の運動モ
   デルによる平滑誤差評価器と、上記ｎ個の運動モデルご
   との予測誤差を評価する運動モデルごとの予測誤差評価
   器と、上記ｎ個の運動モデルによる平滑誤差を評価する
   ｎ個の運動モデルによる平滑誤差評価器と、上記運動モ
   デルごとの予測誤差評価器で算出した予測誤差評価値を
   １サンプリング分遅延させ、次回サンプリングタイムに
   おいてｎ個の運動モデルによる信頼度算出器およびｎ個
   の運動モデルによる平滑誤差評価器に出力する第４の遅
   延回路と、上記ｎ個の運動モデルによる平滑誤差評価器
   で算出した平滑誤差を１サンプリング分遅延させ、次回
   サンプリングタイムにおいて相関器に出力する第５の遅
   延回路と、上記ｎ個の運動モデルで同一のゲイン行列を
   算出するゲイン行列算出器と、上記ｎ個の運動モデルに
   よる信頼度算出器で算出した信頼度を１サンプリング分
   遅延させ、次回サンプリングタイムにおいてｎ個の運動
   モデルによる信頼度算出器に出力する第６の遅延回路と
   で構成したことを特徴とする多追尾目標装置。
6. （６）追尾目標及び追尾目標以外のクラッタ等からの信
   号検出結果を探知データとして出力する目標観測装置と
   、追尾目標と相関の可能性のある探知データを選択し出
   力する相関器と、同一次元の複数のｎ個の定数ベクトル
   より構成される目標のｎ個の運動モデル及び上記相関器
   で選択された探知データの信頼度を、目標観測位置およ
   び目標観測距離変化率により算出するｎ個の運動モデル
   による信頼度算出器と、上記ｎ個の運動モデルによる目
   標位置、速度などの平滑値を算出するｎ個の運動モデル
   による平滑器と、上記ｎ個の運動モデルによる平滑器で
   算出した平滑値を１サンプリング分遅延させ、次回サン
   プリングタイムにおいてｎ個の運動モデルによる平滑器
   に出力する第１の遅延回路と、上記ｎ個の運動モデルに
   よる目標位置、速度などの予測値を算出するｎ個の運動
   モデルによる予測器で算出した予測値を１サンプリング
   分遅延させ、次回サンプリングタイムにおいて相関器に
   出力する第２の遅延回路と、上記ｎ個の運動モデルごと
   に目標位置、速度などの予測値を算出する運動モデルご
   との予測器と、上記運動モデルごとの予測器で算出した
   予測値をもとに運動モデルごとの予測距離変化率を算出
   する運動モデルごとの距離変化率予測器と、上記運動モ
   デルごとの予測器で算出した予測値、および上記運動モ
   デルごとの距離変化率予測器で算出した予測距離変化率
   を１サンプリング分遅延させ、次回サンプリングタイム
   においてｎ個の運動モデルによる信頼度算出器に出力す
   る第３の遅延回路と、上記ｎ個の運動モデルによる平滑
   誤差を評価するｎ個の運動モデルによる平滑誤差評価器
   と、上記ｎ個の運動モデルごとの予測誤差を評価する運
   動モデルごとの予測誤差評価器と、上記ｎ個の運動モデ
   ルによる予測誤差を評価するｎ個の運動モデルによる予
   測誤差評価器と、上記運動モデルごとの予測誤差評価器
   で算出した予測誤差評価値を１サンプリング分遅延させ
   る第４の遅延回路と、上記ｎ個の運動モデルによる平滑
   誤差評価器で算出した予測誤差を１サンプリング分遅延
   させる第４の遅延回路と、上記ｎ個の運動モデルで同一
   のゲイン行列を算出するゲイン行列算出器と、上記ｎ個
   の運動モデルによる信頼度算出器で算出した信頼度を１
   サンプリング分遅延させる第６の遅延回路とで構成した
   ことを特徴とする多追尾目標装置。