JPH04363688A

JPH04363688A - 経路予測装置

Info

Publication number: JPH04363688A
Application number: JP3178663A
Authority: JP
Inventors: Kohei Nomoto; 弘平野本; Yoshimasa Ohashi; 大橋　由昌
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 1991-03-08
Filing date: 1991-06-24
Publication date: 1992-12-16
Anticipated expiration: 2013-05-13
Also published as: JP2749727B2; US5408414A

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】

【０００１】

【産業上の利用分野】本発明は、飛行目標の運動を監視
し、その目標が山陰に隠れて観測値がしばらく得られな
い間にもその経路を予測する経路予測装置に関するもの
である。

【０００２】

【従来の技術】従来、このような目標のための経路予測
装置としては、常時観測情報が得られる場合の目標追尾
を意図した追尾フィルタが利用されていた。

【０００３】図１０は、Ｒ．　Ａ．　Ｓｉｎｇｅｒ　ａ
ｎｄ　Ｋ．　Ｗ．　Ｂｅｈｎｋｅ　；　Ｒｅａｌｔｉｍ
ｅ　ｔｒａｃｋｉｎｇ　ｆｉｌｔｅｒ　ｅｖａｌｕａｔ
ｉｏｎ　ａｎｄ　ｓｅｌｅｃｔｉｏｎ　ｆｏｒ　ｔａｃ
ｔｉｃａｌ　ａｐｐｌｉｃａｔｉｏｎｓ，　ＩＥＥＥ　
ＴＲＡＮＳ．　，　ＶＯＬ．　ＡＥＳ７，　ＮＯ．　１
（１９７１）　に示された追尾フィルタのブロック線図
である。このＲ．　Ａ．　Ｓｉｎｇｅｒの追尾フィルタ
は、カルマンフィルタを応用したものであり、その後の
追尾フィルタリングの基本となっている。この追尾フィ
ルタを経路予測装置として利用するには、目標が観測可
能である場合にはこの図１０のまま動作させる。そして
、目標が山陰などに隠れて観測が不可能になった場合に
は、その構成を図１１のブロック線図のように変更して
動作させる。

【０００４】まず、図１０を用いて、目標が観測可能で
ある場合の従来の経路予測装置の構成を説明する。図１
０において、１は目標を観測してその観測値を出力する
観測部、３は該観測値を入力して目標の推定状態と予測
状態とを出力する予測部である。該観測部１において、
５は目標を観測するためのセンサであり、レーダなどが
用いられる。６はデータプロセッサで、該センサ５の出
力信号を処理して、観測値を出力する。また、上記予測
部３において、７は遅延素子で、予測状態を入力して単
位時間分の遅延を行い出力する。ここで、「状態」とは
、上記「観測値」が通常、目標の位置のみの情報である
のに対し、これに目標の速度あるいはさらに加速度まで
を付加した情報をいう。また、図において、予測状態の
記号中の括弧内のｋ／ｋ−１は、時刻ｋ−１までに得ら
れた観測値に基づいた時刻ｋの状態の予測であることを
示している。

【０００５】８は観測方程式処理要素であり、予測状態
を入力して予測観測値を出力する。９は加減算要素であ
り、該予測観測値と上記観測値との差を算出する。この
差信号は、カルマンフィルタではイノベーション過程と
呼ばれる。５１はフィルタゲイン処理要素であり、該イ
ノベーション過程を入力して修正信号を出力する。５２
は加減算要素であり、該修正信号と上記予測信号の和を
算出する。この和信号は推定状態となる。５３はシステ
ムダイナミクス処理要素であり、該推定状態を入力し単
位時間分先の予測状態を出力する。該予測状態は、再び
上記遅延要素に入力され、単位時刻後の処理に利用され
る。

【０００６】次に、図１１を用いて、目標が観測不可能
である場合の従来の経路予測装置の構成を説明する。図
１１において、３は予測部であり、観測値が得られない
のでシステムダイナミクス処理要素５３のみからなる。該システムダイナミクス処理要素５３は、この構成では
、繰り返し予測状態を入力し、予測状態を外挿していく
。図において、予測状態の記号中の括弧内のｋ＋１＋１
／ｋは、時刻ｋまでに得られた観測値に基づいた時刻ｋ
＋１＋１の状態の予測であることを示しており、この１
が１ずつ増加していく。

【０００７】上述した従来例の動作を図１２のフローチ
ャートを用いて説明する。まず、ＳＴ１で目標が観測可
能であるか否かの判断を行う。もし、観測可能である場
合には、ＳＴ２へ進み、センサ５により目標の観測を行
い、データプロセッサ６でその出力のデータ処理を行っ
て観測値として出力する。この場合、従来の経路予測装
置の構成は、図１０のブロック線図により表される。そ
して、該観測値から、目標の推定状態と予測状態とを得
るための一連の動作ＳＴ５はカルマンフィルタに従う。カルマンの一連の計算式を（１）式〜（５）式に示す。

【０００８】

【数１】

【０００９】ＳＴ５ａにおいて、観測方程式要素８が、
後述の遅延要素７より得られる現時刻の予測状態を入力
し、（１）式の［］内第２項の計算を行い、出力する。この処理は、目標の位置、速度の予測値のうちから位置
に関する情報を取り出す処理であり、ここではこの値を
予測観測値と呼ぶことにする。次にＳＴ５ｂにおいて、
加減算要素９は、該予測観測値と上記観測値とを入力し
、（１）式の［］内を計算して出力する。この値はカル
マンフィルタではイノベーション過程と呼ばれる。さら
にＳＴ５ｃにおいて、フィルタゲイン処理要素５１は、
最適なフィルタゲインを（２）（３）（５）式に従って
求め、（１）式の右辺第２項を計算して出力する。この値は、修正信号としての意味を持つ。そしてＳＴ５
ｄで、加減算要素５２は、該修正信号と後述の予測状態
とを入力し、（１）式全体の値を求め、出力する。この
値は、推定状態としての意味を持つ。ここでＳＴ５ｅに
おいて、該推定状態をシステムダイナミクス処理要素５
３の入力に設定する。

【００１０】その後、ＳＴ５ｇに進み、システムダイナ
ミクス処理要素５３は、該推定状態を入力して、（４）
式の計算を行い、単位時刻未来の予測状態を出力する。上記推定状態と該予測状態は、従来の経路予測装置の出
力となる。最後にＳＴ１０において、終了か否かの判断
を行う。終了しない場合には、単位時間後に再びＳＴ１
の前に戻り、同様の処理を繰り返す。この場合、ＳＴ５
ｇにおいて、求められた現時点から単位時刻先を予測し
た予測状態は、単位時間後に、単位時間前から現時刻を
予測した予測状態として用いられる。この時間のシフト
は、図１０のブロック線図では、遅延要素７により表現
されている。

【００１１】一方、ＳＴ１において、観測不可能と判断
された場合には、ＳＴ５ｆに進み、上記予測状態をシス
テムダイナミクス処理要素５３の入力に設定する。この
場合の経路予測装置の構成は、図１１のブロック線図に
より表される。ＳＴ５ｇでは、システムダイナミクス処
理要素５３は、上記推定状態の代りに、上記予測状態を
繰り返し入力し、予測状態の外挿計算を行う。該予測状
態は従来の経路予測装置の出力となる。この計算式を、
（６）式に示す。

【００１２】

【数２】

【００１３】

【発明が解決しようとする課題】従来の経路予測装置は
以上のように構成されていたので、観測不可能である時
間が短い場合には予測状態の外挿により経路予測を続行
できるが、これが長くなると、仮定の上に仮定を積み重
ねることになるため、経路予測の信頼性が低下するとい
う問題点があった。

【００１４】本発明は、上記のような問題点を解決する
ためになされたもので、地表近くを低空で飛行する目標
の経路が地形の拘束を受けることを利用し、その地形情
報を用いて、観測不可能である時間が長くなっても信頼
性のある経路予測が可能である経路予測装置を得ること
を目的とする。

【００１５】

【課題を解決するための手段】第１発明に係る経路予測
装置は、観測部と予測部のみから構成されていた従来の
経路予測装置に、地形情報の特徴量を出力する地形情報
部を付加したものである。

【００１６】第２発明は、さらに、上記予測部を調整す
る学習調整部を付加するものである。

【００１７】また、第３発明に係る経路予測装置は、観
測部と予測部のみから構成されていた従来の経路予測装
置に、地形情報の拘束により生ずる操縦量を計算して出
力する操縦量計算部を付加したものである。

【００１８】また、第４発明に係る経路予測装置は、予
測状態を入力し、地形との関係から操縦量を計算して出
力する操縦量計算部と、該操縦量を入力し、上記予測状
態を更新して出力する予測部のみから構成したものであ
る。

【００１９】さらに、第５発明に係る経路予測装置は、
観測部と予測部のみから構成されていた従来の経路予測
装置に、地形との衝突回避のために生ずるマニューバを
予測してシステム雑音共分散の増加分を出力するマニュ
ーバ予測部を付加したものである。

【００２０】

【作用】第１発明による経路予測装置では、地形情報部
は予め蓄えた地形情報からその特徴量を出力し、予測部
は観測値に加えて該特徴量を入力して経路の予測を行う
。

【００２１】また、第２発明は、観測が可能である場合
に、予測された観測値と実際の観測値とを比較して目標
の飛行に関する学習を行い、自動的に上記予測部を調整
する。

【００２２】また、第３発明による経路予測装置では、
地形情報部は予め蓄えた地形情報から地形の拘束による
操縦量を計算して経路予測に利用する。

【００２３】また、第４発明による経路予測装置では、
観測が不可能である場合に、観測情報を用いず地形情報
のみにより経路予測を行う。

【００２４】さらに、第５発明による経路予測装置では
、目標が現在の状態で飛行を続けると地形に衝突する場
合、これを回避するために目標が取るであろうマニュー
バを予測して、システム雑音の共分散を増加させる。

【００２５】

【実施例】

実施例１．以下、本発明を図示実施例に基づき説明する
。まず、第１と第２発明について、図１を用いて目標が
観測可能である場合の経路予測装置の一実施例を説明す
る。図１において、１は目標を観測してその観測値を出
力する観測部、２は地形情報を蓄積してその地形情報の
特徴量を出力する地形情報部、３は該観測値と該地形情
報の特徴量とを入力し、該目標の予測観測値を出力する
予測部、４は単位時間過去に現時刻を予測した予測観測
値と現時刻の観測値との誤差信号を入力し、上記予測部
に調整信号を出力する学習調整部である。

【００２６】上記観測部１において、５は目標を観測す
るためのセンサであり、レーダなどが用いられる。６は
データプロセッサで、該センサ５の出力信号を処理して
観測値を出力する。また、上記学習調整部４において、
９は加減算要素であり、単位時間過去に現時刻を予測し
た予測観測値と現時刻に観測値との差を算出する。この
差信号は、ニューラルネットワークでは誤差信号と呼ば
れる。１３はニューラルネットワークであり、該誤差信
号を入力して調整信号を出力する。

【００２７】また、上記予測部３において、１０はファ
ジイ推論要素であり、上記観測値と後述の地形情報の特
徴量とを入力し単位時間未来の予測観測値を出力する。そして、該ファジイ推論要素１０は、上記調整信号によ
り予測値が次第に正確になるような調整を受ける。７は
遅延要素であり、該予測観測値を入力して単位時間分の
遅延を行って出力する。さらに、上記地形情報部２にお
いて、１１は地形情報を蓄積するメモリであり、地形情
報を出力する。この地形情報は予め蓄えておく。１２は
特徴量抽出要素であり、該地形情報を入力し経路予測に
用いる特徴量を抽出して地形情報の特徴量として上記フ
ァジイ推論要素に出力する。

【００２８】次に、図２を用いて、目標が観測不可能で
ある場合の経路予測装置の一実施例を説明する。図２に
おいて、２は地形情報部であり、３は予測部である。該
予測部３は、観測値が得られないのでファジイ推論要素
１０のみから成る。該ファジイ推論要素１０は、繰り返
し予測観測値を入力するとともに、後述の地形情報の特
徴量を入力し、予測観測値を逐次外挿して出力する。ま
た、上記地形情報部３において、１１は地形情報を蓄積
するメモリであり、地形情報を出力する。１２は特徴量
抽出要素であり、該地形情報を入力し、経路予測に用い
る特徴量を抽出して、地形情報の特徴量として上記ファ
ジイ推論要素に出力する。

【００２９】上述した経路予測装置の動作を、図３のフ
ローチャートを用いて説明する。まず、ＳＴ１で目標が
観測可能であるか否かの判断を行う。もし、観測可能で
ある場合には、ＳＴ２へ進み、センサ５により目標の観
測を行い、データプロセッサ６でその出力のデータ処理
を行って観測値として出力する。この場合の経路予測装
置の構成は、図１のブロック線図により表される。次に
、ＳＴ４において、加減算要素９は、単位時間過去に現
時刻を予測した予測観測値と現時刻の観測値とを入力し
、誤差信号を出力する。さらに、ＳＴ５において、ニュ
ーラルネットワークは学習アルゴリズムを実行し、後述
のファジイ推論要素１０の調整を行う。ニューラルネッ
トワークの学習の一連の式を（７）式〜（１１）式に示
す。

【００３０】

【数３】

【００３１】上記数式において、（７）式は二乗誤差を
定義している。（８）式により、該二乗誤差が減少する
方向が計算される。（９）式への変換は後述のファジイ
推論要素１０の動作の中で説明する。（１０）式で調整
信号が求められる。実際の調整は、（１１）式により実
行される。ここで、ＳＴ６において、上記観測値をファ
ジイ推論要素１０の入力の１つに設定する。その後ＳＴ
８に進み、地形情報メモリ１１より読み出された地形情
報より、特徴量抽出要素１２が特徴量を抽出し、ファジ
イ推論要素１０の入力のもう一方に設定する。この地形
情報とは、例えば、メッシュ状に細分した地表の海抜値
である。また、この地形情報の特徴量とは、例えば目標
の高度あるいは進行方向に対する山の角度や谷の角度な
どである。そして、ＳＴ９において、ファジイ推論要素
１０によりファジイ推論が実行され、単位時間未来の予
測観測値が計算される。ファジイ推論の一連の式を（１
２）式〜（１４）式に示す。

【００３２】

【数４】

【００３３】ここで、（１２）式はｉ番目のルールを示
している。このルールは、Ｉｆ部とＴｈｅｎ部とから成
る。Ｉｆ部はさらにｎ個の条件がａｎｄで結ばれて構成
されているが、このａｎｄ結合は積により定義される。従って、各ルールの成立度は（１３）式により計算され
る。これらの各ルールは、（１４）式の重心計算により
総合されて、予測観測値が決まる。該予測観測値が、該
ファジイ推論要素の出力、さらに本実施例による経路予
測装置の出力となる。また、上記（８）式から（９）式
への変換は、上記（７）式と、該（１４）式から明らか
である。最後にＳＴ１０において、終了か否かの判断を
行う。終了しない場合には、単位時間後に再びＳＴ１の
前に戻り、同様の処理を繰り返す。図１の遅延要素７は
、従来技術の動作の部分で述べたものと同じ時間のシフ
トを表している。

【００３４】一方、ＳＴ１において、観測不可能と判断
された場合には、ＳＴ７に進み、上記予測観測値をファ
ジイ推論要素１０の入力の１つに設定する。この場合の
経路予測装置の構成は、図２のブロック線図により表さ
れる。ＳＴ８では、ファジイ推論要素１０は、上記観測
値の代わりに、上記予測観測値を繰り返し入力し、予測
観測値の外挿計算を行う。該予測観測値は、本実施例に
よる経路予測装置の出力となる。この計算式を、（１５
）〜（１７）式に示す。

【００３５】

【数５】

【００３６】なお、上記実施例では、センサ１０として
レーダを用いたが、赤外線センサ等の別のセンサを用い
ても有効である。

【００３７】また、学習調整の方法として、ニューラト
ラルネットワークを用いたが、逐次同定法等の別な学習
法、あるいは適応法を利用しても有効である。

【００３８】そして、予測観測値を得る方法としてファ
ジイ推論を用いたが、人口知能などの別の方法を利用し
ても有効である。

【００３９】実施例２．次に、図４のブロック線図を用
いて、第３発明に係る経路予測装置の一実施例を説明す
る。図４において、図１０に示す従来例と同一符号は同
一部分を示し、その説明は省略する。新たな構成として
、１４は地形の拘束により生ずる操縦量を計算して出力
する操縦量計算部であり、予測部３は観測部１による観
測値と該操縦量とを入力し、目標の推定状態と予測状態
を計算して出力する。ここで、上記予測部３において、
システムダイナミクス処理要素５３は、加減算要素５２
により算出される推定状態と下記操縦量を入力し、単位
時間分先の予測状態を出力するようになされ、該予測状
態は、再び上記遅延要素６に入力され、単位時間後の処
理に利用される。また、上記操縦量計算部１４において
、１５は操縦量計算要素であり、メモリに蓄積された地
形情報と上記推定状態を入力し、その状態の目標が該地
形の拘束により発生する操縦量を計算し、出力する。

【００４０】上記第３発明に係る経路予測装置の動作を
図５に示すフローチャートを用いて説明する。ＳＴ２か
らＳＴ５ｄまでの動作は、従来の経路予測装置のそれと
同様にして動作する。第３発明による経路予測装置は、
その後、ＳＴ１１で地形情報メモリ１１において地形情
報の読み出しが行われる。そしてＳＴ１２では、操縦量
計算要素１５が該地形情報と上記推定状態を入力して、
この推定された状態の目標が該地形の拘束を受けて生ず
る操縦量を計算して出力する。最後にＳＴ５ｇで、シス
テムダイナミクス処理要素５３は、該推定状態と該操縦
量を入力して、（１８）式の計算を行い、単位時間先の
予測状態を計算して出力する。処理は再びＳＴ２の前に
戻る。

【００４１】

【数６】

【００４２】実施例３．次に、図６のブロック線図を用
いて、第４発明に係る経路予測装置の一実施例を説明す
る。図６において、操縦量計算部１４は目標の予測状態
を入力し、地形の拘束により生ずるその状態の目標の操
縦量を計算して出力するようになされ、予測部３は該操
縦量を入力し、該予測状態を更新して出力する。ここで
、上記操縦量計算部１４において、１５は操縦量計算要
素であり、地形情報メモリ１１に蓄積された地形情報と
下記予測状態を入力し、その状態の目標が該地形の拘束
により発生する操縦量を計算し、出力する。また、上記
予測部３において、システムダイナミクス処理要素５３
は、該操縦量と前回計算した予測状態を入力し、その予
測状態を単位時間分更新して出力するようになされ、該
予測状態は、単位時間後に再び更新されるとともに、上
記操縦量計算要素１５の入力となる。

【００４３】上記第４発明に係る経路予測装置の動作を
図７に示すフローチャートを用いて説明する。まず、Ｓ
Ｔ１３においてｊ＝０とする。このｊは、図６の時刻ｋ
＋ｊにおいて、ｊ＝０の場合は現時刻を指し、以下１ず
つ増加するにしたがって単位時間分の時間が経過するこ
とを意味する。次に、ＳＴ１４でｊを１だけ増加させる
。その後ＳＴ１１で、地形情報メモリ１１において地形
情報の読み出しが行われる。そしてＳＴ１２では、操縦
量計算要素１５が該地形情報と下記予測状態を入力して
、この予測された状態の目標が該地形の拘束を受けて生
ずる操縦量を計算して出力する。最後にＳＴ５ｇで、シ
ステムダイナミクス処理要素５３は、該予測状態と該操
縦量を入力して、（１９）式の計算行い、該予測状態を
更新して出力する。処理は再びＳＴ１４の前に戻る。

【００４４】

【数７】

【００４５】実施例４．次に、図８のブロック線図を用
いて、第５発明に係る経路予測装置の一実施例を説明す
る。図８において、図４に示す第１発明の実施例と同一
符号は同一部分を示し、その説明は省略する。新たな構
成として、１６は目標の推定状態を入力し、地形との衝
突回避のために目標が生ずるマニューバを予測してシス
テム雑音共分散の増加分を出力するマニューバ予測部で
あり、予測部３は観測部１による観測値と該増加分とを
入力し、目標の推定状態と予測状態を計算して出力する
。ここで、上記マニューバ予測部１６において、１７は
衝突予測要素であり、地形情報メモリに蓄積された地形
情報と下記推定状態を入力し、目標が現在の状態で飛行
を続けると地形に衝突する場合、これを回避するために
目標が取るであろうマニューバを予測して、システム雑
音共分散の増加分を出力する。また、上記予測部３にお
いて、その内部構造は、推定状態が上記マニューバ予測
部１６の入力となることと、フィルタゲイン処理要素５
１が該マニューバ予測部１６の出力であるシステム雑音
共分散の増加分を入力としていること以外は、第３発明
による経路予測装置と同様である。

【００４６】上記第５発明に係る経路予測装置の動作を
図９に示すフローチャートを用いて説明する。ＳＴ２か
らＳＴ５ｂまでの動作は、従来の経路予測装置のそれと
同様である。第５発明による経路予測装置では、その後
、ＳＴ１１で地形情報メモリ１１において地形情報の読
み出しが行われる。そしてＳＴ１５では、衝突予測要素
１７が該地形情報と予測部３の出力である推定状態を入
力し、その状態で飛行を続けると地形に衝突する場合、
それを回避するためにその目標が取るであろうマニュー
バを予測し、システム雑音共分散の増加分を出力する。ＳＴ１６で、フィルタゲイン処理要素５１において、該
システム雑音共分散の増加分をそれまでの共分散に足し
込む。これは（２０）式に表される。ただし、この式の
システム雑音共分散Ｑは行列であるため、これが増加す
るということを正確には（２１）式、（２２）式に定義
する。つまり、この行列全体がスカラーｑを係数として
しており、このｑを増加させるのである。その後ＳＴ５
ｃからＳＴ５ｇまでは従来の経路予測装置の動作と同様
である。

【００４７】

【数８】

【００４８】なお、上記実施例では、センサ１０として
レーダを用いたが、赤外線センサ等の別のセンサを用い
ても有効である。

【００４９】また、予測部３としてカルマンフィルタに
よるアルゴリズムを示したが、α−βトラッカによるア
ルゴリズムを用いても有効である。

【００５０】

【発明の効果】以上のように、第１発明によれば、地形
情報を蓄積しその特徴量を出力する地形情報部を付加し
たので、観測不可能である時間が長くなっても、低空侵
入目標の飛行経路が地形に拘束されることを利用するこ
とにより、信頼性のある経路予測が可能となる。

【００５１】また、第２発明によれば、さらに、観測が
可能である場合に、目標の経路予測に関する学習を行い
、上記予測部を調整する学習調整部を付加したので、初
めは正しい経路予測ができなくとも、次第に正確な経路
予測が可能となるという機能を有する。

【００５２】また、第３発明によれば、地形の拘束によ
る目標の操縦量を計算することにより、地形情報を利用
した効果的な経路予測が可能となる。

【００５３】また、第４発明によれば、観測ができない
場合にも、観測情報を用いず地形情報のみを利用した経
路予測が可能となる。

【００５４】さらに、第５発明によれば、地形との衝突
回避のために目標が生ずるマニューバを予測することに
より、地形情報を利用した効果的な経路予測が可能とな
る。

【図面の簡単な説明】

【図１】第１と第２発明に係る経路予測装置の実施例に
おける観測可能な場合の構成を示すブロック線図である
。

【図２】第１と第２発明に係る経路予測装置の実施例に
おける観測不可能な場合の構成を示すブロック線図であ
る。

【図３】図１と図２における経路予測装置の実施例の動
作を示すフローチャートである。

【図４】第３発明に係る経路予測装置の一構成を示すブ
ロック線図である。

【図５】第３発明に係る経路予測装置の動作を示すフロ
ーチャートである。

【図６】第４発明に係る経路予測装置の一構成を示すブ
ロック線図である。

【図７】第４発明に係る経路予測装置の動作を示すフロ
ーチャートである。

【図８】第５発明に係る経路予測装置の一構成を示すブ
ロック線図である。

【図９】第５発明による経路予測装置の動作を示すフロ
ーチャートである。

【図１０】従来の経路予測装置の観測可能な場合の構成
を示すブロック線図である。

【図１１】従来の経路予測装置の観測不可能な場合の構
成を示すブロック線図である。

【図１２】従来の経路予測装置の動作を示すフローチャ
ートである。

【符号の説明】

１　　　　　　観測部２　　　　　　地形情報部３　　　　　　予測部４　　　　　　学習調整部１０　　　　ファジイ推論要素１１　　　　地形情報メモリ１２　　　　特徴量抽出要素１３　　　　ニューラルネットワーク１４　　　　操縦量計算部１５　　　　操縦量計算要素１６　　　　マニューバ予測部１７　　　　衝突予測要素

Claims

【特許請求の範囲】

【請求項１】　　目標を観測してその観測値を出力する
観測部と、地形情報を蓄積してその地形情報の特徴量を
出力する地形情報部と、該観測値と該地形情報の特徴量
とを入力し、該目標の経路を予測してその予測観測値を
出力する予測部とから成ることを特徴とする経路予測装
置。
【請求項２】　　単位時間過去に現時刻を予測した予測
観測値と現時刻の観測値との誤差信号を入力し、該誤差
信号が小さくなるように経路予測に関する学習を行い、
上記予測部に調整信号を出力する学習調整部を付加した
ことを特徴とする請求項１記載の経路予測装置。
【請求項３】　　目標を観測してその観測値を出力する
観測部と、該目標の推定状態を入力し地形との関係から
操縦量を計算して出力する操縦量計算部と、該観測値と
該操縦量を入力し目標の推定状態および予測状態を出力
する予測部とから成ることを特徴とする経路予測装置。
【請求項４】　　予測状態を入力し、地形との関係から
操縦量を計算して出力する操縦量計算部と、該操縦量を
入力し、上記予測状態を更新して出力する予測部とから
成ることを特徴とする経路予測装置。
【請求項５】　　目標を観測してその観測値を出力する
観測部と、該目標の推定状態を入力し、地形との衝突回
避により生ずるマニューバを予測してシステム雑音共分
散の増加分を出力するマニューバ予測部と、該観測値と
該増加分を入力し、目標の推定状態および予測状態を出
力する予測部とから成ることを特徴とする経路予測装置
。