JPH05288840A - 多目標追尾装置 - Google Patents

Abstract

(57)【要約】 【目的】 複数の目標及びクラッタ等の不要信号から、
位置等の運動諸元の探知情報と類識別結果等の属性の探
知情報が得られる環境下において、目標の位置及び速度
を推定しながら精度良く追尾できる多目標追尾方法及び
その装置を得る。 【構成】 追尾目標と相関の可能性のある探知情報を位
置等の運動諸元に基づく処理及び属性に基づく処理の２
段階により選択し、平滑及び予測計算においては選択さ
れた探知情報に対する時々刻々の信頼度の計算に運動諸
元及び属性情報を利用することにより、目標位置、速度
の最適な推定値を算出する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、航空機や飛翔体等の
移動物体を目標とし、電波や赤外線等を探知分析するこ
とにより目標の類識別を行う目標観測装置を用い、目標
観測装置による複数の目標及び目標以外のクラッタ等か
らの信号検出分析結果に基づき、目標の位置や速度及び
属性等の真値を推定していくことにより、複数の目標の
運動を追尾する多目標追尾方法及びその装置に関するも
のである。

【０００２】

【従来の技術】図１１は、例えばＩＥＥＥ ＴＲＡＮＳ
ＡＣＴＩＯＮＳ ＯＮ ＡＵＴＯＭＡＴＩＣ ＣＯＮＴ
ＲＯＬ ＶＯＬ．ＡＣ−２３，ＡＵＧＵＳＴ １９７
８，Ｐ６１８〜６２６「Ｔｒａｃｋｉｎｇ Ｍｅｔｈｏ
ｄｓ ｉｎ ａ Ｍｕｌｔｉｔａｒｇｅｔ Ｅｎｖｉｒ
ｏｎｍｅｎｔ」の中で、「Ｐｒｏｂａｂｉｌｉｓｔｉｃ
Ｄａｔａ Ａｓｓｏｃｉａｔｉｏｎ Ｆｉｌｔｅｒ」と
して示された従来の多目標追尾方法を示す処理手順、図
１２は図１１の従来の多目標追尾方法に対応した従来の
多目標追尾装置構成図である。

【０００３】図１１において、従来の多目標追尾方法
は、ステップ２０で目標位置の観測結果を基に通常のカ
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、ステップ２１
で例えば目標の運動モデルを等速直進運動モデルで設定
したのち、ステップ２２で等速直進運動モデルにより現
時刻より１サンプリング後の目標位置、速度の予測値を
算出し、ステップ２２で上記等速直進運動モデルによる
予測値の誤差を推定した等速直進運動モデルによる予測
誤差共分散行列を算出し、ステップ２３で例えば目標観
測位置のような運動諸元を信号検出結果である探知デー
タとして入力し、ステップ２４で等速直進運動モデルに
よる目標予測位置を中心に予測誤差共分散行列を使用し
て定まる追尾目標からの探知データの確率分布を算出
し、ステップ２７で上記追尾目標からの探知データ確率
分布により定まる目標予測存在範囲内に存在する探知デ
ータを選択し、ステップ２９でステップ２７において選
択された探知データが追尾対象目標からの探知データで
あるか否かの仮説を生成し、ステップ３４でステップ２
９において生成された仮説の信頼度を追尾目標からの探
知データ確率分布を使用して算出し、ステップ３２で目
標位置、速度の平滑値及び平滑誤差共分散行列を算出
し、ステップ３３において追尾終了になるまでのこの一
連の流れを繰り返すように成っていた。

【０００４】図１２の従来の方法による多目標追尾装置
の構成図において、１は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である目標観測位置を探知
データとして出力する目標観測装置であり、２は上記目
標観測装置より探知データを転送する観測諸元転送装置
であり、３は等速直進運動モデルにより現時刻より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
使用して求まる追尾目標からの探知データ確率分布を算
出する運動諸元確率分布算出器、５は追尾目標からの探
知データ確率分布に基づく目標予測存在範囲内に散在す
る探知データを選択する運動諸元相関器、７は運動諸元
相関器５で選択された探知データが追尾対象目標からの
探知データであるか否かの仮説を生成する探知データ仮
説生成器、１８は運動諸元確率分布算出器３で算出され
た確率分布を用い探知データ仮説生成器７で生成された
仮説の信頼度を算出する運動諸元による探知データ仮説
生成器である。

【０００５】また、１２は等速直進運動モデルにより現
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
分散行列より目標運動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、１３は運動諸元相関器５
で選択された探知データの信頼度と等速直進運動モデル
により現時刻より１サンプリング前に算出しておいた予
測値及びゲイン行列算出器１２で算出したゲイン行列を
使用して目標位置、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、１４は等速直進運動モデルによ
る平滑器２９で算出した平滑値を基に現時刻より１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、１５は等速直進運動モデル
による予測器３０で算出した予測値を１サンプリング遅
延させる第１の遅延回路である。

【０００６】次に、９は等速直進運動モデルによる予測
器３０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、ゲイン行列算出器１２で算出したゲイン行列、
運動諸元相関器５で選択された探知データ、運動諸元に
よる探知データ信頼度算出器１８で算出した探知データ
の信頼度及び等速直進運動モデルにより現時点より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用
いて目標位置、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であり、また、１
０は等速直進運動モデルによる平滑誤差評価器９で算出
した平滑誤差共分散行列を基に目標位置、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よる予測誤差
評価器、１１は等速直進運動モデルによる予測誤差評価
器１０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３の遅延回路である。従来の方法による多
目標追尾装置は以上のように構成されていた。

【０００７】

【発明が解決しようとする課題】上記のような従来の多
目標追尾方法及びその装置においては、目標観測装置１
より得られる探知データとして例えば目標の観測位置等
の運動諸元のみを仮定しており、運動諸元相関器５は追
尾目標が等速直進運動モデルによる予測器１４で算出し
た追尾目標の予測位置を中心とし、予測誤差共分散行列
を使用して得られる目標予測存在範囲内に目標観測装置
１より入力された探知データが存在した場合に、上記探
知データを追尾目標より探知された可能性が高い探知デ
ータであると判定していたため、濃密なクラッタ環境下
では上記目標予測存在範囲内に追尾対象目標の探知デー
タ以外に他の目標の探知データやクラッタ等の不要信号
による探知データが存在し、また運動諸元による探知デ
ータの信頼度算出器１８では、上記目標予測存在範囲内
の探知データに対し等速直進運動モデルによる予測器１
４で算出した追尾目標の予測位置に近い探知データの信
頼度が高く算出されるめ、追尾対象目標の探知データよ
りも他の目標の探知データやクラッタ等不要信号による
探知データの信頼度が高く算出され目標の探知データの
信頼度を不当に低下させる問題が発生し、追尾性能は劣
化せざるを得なかった。

【０００８】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、観測位置等運動諸元の信号検出結果及び属性等
の信号分析結果が探知データとして得られる環境下にお
いて、運動諸元の観測精度が低い探知データに対しても
精度良く追尾を維持できる多目標追尾方法及びその装置
に関するものである。

【０００９】

【課題を解決するための手段】この発明の第１の発明
は、時々刻々と更新される追尾目標の属性信頼度及び探
知データの属性情報より追尾目標からの属性データ確率
分布を算出する属性データ確率分布算出器と、上記追尾
目標からの属性データ確率分布を使用して追尾目標と相
関の可能性のある探知データを選択する属性相関器と、
追尾目標からの運動諸元確率分布と上記追尾目標からの
属性データ確率分布により上記属性データ相関器で選択
された探知データの信頼度を算出する運動諸元及び属性
による探知データ信頼度算出器と、上記運動諸元及び属
性による探知データ信頼度算出器で算出された信頼度及
び属性データにより追尾目標の属性信頼度を算出する追
尾目標属性信頼度算出器とを設けたものである。

【００１０】この発明の第２の発明は、時々刻々と更新
される追尾目標の属性信頼度及び探知データの属性情報
より追尾目標からの属性データ確率分布を算出する属性
データ確率分布算出器と、上記追尾目標からの属性デー
タ確率分布を使用して追尾目標と相関の可能性のある探
知データを選択する属性相関器と、上記運動諸元及び属
性による探知データ信頼度算出器で算出された信頼度及
び属性データにより追尾目標の属性信頼度を算出する追
尾目標属性信頼度算出器とを設けたものである。

【００１１】この発明の第３の発明は、時々刻々と更新
される追尾目標の属性信頼度及び探知データの属性情報
より追尾目標からの属性データ確率分布を算出する属性
データ確率分布算出器と、追尾目標からの運動諸元確率
分布と上記追尾目標からの属性データ確率分布により運
動諸元相関器で選択された探知データの信頼度を算出す
る運動諸元及び属性による探知データ信頼度算出器と、
上記運動諸元及び属性による探知データ信頼度算出器で
算出された信頼度及び属性データにより追尾目標の属性
信頼度を算出する追尾目標属性信頼度算出器とを設けた
ものである。

【００１２】この発明の第４の発明は、時々刻々と更新
される追尾目標の属性信頼度及び探知データの属性情報
より追尾目標からの属性データ確率分布を算出する属性
データ確率分布算出器と、追尾目標からの運動諸元確率
分布及び上記追尾目標からの属性データ確率分布を使用
して算出された追尾目標からの探知データ確率分布によ
り追尾目標と相関の可能性のある探知データを選択する
探知データ相関器と、追尾目標からの運動諸元確率分布
と上記追尾目標からの属性データ確率分布により上記探
知データ相関器で選択された探知データの信頼度を算出
する運動諸元及び属性による探知データ信頼度算出器
と、上記運動諸元及び属性による探知データ信頼度算出
器で算出された信頼度及び属性データにより追尾目標の
属性信頼度を算出する追尾目標属性信頼度算出器とを設
けたものである。

【００１３】この発明の第５の発明は、時々刻々と更新
される追尾目標の属性信頼度及び探知データの属性情報
より追尾目標からの属性データ確率分布を算出する属性
データ確率分布算出器と、追尾目標からの運動諸元確率
分布及び上記追尾目標からの属性データ確率分布を使用
して算出された追尾目標からの探知データ確率分布によ
り追尾目標と相関の可能性のある探知データを選択する
探知データ相関器と、上記運動諸元及び属性による探知
データ信頼度算出器で算出された信頼度及び属性データ
により追尾目標の属性信頼度を算出する追尾目標属性信
頼度算出器とを設けたものである。

【００１４】

【作用】この発明においては、探知データの観測位置等
の運動諸元に加えて目標の類識別結果等の属性データに
基づく相関判定を行うため、例えば、観測位置情報のみ
からだけでは追尾対象目標と相関の可能性があると判断
される探知データが、その属性情報は追尾対象目標の属
性とは大きく異なるような場合、これらの探知データを
排除し、より信頼性の高い探知データのみを追尾対象目
標と相関の可能性のある探知データとして選択すること
が可能である。

【００１５】また、相関器で選択された探知データに対
し運動諸元に加えて属性データに基づき信頼度を算出す
るため、例えば、目標予測存在範囲において目標予測位
置に近いために信頼度が高く算出される探知データが、
実は追尾対象目標以外の目標からの探知データで、その
属性データが追尾目標からの属性データ確率分布で低い
信頼度を取ったために全体として信頼度が押えられ、追
尾対象目標の探知データの信頼度が不当に低くなること
を避けるので、結果として目標追尾性能を向上させるこ
とが可能である。

【００１６】この発明の第１の発明においては、観測位
置精度が低く属性データの精度が高い目標観測装置で、
目標及びクラッタ等不要信号による探知データが多い環
境下で、精度の高い追尾が要求されている場合に対処す
るために、観測位置等の精度の低い運動諸元により追尾
目標との相関の可能性のある探知データを粗く選択した
後、上記の運動諸元の相関で選択された探知データの中
に他の目標やクラッタ等の不要信号による探知データが
残らないように、精度の高い属性データにより追尾目標
との相関の可能性のある探知データを厳密に選択し、ま
た、上記の相関処理で選択された探知データに対し他の
目標やクラッタ等の不要信号による探知データが追尾に
反映しないように、運動諸元だけではなく属性データに
基づき信頼度を算出している。

【００１７】この発明の第２の発明においては、属性デ
ータの精度が低い目標観測装置で、目標及びクラッタ等
不要信号による探知データが多い環境下で多目標追尾を
行う場合に対処するために、観測位置等の運動諸元によ
り追尾目標との相関の可能性のある探知データを選択し
た後、上記の運動諸元の相関で選択された探知データの
中に他の目標やクラッタ等の不要信号による探知データ
が残らないように、属性データにより追尾目標との相関
の可能性のある探知データを選択し、また、上記の相関
処理で選択された探知データに対し精度の低い属性デー
タを用いずに運動諸元のみに基づき信頼度を算出してい
る。

【００１８】この発明の第３の発明においては、観測位
置精度が高い目標観測装置で、サンプリング間隔が短
く、目標及びクラッタ等不要信号による探知データが少
ない環境下で、精度の高い追尾が要求されている場合に
対処するために、観測位置等の精度の高い運動諸元によ
り追尾目標との相関の可能性のある探知データを選択し
た後、計算機付加軽減のため属性データによる探知デー
タの相関処理は行わず、また、上記の運動諸元による相
関処理で選択された探知データに対し他の目標やクラッ
タ等の不要信号による探知データが追尾に反映しないよ
うに、運動諸元だけではなく属性データに基づき信頼度
を算出している。

【００１９】この発明の第４の発明においては、観測位
置精度が低く属性データの精度が高い目標観測装置で、
目標及びクラッタ等不要信号による探知データが少ない
環境下で精度の高い追尾が要求されている場合に対処す
るために、観測位置等の運動諸元及び属性データを基に
算出される追尾目標からの探知データ確率分布により追
尾目標との相関の可能性のある探知データを選択し、ま
た、上記の相関処理で選択された探知データに対し他の
目標やクラッタ等の不要信号による探知データが追尾に
反映しないように、運動諸元だけではなく属性データに
基づき信頼度を算出している。

【００２０】この発明の第５の発明においては、属性デ
ータの精度が比較的低い目標観測装置で、目標及びクラ
ッタ等不要信号による探知データが少ない環境下で多目
標追尾を行う場合に対処するために、観測位置等の運動
諸元及び属性データを基に算出される追尾目標からの探
知データ確率分布により追尾目標との相関の可能性のあ
る探知データを選択し、また、上記の相関処理で選択さ
れた探知データに対し精度の低い属性データを用いずに
運動諸元のみに基づき信頼度を算出している。

【００２１】

【実施例】この発明による多目標追尾装置の一実施例に
ついて説明する。図１はこの発明の第１の発明の多目標
追尾装置の一実施例の構成を示す図、図２はこの発明の
第２の発明の多目標追尾装置の一実施例の構成を示す
図、図３はこの発明の第３の発明の多目標追尾装置の一
実施例の構成を示す図、図４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示す図、図５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
示す図である。また、図６はこの発明の第１の発明の多
目標追尾装置の一実施例を補足する図、図７はこの発明
の第２の発明の多目標追尾装置の一実施例を補足する
図、図８はこの発明の第３の発明の多目標追尾装置の一
実施例を補足する図、図９はこの発明の第４の発明の多
目標追尾装置の一実施例を補足する図、図１０はこの発
明の第５の発明の多目標追尾装置の一実施例を補足する
図である。なお、図６、図７、図８、図９、図１０は、
それぞれ順番に図１、図２、図３、図４、図５の各多目
標追尾装置の説明を補足するための処理手順である。

【００２２】以下、この発明の一実施例を図１〜図１０
に従い説明する前に、この発明の根拠となる理論の骨子
を説明する。

【００２３】目標の真値を表す状態ベクトルを式（１）
のように定義する。なお、以降ベクトルを表す記号にイ
メージ入力部ではアンダーラインを付し、コード入力部
では例えばベクトルｘ_k のように記号の前に“ベクト
ル”を付して表す。

【００２４】

【数１】

【００２５】式（１）において、目標の真値を表す状態
ベクトルは、目標の位置及び速度等の運動諸元の真値を
表す状態ベクトルｘ_k,track と、目標の類識別結果の属
性データの真値を表す状態ベクトルｘ_idを成分とするベ
クトルとする。また、追尾目標の運動モデルは式（２）
のように定義する。

【００２６】

【数２】

【００２７】式（２）において、ベクトルｘ_k,track は
サンプリング時刻ｔ_k における目標運動諸元の真値を表
す状態ベクトルで、式（３）に示すように直交座標にお
ける目標位置及び目標速度を成分とするベクトルとす
る。ここで、Φ_k-1 はサンプリング時刻ｔ_k-1 よりｔ_k
への状態ベクトルのベクトルｘ_k,track の推移行列で目
標が等速直進運動を行うとした場合式（４）及び式
（５）で与えられる。ベクトルｗ_k はサンプリング時刻
ｔ_k における駆動雑音ベクトルであり、平均ベクトルＯ
の３次元正規分布白色雑音で、Ｅを平均を表す記号とし
て式（６）、式（７）を満たすものとする。ここで記号
Ｔはベクトルの転地を表す。Γ_k はサンプリング時刻ｔ
_k における駆動雑音ベクトルの変換行列であり、例えば
目標の運動モデルを等速直進運動と仮定したことによる
打ち切り誤差項をΓ_k-1 ベクトルｗ_k-1とみればベクト
ルｗ_k は加速度ベクトル相当であり、Γ_k は式（８）の
ようになる。

【００２８】

【数３】

【００２９】また、追尾目標の属性データベクトルｘ_id
は、式（９）のように定義する。ここでＴ₁ ，…，Ｔ_N
は目標の属性であり、ベクトルｘ_idはＴ₁ ，…，Ｔ_N の
いずれか１つである。また、式（９）が真であるとの仮
説を式（１０）とする。

【００３０】

【数４】

【００３１】次に観測系モデルを以下のように定義す
る。追尾対象目標よりの探知データはサンプリング時刻
ｔ_k において高々１つ得られるとし、その探知データを
式（１１）とする。ここで、ベクトルｚ_k,track は目標
の観測位置に関する観測ベクトルである。また、ベクト
ルｚ_k,idは属性データに関する観測ベクトルである。

【００３２】

【数５】

【００３３】追尾目標の観測位置に関する観測系モデル
を式（１２）のように定義する。ここで、ベクトルｚ
_k,track は式（１３）に示すようにサンプリング時刻ｔ
_k において直交座標による目標観測位置の観測値で構成
される目標観測ベクトルであり、Ｈ_k はサンプリング時
刻ｔ_k における観測行列で式（１４）のように表され
る。また、ベクトルｖ_k はサンプリング時刻ｔ_k におけ
る目標観測ベクトルに対応した観測雑音ベクトルで、平
均ベクトルＯの３次元正規白色雑音であり式（１５）及
び式（１６）を満たすものとする。なお、Ｒ_k はサンプ
リング時刻ｔ_k における観測雑音共分散行列である。

【００３４】

【数６】

【００３５】追尾目標からの属性データベクトルｚ_k,id
は属性Ｔ_a として与えられ、これに仮説Ｊ_a のもとでの
属性データの信頼度が式（１７）に示す条件付き確率が
付加されるとする。ここでＣ_jaはＴ_a が真としたとき
に、Ｔ_j と観測される確率である。なお、Ｃ_jaは式（１
８）を満たす。

【００３６】

【数７】

【００３７】例えば、式（１９）が追尾目標の属性の全
てであるとすると、式（２０）、式（２１）、式（２
２）、式（２３）が属性データの信頼度として得られ
る。

【００３８】

【数８】

【００３９】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_k 単位
体積当りの発生頻度をβ_FT ^k とし、追尾目標と相関をと
るべき目標予測存在範囲の体積をＶ_Gkとしたとき、追尾
対象目標以外からの探知データが目標予測存在範囲内に
存在する総数は平均β_FT ^k Ｖ_Gkのポアソン分布に従うと
する。

【００４０】サンプリング時刻ｔ_k における追尾目標と
相関をとるべき目標予測存在範囲内の探知データの総数
をｍ_k 、探知データの全体をベクトルｚ_k,1 ，ベクトル
ｚ_k,2 ，…，ベクトルｚ_k,mkで式（２４）のように定義
し、式（２５）のように書き、さらにサンプリング時刻
ｔ₁ からｔ_k までの探知データの全体をＺ^k 、すなわち
式（２６）と書く。また、サンプリング時刻ｔ₁ からｔ
_k までの探知データ数全体の情報をＭ^k 、すなわち式
（２７）と書く。また、追尾対象目標から１回も探知デ
ータが得られていない状態をＮＳと書く。

【００４１】

【数９】

【００４２】次に追尾対象目標からの探知データの確率
分布について示す。探知データベクトルｚ_k,i が追尾対
象目標からの探知データのとき、この確率分布を式（２
４）に対し条件付き確率密度関数で表すと式（２８）の
ようになる。ここで、Ｐ（ベクトルｚ_k,id（ｉ）｜Ｚ
^k-1 ）は追尾対象目標からの属性データの確率分布であ
り、Ｐ（ベクトルｚ_k,track （ｉ）｜Ｚ^k-1 ）は追尾対
象目標からの位置等の運動諸元の確率分布である。

【００４３】

【数１０】

【００４４】追尾対象目標からの運動諸元の確率分布
は、式（２９）に示すような条件付き確率密度関数で表
されるとする。すなわち、追尾対象目標からの探知デー
タは、式（３０）で与えられる目標予測位置ベクトルｚ
_k （−）を平均とし、式（３１）で与えられるＳ_k を共
分散行列とする３次元正規分布に従うとする。ここで、
ベクトルｘ＾_k （−）は予測値で式（３２）のように表
され、Ｐ_k （−）は予測誤差共分散行列で式（３３）の
ように表される。

【００４５】

【数１１】

【００４６】追尾対象目標からの属性データの確率分布
は、サンプリング時刻ｔ_k-1 までの情報Ｚ^k-1 の基で属
性データベクトルｚ_k,id（ｉ）が得られる条件付き確率
密度関数で、式（３４）で表されるとする。ここで、Ｐ
（ベクトルｚ_k,id（ｉ）｜Ｊ_a ）は式（１７）に示され
る目標観測装置で観測された属性データの仮説Ｊ_a に対
して入力される信頼度で、Ｐ（Ｊ_a ｜Ｚ^k-1 ）はサンプ
リング時刻ｔ_k-1 までの情報Ｚ^k-1 に基づく仮説Ｊ_a の
信頼度、すなわち追尾対象目標の属性信頼度である。ま
た、追尾対象目標から１回も探知データが得られていな
い状態での追尾目標からの属性データの確率分布は、式
（３５）に示すような確率密度関数で表されるとする。
ここで、Ｐ（Ｊ_a ）は仮説Ｊ_a の初期値である。

【００４７】

【数１２】

【００４８】次に、探知データにおける位置等の運動諸
元と追尾目標の相関方法について示す。探知データベク
トルｚ_k,i の成分である観測位置ベクトルベクトルｚ
_k,track （ｉ）がｄをパラメータとして式（３６）を満
たすとき、探知データベクトルｚ_k,i は追尾目標と相関
があると判定される。

【００４９】

【数１３】

【００５０】図１３は、簡単な例として探知データの次
元が２次元の場合について式（３６）による探知データ
と追尾目標との相関を説明する図であり、図においてＰ
は追尾目標からの観測が予測される点である式（３０）
のベクトルｚ_k （−）、Ｑは相関をとるべき目標予測存
在範囲の内外を定める境界線でパラメータｄ及び式（３
１）のＳ_k より線形代数学より算出され、Ｄ１〜Ｄ６は
探知データである。

【００５１】追尾対象目標が相関をとるべき目標予測存
在範囲内存在する確率を式（３７）に示すようにＰ_Gkと
書く。ここで、Ｇ_k は式（３８）で表される目標予測存
在範囲の領域である。なお、確率論によりＰ_Gkはｄの値
によって一意的に定まる。

【００５２】

【数１４】

【００５３】次に、探知データにおける属性データと追
尾目標の相関方法について示す。探知データベクトルｚ
_k,i の成分である属性データベクトルｚ_k,id（ｉ）がｃ
をパラメータとして式（３９）を満たすとき、探知デー
タベクトルｚ_k,i は式（３６）を満たしていても、追尾
目標と相関がない探知データであると判定される。ここ
で、式（３９）の右辺は式（３４）で与えられる追尾目
標からの属性データ確率分布における確率密度である。

【００５４】

【数１５】

【００５５】図１４は、簡単な２次元の例として式（３
９）による目標予測存在範囲内に存在する探知データと
追尾目標との相関を説明する図であり、図において探知
データＤ２及びＤ３は式（３９）を満たし、目標予測存
在範囲内に存在しているが追尾目標と相関がないと判定
される。

【００５６】サンプリング時刻ｔ_k において、１つの探
知データベクトルｚ_k,i が追尾目標からの観測ベクトル
であるとの仮説をχ_k,i と書く。このときベクトルｚ
_k,i 以外の探知データは追尾目標以外、例えばクラッタ
等の不要信号からの探知データと仮定している。また、
追尾目標より観測ベクトルが得られないとの仮説をχ
_k,o と書く。サンプリング時刻ｔ_k までの情報Ｚ^k によ
り仮説χ_k,i が真である確率、すなわち仮説χ_k,i の信
頼度をβ_k,i と書く。ここで、確率論より式（４０）が
成立する。

【００５７】

【数１６】

【００５８】以下に、探知データにおける位置等の運動
諸元及び属性データを用いて各仮説の信頼度を算出する
方法について示す。サンプリング時刻ｔ_k において探知
データが得られた時点での仮説χ_k,o が正しいとの信頼
度β_k,o は、サンプリング時刻ｔ_k で探知データが得ら
れない時点において仮説χ_k,o の探知データが得られる
信頼度に、得られたｍ_k 個の探知データ全てが追尾目標
以外からの探知データであるとの信頼度を乗算した値に
比例すると考えてよい。また、サンプリング時刻ｔ_k に
おいて探知データが得られた時点での仮説χ_k,i が正し
いとの信頼度β_k,i は、サンプリング時刻ｔ_k で探知デ
ータが得られない時点において仮説χ_k,i の探知データ
が得られる信頼度に、得られた探知データベクトルｚ
_k,i が追尾目標からの探知データで、ｍ_k −１個の探知
データが追尾目標以外からの探知データであるとの信頼
度を乗算した値に比例すると考えてよい。

【００５９】サンプリング時刻ｔ_k で探知データが得ら
れない時点において仮説χ_k,o の探知データが得られる
信頼度は、目標予測存在範囲から探知データが得られな
い確率１−Ｐ_D Ｐ_Gkに、追尾目標以外からの探知データ
がｍ_k 個得られる信頼度を乗算した値に比例すると考え
られ、式（４１）によりもとまる。ここで、目標が探知
される確率をＰ_D とすれば、追尾目標が目標予測存在範
囲内に存在して探知される確率はＰ_D Ｐ_Gkであり、ま
た、目標予測存在範囲内の追尾目標以外からの探知デー
タの総数は、平均β_FT ^k Ｖ_Gkのポアソン分布に従いもと
められている。サンプリング時刻ｔ_k で探知データが得
られない時点において仮説χ_k,i の探知データが得られ
る信頼度は、目標予測存在範囲から追尾目標が探知され
る確率Ｐ_DＰ_Gkに、追尾目標以外からの探知データがｍ
_k −１個得られる信頼度を乗算した値に比例すると考え
られ、式（４２）によりもとまる。

【００６０】

【数１７】

【００６１】次に、サンプリング時刻ｔ_k で探知データ
が得られた時点において、仮説に基づき得られた全探知
データＺ_k に対しての信頼度を示す。得られた１つの探
知データが追尾目標以外からの探知データである信頼度
は、サンプリング時刻ｔ_k-1までの情報Ｚ^k-1 に基づき
一様分布の仮定及び式（３５）で示される追尾対象目標
から１回も探知データが得られていない状態での追尾目
標からの属性データの確率分布より式（４３）で与えら
れる。また、得られた１つの探知データが追尾目標から
の探知データである信頼度は、目標予測存在範囲内に存
在するとの前提で、式（３７）のＰ_Gk及び式（２９）の
追尾目標からの運動諸元の確率分布より式（４４）で与
えられる。サンプリング時刻ｔ_k において仮説χ_k,o に
基づき得られる全探知データＺ_k がｍ_k 個の追尾目標以
外よりの観測ベクトルである信頼度、すなわちサンプリ
ング時刻ｔ_k-1 までの情報Ｚ^k-1 及び仮説χ_k,o に基づ
く全探知データＺ_k の信頼度は、式（４３）より式（４
５）で与えられる。また、サンプリング時刻ｔ_k におい
て仮説χ_k,i に基づき得られる全探知データＺ_k の内、
１つの探知データが追尾目標からの探知データで、かつ
ｍ_k −１個の探知データが追尾目標以外からの探知デー
タである信頼度、すなわちサンプリング時刻ｔ_k-1 まで
の情報Ｚ^k-1 及び仮説χ_k,i に基づく全探知データＺ_k
の信頼度は、式（４３）及び（４４）より式（４６）で
与えられる。

【００６２】

【数１８】

【００６３】従って、サンプリング時刻ｔ_k までの情報
Ｚ^k に基づく仮説χ_k,o の信頼度β_k,o は、式（４１）
及び式（４５）を乗算した値に比例すると考えてよく、
またサンプリング時刻ｔ_k までの情報Ｚ^k に基づく仮説
χ_k,i の信頼度β_k,i は、式（４２）及び式（４６）を
乗算した値に比例すると考えてよく、式（４０）を使用
して正規化を行い式（４７）〜（４９）を得る。

【００６４】

【数１９】

【００６５】次に、サンプリング時刻ｔ_k における追尾
目標の属性信頼度を示す。追尾目標の属性信頼度は、式
（５０）で示すサンプリング時刻ｔ_k において探知デー
タベクトルｚ_k,id（ｉ）が得られた時点の仮説Ｊ_a の信
頼度を、探知データの信頼度β_k,i により重み付け平均
した値であり、式（５１）で与えられる。ここで、サン
プリング時刻ｔ_k において１つの探知データベクトルｚ
_k,id（ｉ）が得られた時点の仮説Ｊ_a の信頼度は、１サ
ンプリング前の追尾目標の信頼度Ｐ（Ｊ_a ｜Ｚ^k-1 ）
に、目標観測装置で観測された探知データの仮説Ｊ_a に
対して入力される信頼度Ｐ（ベクトルｚ_k,id（ｉ）｜Ｊ
_a ）を乗算した値に比例すると考えてよく、確率論より
式（５２）が成立するので、式（５２）を用いて正規化
することにより式（５０）を得る。

【００６６】

【数２０】

【００６７】以下に、平滑及び予測処理の方法について
示す。すなわち、通常のカルマンフィルタ理論により式
（５３）〜（５７）となる。ここで、ベクトルｘ＾
_k （＋）は式（５８）のように定義されている平滑ベク
トルで、Ｐ_k （＋）は式（５９）のように定義されてい
る平滑誤差共分散行列、Ｋ_k はカルマンゲイン行列であ
る。

【００６８】

【数２１】

【００６９】全ての探知データの仮説の基での目標位
置、速度の平滑ベクトルは、各仮説の基でもとめた平滑
ベクトルを各仮説の信頼度を用いて統合することによっ
て算出される。式（５９）に示す平滑ベクトルは式（６
０）のように展開され、各仮説に式（５５）を適用した
場合の平滑ベクトルをベクトルｘ＾_k,i （＋）とする
と、式（６０）は式（６１）及び（６２）のようにな
る。各仮説の平滑ベクトルは、仮説χ_k,o の場合には追
尾目標から観測値が得られない仮説なのでメモリートラ
ックとなり式（６３）のようになり、仮説χ_k,i の場合
には探知データベクトルｚ_k,i が１つ得られた仮説なの
で式（５５）の通常のカルマンフィルタ理論を使用して
式（６４）のようになる。したがって、式（６１）に式
（６３）及び（６４）を代入して式（６５）が得られ
る。

【００７０】

【数２２】

【００７１】上記、全ての探知データの仮説の基での目
標位置、速度の平滑ベクトルの平滑誤差共分散行列は以
下のように算出される。条件付き共分散行列の理論に式
（５８）を適用して式（６６）が得られる。また、式
（４０）（６０）（６２）より式（６７）が得られる。
ここで、Ｐ^' _k （＋）は各仮説に対する平滑誤差共分散
行列で、式（６８）のように定義され、式（６４）が通
常のカルマンフィルタ理論により求まることにより式
（６９）のようになる。式（６６）に式（６７）及び式
（６３）〜（６５）を代入して整理すると式（７０）〜
（７２）が得られる。

【００７２】

【数２３】

【００７３】上記、全ての探知データの仮説の基での目
標位置、速度の平滑ベクトルの予測誤差共分散行列は、
式（５３）及び（５４）に表される通常のカルマンフィ
ルタ理論による式で算出される。

【００７４】次にこの発明の第１の発明を図１及び図６
に従って説明する。目標観測装置１より得られる目標位
置等の運動諸元及び属性の情報を基に通常のカルマンフ
ィルタ理論に基づき、目標の位置、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（ステップ２０）、
等速直進運動モデルを設定した（ステップ２１）後、等
速直線運動モデルによる予測器１４において等速直進モ
デルによる平滑器１３より入力される平滑値ベクトルｘ
_k-1 （＋）により式（５３）に従い予測値ベクトルｘ_k
（−）を算出し、また等速直線運動モデルによる予測誤
差評価器１０において、等速直線運動モデルによる平滑
誤差評価器９より入力される平滑誤差共分散行列Ｐ_k-1
（＋）及びあらかじめ設定された式（７）の駆動雑音共
分散行列Ｑ_k-1 より式（５４）に従い予測誤差共分散行
列Ｐ_k （−）を算出し（ステップ２２）、次に目標観測
装置１より目標及びクラッタ等の信号検出結果である位
置等の運動諸元ベクトルｚ_k,track （ｉ）と信号分析結
果である目標の類識別結果等の属性データベクトルｚ
_k,id（ｉ）よりなる探知データベクトルｚ_k,i を入力し
（ステップ２３）、運動諸元確率分布算出器３におい
て、現時刻より１サンプリング前に算出した式（５３）
の予測値ベクトルｘ＾_k （−）を第１の遅延回路１５を
通して等速直線運動モデルによる予測器１４から入力し
て、追尾目標からの運動諸元の確率分布の平均値である
ベクトルｚ_k （−）を式（３０）により算出し、現時刻
より１サンプリング前に算出した式（５４）の予測誤差
共分散行列Ｐ_k （−）を第３の遅延回路１１を通して等
速直線運動モデルによる予測誤差評価器１０から入力
し、これとあらかじめ設定された式（１６）の観測誤差
共分散行列Ｒ_k より追尾目標からの運動諸元の確率分布
の広がりＳ_k を式（３１）を用いて算出し、ベクトルｚ
_k （−）及びＳ_k により式（２９）に表される追尾目標
からの運動諸元の確率分布を求め（ステップ２４）、属
性データ確率分布算出器４において、１サンプリング前
に算出した追尾目標の属性の信頼度Ｐ（Ｊ_a ｜Ｚ^k-1 ）
またはその初期値Ｐ（Ｊ_a ｜ＮＳ）を第２の遅延回路１
７を通して追尾目標属性信頼度算出器１６より入力し
（ステップ２５）、これと目標観測装置１より属性デー
タベクトルｚ_k,id（ｉ）と共に入力される仮説Ｊ_a の基
での属性データベクトルｚ_k,id（ｉ）の信頼度により式
（３４）及び（３５）を用いて追尾目標からの属性デー
タの確率分布を算出し（ステップ２６）、次に運動諸元
相関器５において、運動諸元確率分布算出器３より入力
される式（２９）の確率分布とあらかじめ設定されたパ
ラメータｄにより式（３６）を使用して追尾目標と相関
の可能性のある探知データを選択し（ステップ２７）、
また属性相関器６において、属性データ確率分布算出器
４より入力される式（３４）及び（３５）の追尾目標か
らの属性データの確率分布とあらかじめ設定されたパラ
メータｃにより式（３９）を使用して追尾目標と相関の
可能性のあるｍ_k 個の探知データを選択し、これを式
（２５）のＺ_k とし（ステップ２８）、このＺ_k の各探
知データベクトルｚ_k,i に対して探知データ仮説生成器
７で探知データの仮説χ_k,i を生成し（ステップ２
９）、運動諸元及び属性による探知データ信頼度算出器
８において、運動諸元確率分布算出器３から入力された
式（２９）の確率分布と、属性データ確率分布算出器４
より入力された式（３４）及び（３５）の確率分布と、
あらかじめ設定された探知確率Ｐ_D 及び目標予測存在範
囲内に存在する確率Ｐ_Gkにより式（４７）〜（４９）に
従い探知データの仮説の信頼度を算出し（ステップ３
０）、追尾目標属性信頼度算出器１６において、式（４
７）〜（４９）の探知データの仮説信頼度を入力し、目
標観測装置１より仮説Ｊ_a の基での属性データベクトル
ｚ_k,id（ｉ）の信頼度を入力し、現時刻より１サンプリ
ング前に追尾目標属性信頼度算出器１６で算出された追
尾目標の属性信頼度Ｐ（Ｊ_a ｜Ｚ^k-1 ）を第２の遅延回
路１７を通して入力し、式（５０）及び（５１）により
追尾目標の属性信頼度Ｐ（Ｊ_a ｜Ｚ^k ）を算出し（ステ
ップ３１）、ゲイン行列算出器において、現時刻より１
サンプリング前に算出した式（５４）の予測誤差共分散
行列Ｐ_k （−）を第３の遅延回路１１を通して等速直進
運動モデルによる予測誤差評価器１０より入力し、あら
かじめ設定された式（１６）の観測誤差共分散行列Ｒ_k
より式（５７）に従いゲイン行列を算出し、等速直進運
動モデルによる平滑器１３において、式（５７）のゲイ
ン行列を入力し、運動諸元及び属性による探知データ信
頼度算出器８から式（４７）〜（４９）の探知データの
仮説信頼度を入力し、現時刻より１サンプリング前に算
出された予測値ベクトルｘ＾_k （−）を第１の遅延回路
１５を通して等速直線運動モデルによる予測器１４から
入力し、運動諸元相関器５及び属性データ相関器２２に
おいて追尾目標と相関の可能性があるとして選択された
ｍ_k 個の探知データｚ_k,i を入力し、式（６５）により
平滑値ベクトルｘ_k （＋）を算出し、また等速直進運動
モデルによる平滑誤差評価器９において、ゲイン行列算
出器１２より式（５７）のゲイン行列を入力し、運動諸
元及び属性による探知データ信頼度算出器８から式（４
７）〜（４９）の探知データの仮説信頼度を入力し、現
時刻より１サンプリング前に算出された予測値ベクトル
ｘ＾_k （−）を第１の遅延回路１５を通して等速直線運
動モデルによる予測器１４から入力し、現時刻より１サ
ンプリング前に算出された式（５４）の予測誤差共分散
行列Ｐ_k （−）を第３の遅延回路１１を通して等速直線
運動モデルによる予測誤差評価器１０から入力し、運動
諸元相関器５及び属性データ相関器６において追尾目標
と相関の可能性があるとして選択されたｍ_k 個の探知デ
ータベクトルｚ_k,i を入力し、式（７０）〜（７２）に
より平滑誤差共分散行列Ｐ_k （＋）を算出し（ステップ
３２）、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３３）。

【００７５】次にこの発明の第２の発明を図２及び図７
に従って説明する。目標観測装置１より得られる目標位
置等の運動諸元及び属性の情報を基に通常のカルマンフ
ィルタ理論に基づき、目標の位置、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（ステップ２０）、
等速直進運動モデルを設定した（ステップ２１）後、等
速直線運動モデルによる予測器１４において等速直進モ
デルによる平滑器１３より入力される平滑値ベクトルｘ
＾_k-1 （＋）により式（５３）に従い予測値ベクトルｘ
＾_k （−）を算出し、また等速直線運動モデルによる予
測誤差評価器１０において、等速直線運動モデルによる
平滑誤差評価器９より入力される平滑誤差共分散行列Ｐ
_k-1 （＋）及びあらかじめ設定された式（７）の駆動雑
音共分散行列Ｑ_k-1 より式（５４）に従い予測誤差共分
散行列Ｐ_k （−）を算出し（ステップ２２）、次に目標
観測装置１より目標及びクラッタ等の信号検出結果であ
る位置等の運動諸元ベクトルｚ_k,track （ｉ）と信号分
析結果である目標の類識別結果等の属性データベクトル
ｚ_k,id（ｉ）よりなる探知データベクトルｚ_k,i を入力
し（ステップ２３）、運動諸元確率分布算出器３におい
て、現時刻より１サンプリング前に算出した式（５３）
の予測値ベクトルｘ_k （−）を第１の遅延回路１５を通
して等速直線運動モデルによる予測器１４から入力し
て、追尾目標からの運動諸元の確率分布の平均値である
ベクトルｚ_k （−）を式（３０）により算出し、現時刻
より１サンプリング前に算出した式（５４）の予測誤差
共分散行列Ｐ_k （−）を第３の遅延回路１１を通して等
速直線運動モデルによる予測誤差評価器１０から入力
し、これとあらかじめ設定された式（１６）の観測誤差
共分散行列Ｒ_k より追尾目標からの運動諸元の確率分布
の広がりＳ_k を式（３１）を用いて算出し、ベクトルｚ
_k （−）及びＳ_k により式（２９）に表される追尾目標
からの運動諸元の確率分布を求め（ステップ２４）、属
性データ確率分布算出器４において、１サンプリング前
に算出した追尾目標の属性の信頼度Ｐ（Ｊ_a ｜Ｚ^K-1 ）
またはその初期値Ｐ（Ｊ_a ｜ＮＳ）を第２の遅延回路１
７を通して追尾目標属性信頼度算出器１６より入力し
（ステップ２５）、これと目標観測装置１より属性デー
タベクトルｚ_k,id（ｉ）と共に入力される仮説Ｊ_a の基
での属性データベクトルｚ_k,id（ｉ）の信頼度により式
（３４）及び（３５）を用いて追尾目標からの属性デー
タの確率分布を算出し（ステップ２６）、次に運動諸元
相関器５において、運動諸元確率分布算出器３より入力
される式（２９）の確率分布とあらかじめ設定されたパ
ラメータｄにより式（３６）を使用して追尾目標と相関
の可能性のある探知データを選択し（ステップ２７）、
また属性相関器６において、属性データ確率分布算出器
４より入力される式（３４）及び（３５）の追尾目標か
らの属性データの確率分布とあらかじめ設定されたパラ
メータｃにより式（３９）を使用して追尾目標と相関の
可能性のあるｍ_k 個の探知データを選択し、これを式
（２５）のＺ_k とし（ステップ２８）、このＺ_k の各探
知データベクトルｚ_k,i に対して探知データ仮説生成器
７で探知データの仮説χ_k,i を生成し（ステップ２
９）、運動諸元による探知データ信頼度算出器１８にお
いて、運動諸元確率分布算出器３から入力された式（２
９）の確率分布と、あらかじめ設定された探知確率Ｐ_D
及び目標予測存在範囲内に存在する確率Ｐ_Gkにより式
（７３）〜（７５）に従い探知データの仮説の信頼度を
算出し（ステップ３４）、追尾目標属性信頼度算出器１
６において、式（４７）〜（４９）の探知データの仮説
信頼度を入力し、目標観測装置１より仮説Ｊ_a の基での
属性データベクトルｚ_k,id（ｉ）の信頼度入力し、現時
刻より１サンプリング前に追尾目標属性信頼度算出器１
６で算出された追尾目標の属性信頼度Ｐ（Ｊ_a ｜
Ｚ^k-1 ）を第２の遅延回路１７を通して入力し、式（５
０）及び（５１）により追尾目標の属性信頼度Ｐ（Ｊ_a
｜Ｚ^k ）を算出し（ステップ３１）、ゲイン行列算出器
において、現時刻より１サンプリング前に算出した式
（５４）の予測誤差共分散行列Ｐ_k （−）を第３の遅延
回路１１を通して等速直進運動モデルによる予測誤差評
価器１０より入力し、あらかじめ設定された式（１６）
の観測誤差共分散行列Ｒ_k より式（５７）に従いゲイン
行列を算出し、等速直進運動モデルによる平滑器１３に
おいて、式（５７）のゲイン行列を入力し、運動諸元及
び属性による探知データ信頼度算出器８から式（４７）
〜（４９）の探知データの仮説信頼度を入力し、現時刻
より１サンプリング前に算出された予測値ベクトルｘ＾
_k （−）を第１の遅延回路１５を通して等速直線運動モ
デルによる予測器１４から入力し、運動諸元相関器５及
び属性データ相関器２２において追尾目標と相関の可能
性があるとして選択されたｍ_k 個の探知データベクトル
ｚ_k,i を入力し、式（６５）により平滑値ベクトルｘ＾
_k （＋）を算出し、また等速直進運動モデルによる平滑
誤差評価器９において、ゲイン行列算出器１２より式
（５７）のゲイン行列を入力し、運動諸元及び属性によ
る探知データ信頼度算出器８から式（４７）〜（４９）
の探知データの仮説信頼度を入力し、現時刻より１サン
プリング前に算出された予測値ベクトルｘ_k （−）を第
１の遅延回路１５を通して等速直線運動モデルによる予
測器１４から入力し、現時刻より１サンプリング前に算
出された式（５４）の予測誤差共分散行列Ｐ_k （−）を
第３の遅延回路１１を通して等速直線運動モデルによる
予測誤差評価器１０から入力し、運動諸元相関器５及び
属性データ相関器２２において追尾目標と相関の可能性
があるとして選択されたｍ_k 個の探知データベクトルｚ
_k,i を入力し、式（７０）〜（７２）により平滑誤差共
分散行列Ｐ_k （＋）を算出し（ステップ３２）、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３
３）。

【００７６】

【数２４】

【００７７】次にこの発明の第３の発明を図３及び図８
に従って説明する。目標観測装置１より得られる目標位
置等の運動諸元及び属性の情報を基に通常のカルマンフ
ィルタ理論に基づき、目標の位置、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（ステップ２０）、
等速直進運動モデルを設定した（ステップ２１）後、等
速直線運動モデルによる予測器１４において等速直進モ
デルによる平滑器１３より入力される平滑値ベクトルｘ
＾_k-1 （＋）により式（５３）に従い予測値ベクトルｘ
＾_k （−）を算出し、また等速直線運動モデルによる予
測誤差評価器１０において、等速直線運動モデルによる
平滑誤差評価器９より入力される平滑誤差共分散行列Ｐ
_k-1 （＋）及びあらかじめ設定された式（７）の駆動雑
音共分散行列Ｑ_k-1 より式（５４）に従い予測誤差共分
散行列Ｐ_k （−）を算出し（ステップ２２）、次に目標
観測装置１より目標及びクラッタ等の信号検出結果であ
る位置等の運動諸元ベクトルｚ_k,track （ｉ）と信号分
析結果である目標の類識別結果等の属性データベクトル
ｚ_k,id（ｉ）よりなる探知データベクトルｚ_k,i を入力
し（ステップ２３）、運動諸元確率分布算出器３におい
て、現時刻より１サンプリング前に算出した式（５３）
の予測値ベクトルｘ_k （−）を第１の遅延回路１５を通
して等速直線運動モデルによる予測器１４から入力し
て、追尾目標からの運動諸元の確率分布の平均値である
ベクトルｚ_k （−）を式（３０）により算出し、現時刻
より１サンプリング前に算出した式（５４）の予測誤差
共分散行列Ｐ_k （−）を第３の遅延回路１１を通して等
速直線運動モデルによる予測誤差評価器１０から入力
し、これとあらかじめ設定された式（１６）の観測誤差
共分散行列Ｒ_k より追尾目標からの運動諸元の確率分布
の広がりＳ_k を式（３１）を用いて算出し、ベクトルｚ
_k （−）及びＳ_k により式（２９）に表される追尾目標
からの運動諸元の確率分布を求め（ステップ２４）、属
性データ確率分布算出器４において、１サンプリング前
に算出した追尾目標の属性の信頼度Ｐ（Ｊ_a ｜Ｚ^k-1 ）
またはその初期値Ｐ（Ｊ_a ｜ＮＳ）を第２の遅延回路１
７を通して追尾目標属性信頼度算出器１６より入力し
（ステップ２５）、これと目標観測装置１より属性デー
タベクトルｚ_k,id（ｉ）と共に入力される仮説Ｊ_a の基
での属性データベクトルｚ_k,id（ｉ）の信頼度により式
（３４）及び（３５）を用いて追尾目標からの属性デー
タの確率分布を算出し（ステップ２６）、次に運動諸元
相関器５において、運動諸元確率分布算出器３より入力
される式（２９）の確率分布とあらかじめ設定されたパ
ラメータｄにより式（３６）を使用して追尾目標と相関
の可能性のあるｍ_k 個の探知データを選択し、これを式
（２５）のＺ_k とし（ステップ２７）、このＺ_k の各探
知データベクトルｚ_k,i に対して探知データ仮説生成器
７で探知データの仮説χ_k,i を生成し（ステップ２
９）、運動諸元及び属性による探知データ信頼度算出器
８において、運動諸元確率分布算出器３から入力された
式（２９）の確率分布と、属性データ確率分布算出器４
より入力された式（３４）及び（３５）の確率分布と、
あらかじめ設定された探知確率Ｐ_D 及び目標予測存在範
囲内に存在する確率Ｐ_Gkにより式（４７）〜（４９）に
従い探知データの仮説の信頼度を算出し（ステップ３
０）、追尾目標属性信頼度算出器１６において、式（４
７）〜（４９）の探知データの仮説信頼度を入力し、目
標観測装置１より仮説Ｊ_a の基での属性データベクトル
ｚ_k,id（ｉ）の信頼度を入力し、現時刻より１サンプリ
ング前に追尾目標属性信頼度算出器１６で算出された追
尾目標の属性信頼度Ｐ（Ｊ_a ｜Ｚ^k-1 ）を第２の遅延回
路１７を通して入力し、式（５０）及び（５１）により
追尾目標の属性信頼度Ｐ（Ｊ_a ｜Ｚ^k ）を算出し（ステ
ップ３１）、ゲイン行列算出器において、現時刻より１
サンプリング前に算出した式（５４）の予測誤差共分散
行列Ｐ_k （−）を第３の遅延回路１１を通して等速直進
運動モデルによる予測誤差評価器１０より入力し、あら
かじめ設定された式（１６）の観測誤差共分散行列Ｒ_k
より式（５７）に従いゲイン行列を算出し、等速直進運
動モデルによる平滑器１３において、式（５７）のゲイ
ン行列を入力し、運動諸元及び属性による探知データ信
頼度算出器８から式（４７）〜（４９）の探知データの
仮説信頼度を入力し、現時刻より１サンプリング前に算
出された予測値ベクトルｘ_k （−）を第１の遅延回路１
５を通して等速直線運動モデルによる予測器１４から入
力し、運動諸元相関器５及び属性データ相関器６におい
て追尾目標と相関の可能性があるとして選択されたｍ_k
個の探知データベクトルｚ_k,i を入力し、式（６５）に
より平滑値ベクトルｘ＾_k （＋）を算出し、また等速直
進運動モデルによる平滑誤差評価器９において、ゲイン
行列算出器１２より式（５７）のゲイン行列を入力し、
運動諸元及び属性による探知データ信頼度算出器８から
式（４７）〜（４９）の探知データの仮説信頼度を入力
し、現時刻より１サンプリング前に算出された予測値ベ
クトルｘ＾_k （−）を第１の遅延回路１５を通して等速
直線運動モデルによる予測器１４から入力し、現時刻よ
り１サンプリング前に算出された式（５４）の予測誤差
共分散行列Ｐ_k（−）を第３の遅延回路１１を通して等
速直線運動モデルによる予測誤差評価器１０から入力
し、運動諸元相関器５及び属性データ相関器６において
追尾目標と相関の可能性があるとして選択されたｍ_k 個
の探知データベクトルｚ_k,i を入力し、式（７０）〜
（７２）により平滑誤差共分散行列Ｐ_k （＋）を算出し
（ステップ３２）、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３３）。

【００７８】次にこの発明の第４の発明を図４及び図９
に従って説明する。目標観測装置１より得られる目標位
置等の運動諸元及び属性の情報を基に通常のカルマンフ
ィルタ理論に基づき、目標の位置、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（ステップ２０）、
等速直進運動モデルを設定した（ステップ２１）後、等
速直線運動モデルによる予測器１４において等速直進モ
デルによる平滑器１３より入力される平滑値ベクトルｘ
＾_k-1 （＋）により式（５３）に従い予測値ベクトルｘ
＾_k （−）を算出し、また等速直線運動モデルによる予
測誤差評価器１０において、等速直線運動モデルによる
平滑誤差評価器９より入力される平滑誤差共分散行列Ｐ
_k-1 （＋）及びあらかじめ設定された式（７）の駆動雑
音共分散行列Ｑ_k-1 より式（５４）に従い予測誤差共分
散行列Ｐ_k （−）を算出し（ステップ２２）、次に目標
観測装置１より目標及びクラッタ等の信号検出結果であ
る位置等の運動諸元ベクトルｚ_k,track （ｉ）と信号分
析結果である目標の類識別結果等の属性データベクトル
ｚ_k,id（ｉ）よりなる探知データベクトルｚ_k,i を入力
し（ステップ２３）、運動諸元確率分布算出器３におい
て、現時刻より１サンプリング前に算出した式（５３）
の予測値ベクトルｘ＾_k （−）を第１の遅延回路１５を
通して等速直線運動モデルによる予測器１４から入力し
て、運動諸元の確率分布の平均値であるベクトルｚ
_k （−）を式（３０）により算出し、現時刻より１サン
プリング前に算出した式（５４）の予測誤差共分散行列
Ｐ_k （−）を第３の遅延回路１１を通して等速直線運動
モデルによる予測誤差評価器１０から入力し、これとあ
らかじめ設定された式（１６）の観測誤差共分散行列Ｒ
_k より運動諸元の確率分布の広がりＳ_k を式（３１）を
用いて算出し、ベクトルｚ_k（−）及びＳ_k により式
（２９）に表される追尾目標からの運動諸元の確率分布
を求め（ステップ２４）、属性データ確率分布算出器４
において、１サンプリング前に算出した追尾目標の属性
の信頼度Ｐ（Ｊ_a ｜Ｚ^k-1 ）またはその初期値Ｐ（Ｊ_a
｜ＮＳ）を第２の遅延回路３３を通して追尾目標属性信
頼度算出器１６より入力し（ステップ２５）、これと目
標観測装置１より属性データベクトルｚ_k,id（ｉ）と共
に入力される仮説Ｊ_a の基での属性データベクトルｚ
_k,id（ｉ）の信頼度により式（３４）及び（３５）を用
いて属性データの確率分布を算出し（ステップ２６）、
次に探知データ相関器１９において、運動諸元確率分布
算出器３より入力される式（２９）の確率分布と属性デ
ータ確率分布算出器４より入力される式（３４）及び
（３５）の属性データの確率分布により式（２８）に示
す探知データベクトルｚ_k,i の確率分布を算出し、あら
かじめ設定されたパラメータｂにより式（７６）を使用
して追尾目標と相関の可能性のあるｍ_k 個の探知データ
を選択し、これを式（２５）のＺ_k とし（ステップ３
５）、このＺ_k の各探知データベクトルｚ_k,i に対して
探知データ仮説生成器７で探知データの仮説χ_k,i を生
成し（ステップ２９）、運動諸元及び属性による探知デ
ータ信頼度算出器８において、運動諸元確率分布算出器
３から入力された式（２９）の確率分布と、属性データ
確率分布算出器４より入力された式（３４）及び（３
５）の確率分布と、あらかじめ設定された探知確率Ｐ_D
及び目標予測存在範囲内に存在する確率Ｐ_Gkにより式
（４７）〜（４９）に従い探知データの仮説の信頼度を
算出し（ステップ３０）、追尾目標属性信頼度算出器１
６において、式（４７）〜（４９）の探知データの仮説
信頼度を入力し、目標観測装置１より仮説Ｊ_a の基での
属性データベクトルｚ_k,id（ｉ）の信頼度を入力し、現
時刻より１サンプリング前に追尾目標属性信頼度算出器
１６で算出された追尾目標の属性信頼度Ｐ（Ｊ_a｜Ｚ
^k-1 ）を第２の遅延回路３３を通して入力し、式（５
０）及び（５１）により追尾目標の属性信頼度Ｐ（Ｊ_a
｜Ｚ^k ）を算出し（ステップ３１）、ゲイン行列算出器
において、現時刻より１サンプリング前に算出した式
（５４）の予測誤差共分散行列Ｐ_k （−）を第３の遅延
回路１１を通して等速直進運動モデルによる予測誤差評
価器１０より入力し、あらかじめ設定された式（１６）
の観測誤差共分散行列Ｒ_k より式（５７）に従いゲイン
行列を算出し、等速直進運動モデルによる平滑器１３に
おいて、式（５７）のゲイン行列を入力し、運動諸元及
び属性による探知データ信頼度算出器８から式（４７）
〜（４９）の探知データの仮説信頼度を入力し、現時刻
より１サンプリング前に算出された予測値ベクトルｘ＾
_k （−）を第１の遅延回路１５を通して等速直線運動モ
デルによる予測器１４から入力し、運動諸元相関器５及
び属性データ相関器６において追尾目標と相関の可能性
があるとして選択されたｍ_k 個の探知データベクトルｚ
_k,i を入力し、式（６５）により平滑値ベクトルｘ＾_k
（＋）を算出し、また等速直進運動モデルによる平滑誤
差評価器９において、ゲイン行列算出器１２より式（５
７）のゲイン行列を入力し、運動諸元及び属性による探
知データ信頼度算出器８から式（４７）〜（４９）の探
知データの仮説信頼度を入力し、現時刻より１サンプリ
ング前に算出された予測値ベクトルｘ_k （−）を第１の
遅延回路１５を通して等速直線運動モデルによる予測器
１４から入力し、現時刻より１サンプリング前に算出さ
れた式（５４）の予測誤差共分散行列Ｐ_k （−）を第３
の遅延回路１１を通して等速直線運動モデルによる予測
誤差評価器１０から入力し、運動諸元相関器５及び属性
データ相関器６において追尾目標と相関の可能性がある
として選択されたｍ_k 個の探知データベクトルｚ_k,i を
入力し、式（７０）〜（７２）により平滑誤差共分散行
列Ｐ_k （＋）を算出し（ステップ３２）、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３３）。

【００７９】

【数２５】

【００８０】次にこの発明の第５の発明を図５及び図１
０に従って説明する。目標観測装置１より得られる目標
位置等の運動諸元及び属性の情報を基に通常のカルマン
フィルタ理論に基づき、目標の位置、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（ステップ２
０）、等速直進運動モデルを設定した（ステップ２１）
後、等速直線運動モデルによる予測器１４において等速
直進モデルによる平滑器１３より入力される平滑値ベク
トルｘ＾_k-1 （＋）により式（５３）に従い予測値ベク
トルｘ＾_k （−）を算出し、また等速直線運動モデルに
よる予測誤差評価器１０において、等速直線運動モデル
による平滑誤差評価器９より入力される平滑誤差共分散
行列Ｐ_k-1 （＋）及びあらかじめ設定された式（７）の
駆動雑音共分散行列Ｑ_k-1 より式（５４）に従い予測誤
差共分散行列Ｐ_k （−）を算出し（ステップ２２）、次
に目標観測装置１より目標及びクラッタ等の信号検出結
果である位置等の運動諸元ベクトルｚ_k,track （ｉ）と
信号分析結果である目標の類識別結果等の属性データベ
クトルｚ_k,id（ｉ）よりなる探知データベクトルｚ_k,i
を入力し（ステップ２３）、運動諸元確率分布算出器３
において、現時刻より１サンプリング前に算出した式
（５３）の予測値ベクトルｘ_k （−）を第１の遅延回路
１５を通して等速直線運動モデルによる予測器１４から
入力して、運動諸元の確率分布の平均値であるベクトル
ｚ_k （−）を式（３０）により算出し、現時刻より１サ
ンプリング前に算出した式（５４）の予測誤差共分散行
列Ｐ_k （−）を第３の遅延回路１１を通して等速直線運
動モデルによる予測誤差評価器１０から入力し、これと
あらかじめ設定された式（１６）の観測誤差共分散行列
Ｒ_k より運動諸元の確率分布の広がりＳ_k を式（３１）
を用いて算出し、ベクトルｚ_k（−）及びＳ_k により式
（２９）に表される追尾目標からの運動諸元の確率分布
を求め（ステップ２４）、属性データ確率分布算出器４
において、１サンプリング前に算出した追尾目標の属性
の信頼度Ｐ（Ｊ_a ｜Ｚ^k-1 ）またはその初期値Ｐ（Ｊ_a
｜ＮＳ）を第２の遅延回路３３を通して追尾目標属性信
頼度算出器１６より入力し（ステップ２５）、これと目
標観測装置１より属性データベクトルｚ_k,id（ｉ）と共
に入力される仮説Ｊ_a の基での属性データベクトルｚ
_k,id（ｉ）の信頼度により式（３４）及び（３５）を用
いて属性データの確率分布を算出し（ステップ２６）、
次に探知データ相関器１９において、運動諸元確率分布
算出器３より入力される式（２９）の確率分布と属性デ
ータ確率分布算出器４より入力される式（３４）及び
（３５）の属性データの確率分布により式（２８）に示
す探知データベクトルｚ_k,i の確率分布を算出し、あら
かじめ設定されたパラメータｂにより式（７６）を使用
して追尾目標と相関の可能性のあるｍ_k 個の探知データ
を選択し、これを式（２５）のＺ_k とし（ステップ３
５）、このＺ_k の各探知データベクトルｚ_k,i に対して
探知データ仮説生成器７で探知データの仮説χ_k,i を生
成し（ステップ２９）、運動諸元による探知データ信頼
度算出器１８において、運動諸元確率分布算出器３から
入力された式（２９）の確率分布と、あらかじめ設定さ
れた探知確率Ｐ_D 及び目標予測存在範囲内に存在する確
率Ｐ_Gkにより式（７３）〜（７５）に従い探知データの
仮説の信頼度を算出し（ステップ３４）、追尾目標属性
信頼度算出器１６において、式（４７）〜（４９）の探
知データの仮説信頼度を入力し、目標観測装置１より仮
説Ｊ_a の基での属性データベクトルｚ_k,id（ｉ）の信頼
度を入力し、現時刻より１サンプリング前に追尾目標属
性信頼度算出器１６で算出された追尾目標の属性信頼度
Ｐ（Ｊ_a ｜Ｚ^k-1 ）を第２の遅延回路３３を通して入力
し、式（５０）及び（５１）により追尾目標の属性信頼
度Ｐ（Ｊ_a ｜Ｚ^k ）を算出し（ステップ３１）、ゲイン
行列算出器において、現時刻より１サンプリング前に算
出した式（５４）の予測誤差共分散行列Ｐ_k （−）を第
３の遅延回路１１を通して等速直進運動モデルによる予
測誤差評価器１０より入力し、あらかじめ設定された式
（１６）の観測誤差共分散行列Ｒ_k より式（５７）に従
いゲイン行列を算出し、等速直進運動モデルによる平滑
器１３において、式（５７）のゲイン行列を入力し、運
動諸元及び属性による探知データ信頼度算出器８から式
（４７）〜（４９）の探知データの仮説信頼度を入力
し、現時刻より１サンプリング前に算出された予測値ベ
クトルｘ＾_k （−）を第１の遅延回路１５を通して等速
直線運動モデルによる予測器１４から入力し、運動諸元
相関器５及び属性データ相関器６において追尾目標と相
関の可能性があるとして選択されたｍ_k 個の探知データ
ベクトルｚ_k,i を入力し、式（６５）により平滑値ベク
トルｘ＾_k （＋）を算出し、また等速直進運動モデルに
よる平滑誤差評価器９において、ゲイン行列算出器１２
より式（５７）のゲイン行列を入力し、運動諸元及び属
性による探知データ信頼度算出器８から式（４７）〜
（４９）の探知データの仮説信頼度を入力し、現時刻よ
り１サンプリング前に算出された予測値ベクトルｘ
_k （−）を第１の遅延回路１５を通して等速直線運動モ
デルによる予測器１４から入力し、現時刻より１サンプ
リング前に算出された式（５４）の予測誤差共分散行列
Ｐ_k （−）を第３の遅延回路１１を通して等速直線運動
モデルによる予測誤差評価器１０から入力し、運動諸元
相関器５及び属性データ相関器６において追尾目標と相
関の可能性があるとして選択されたｍ_k 個の探知データ
ベクトルｚ_k,i を入力し、式（７０）〜（７２）により
平滑誤差共分散行列Ｐ_k （＋）を算出し（ステップ３
２）、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３３）。

【００８１】

【発明の効果】以上のようにこの発明の多目標追尾方法
及びその装置によれば、例えば目標の類識別結果のよう
な属性データの観測諸元を追尾対象目標の位置、速度等
の目標運動諸元算出に有効的に利用でき、また、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もな
く、目標運動諸元算出精度を向上させることができる。

【図面の簡単な説明】

【図１】この発明の第１の発明の多目標追尾装置の実施
例の構成を示す図である。

【図２】この発明の第２の発明の多目標追尾装置の実施
例の構成を示す図である。

【図３】この発明の第３の発明の多目標追尾装置の実施
例の構成を示す図である。

【図４】この発明の第４の発明の多目標追尾装置の実施
例の構成を示す図である。

【図５】この発明の第５の発明の多目標追尾装置の実施
例の構成を示す図である。

【図６】この発明の第１の発明の多目標追尾装置の実施
例を補足するための処理手順を示す図である。

【図７】この発明の第２の発明の多目標追尾装置の実施
例を補足するための処理手順を示す図である。

【図８】この発明の第３の発明の多目標追尾装置の実施
例を補足するための処理手順を示す図である。

【図９】この発明の第４の発明の多目標追尾装置の実施
例を補足するための処理手順を示す図である。

【図１０】この発明の第５の発明の多目標追尾装置の実
施例を補足するための処理手順を示す図である。

【図１１】従来の多目標追尾方法の一実施例の処理手順
を示す図である。

【図１２】従来の多目標追尾装置の一実施例の構成を示
す図である。

【図１３】追尾目標と探知データの相関を説明する図で
ある。

【図１４】追尾目標と探知データの相関を説明する図で
ある。

【符号の説明】

１ 目標観測装置 ２ 観測諸元転送装置 ３ 運動諸元確率分布算出器 ４ 属性データ確率分布算出器 ５ 運動諸元相関器 ６ 属性相関器 ７ 探知データ仮説生成器 ８ 運動諸元及び属性による探知データの信頼度算出器 ９ 等速直進運動モデルによる平滑誤差評価器 １０ 等速直進運動モデルによる予測誤差評価器 １１ 第３の遅延回路 １２ ゲイン行列算出器 １３ 等速直進モデルによる平滑器 １４ 等速直進モデルによる予測器 １５ 第１の遅延回路 １６ 追尾目標属性信頼度算出器 １７ 第２の遅延回路 １８ 運動諸元による探知データの信頼度算出器 １９ 探知データ相関器 ２０ 初期値設定ステップ ２１ 運動モデル設定ステップ ２２ 予測値及び予測誤差共分散行列算出ステップ ２３ 探知データ入力ステップ ２４ 観測位置データの確率分布諸元算出ステップ ２５ 追尾目標属性信頼度の入力ステップ ２６ 属性データの確率分布諸元算出ステップ ２７ 目標予測存在範囲内外判定ステップ ２８ 属性による探知データの有効判定ステップ ２９ 探知データの仮説生成ステップ ３０ 観測位置及び属性を用いた探知データの仮説信頼
度算出ステップ ３１ 追尾目標属性信頼度の算出ステップ ３２ 平滑値及び平滑誤差共分散行列算出ステップ ３３ 追尾終了判定ステップ ３４ 観測位置を用いた探知データの仮説信頼度算出ス
テップ ３５ 観測位置及び属性による探知データの有効判定ス
テップ

Claims (5)

【特許請求の範囲】
1. 【請求項１】 追尾目標及び追尾目標以外のクラッタ等
   からの位置等の運動諸元の信号検出結果である観測位置
   データ及び類識別結果等の信号分析結果である属性デー
   タを探知データとして出力する目標観測装置と、探知デ
   ータを転送する観測諸元転送装置と、観測位置データの
   存在確率分布を算出する運動諸元確率分布算出器と、上
   記追尾目標からの運動諸元確率分布を基にした目標予測
   存在範囲により追尾目標と相関の可能性のある探知デー
   タを選択する運動諸元相関器と、追尾目標からの属性デ
   ータ確率分布を算出する属性データ確率分布算出器と、
   上記相関器で選択された探知データの中から上記追尾目
   標からの属性データ確率分布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する属性データ相関器と、
   上記相関器で選択された探知データと追尾目標との仮説
   を生成する探知データ仮説生成器と、上記追尾目標から
   の運動諸元確率分布と追尾目標からの属性データ確率分
   布により探知データの仮説信頼度を算出する探知データ
   信頼度算出器と、等速直進運動モデルによる平滑誤差を
   評価する平滑誤差評価器と、等速直進運動モデルにおけ
   る予測誤差を評価する予測誤差評価器と、上記予測誤差
   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３の遅延回路と、ゲイン行列を算出するゲイ
   ン行列算出器と、等速直進運動モデルによる平滑値を算
   出する平滑器と、等速直進運動モデルによる目標位置、
   速度等の予測値を算出する予測器と、上記予測器で算出
   した予測値を１サンプリング分遅延させる第１の遅延回
   路と、上記相関器で選択された探知データとその信頼度
   より追尾目標の属性の信頼度を算出する追尾目標属性信
   頼度算出器と、上記追尾目標属性信頼度算出器で算出さ
   れた追尾目標の属性信頼度を１サンプリング分遅延させ
   る第２の遅延回路とで構成したことを特徴とする多目標
   追尾装置。
2. 【請求項２】 追尾目標及び追尾目標以外のクラッタ等
   からの位置等の運動諸元の信号検出結果である観測位置
   データ及び類識別結果等の信号分析結果である属性デー
   タを探知データとして出力する目標観測装置と、探知デ
   ータを転送する観測諸元転送装置と、観測位置データの
   存在確率分布を算出する運動諸元確率分布算出器と、上
   記追尾目標からの運動諸元確率分布を基にした目標予測
   存在範囲により追尾目標と相関の可能性のある探知デー
   タを選択する運動諸元相関器と、追尾目標からの属性デ
   ータ確率分布を算出する属性データ確率分布算出器と、
   上記相関器で選択された探知データの中から上記追尾目
   標からの属性データ確率分布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する属性データ相関器と、
   上記相関器で選択された探知データと追尾目標との仮説
   を生成する探知データ仮説生成器と、上記追尾目標から
   の運動諸元確率分布により探知データの仮説信頼度を算
   出する探知データ信頼度算出器と、等速直進運動モデル
   による平滑誤差を評価する平滑誤差評価器と、等速直進
   運動モデルにおける予測誤差を評価する予測誤差評価器
   と、上記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３の遅延回路と、ゲイン行
   列を算出するゲイン行列算出器と、等速直進運動モデル
   による平滑値を算出する平滑器と、等速直進運動モデル
   による目標位置、速度等の予測値を算出する予測器と、
   上記予測器で算出した予測値を１サンプリング分遅延さ
   せる第１の遅延回路と、上記相関器で選択された探知デ
   ータとその信頼度より追尾目標の属性の信頼度を算出す
   る追尾目標属性信頼度算出器と、上記追尾目標属性信頼
   度算出器で算出された追尾目標の属性信頼度を１サンプ
   リング分遅延させる第２の遅延回路とで構成したことを
   特徴とする多目標追尾装置。
3. 【請求項３】 追尾目標及び追尾目標以外のクラッタ等
   からの位置等の運動諸元の信号検出結果である観測位置
   データ及び類識別結果等の信号分析結果である属性デー
   タを探知データとして出力する目標観測装置と、探知デ
   ータを転送する観測諸元転送装置と、観測位置データの
   存在確率分布を算出する運動諸元確率分布算出器と、上
   記追尾目標からの運動諸元確率分布を基にした目標予測
   存在範囲により追尾目標と相関の可能性のある探知デー
   タを選択する運動諸元相関器と、追尾目標からの属性デ
   ータ確率分布を算出する属性データ確率分布算出器と、
   上記相関器で選択された探知データと追尾目標との仮説
   を生成する探知データ仮説生成器と、上記追尾目標から
   の運動諸元確率分布と追尾目標からの属性データ確率分
   布により探知データの仮説信頼度を算出する探知データ
   信頼度算出器と、等速直進運動モデルによる平滑誤差を
   評価する平滑誤差評価器と、等速直進運動モデルにおけ
   る予測誤差を評価する予測誤差評価器と、上記予測誤差
   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３の遅延回路と、ゲイン行列を算出するゲイ
   ン行列算出器と、等速直進運動モデルによる平滑値を算
   出する平滑器と、等速直進運動モデルによる目標位置、
   速度等の予測値を算出する予測器と、上記予測器で算出
   した予測値を１サンプリング分遅延させる第１の遅延回
   路と、上記相関器で選択された探知データとその信頼度
   より追尾目標の属性の信頼度を算出する追尾目標属性信
   頼度算出器と、上記追尾目標属性信頼度算出器で算出さ
   れた追尾目標の属性信頼度を１サンプリング分遅延させ
   る第２の遅延回路とで構成したことを特徴とする多目標
   追尾装置。
4. 【請求項４】 追尾目標及び追尾目標以外のクラッタ等
   からの位置等の運動諸元の信号検出結果である観測位置
   データ及び類識別結果等の信号分析結果である属性デー
   タを探知データとして出力する目標観測装置と、探知デ
   ータを転送する観測諸元転送装置と、観測位置データの
   存在確率分布を算出する運動諸元確率分布算出器と、追
   尾目標からの属性データ確率分布を算出する属性データ
   確率分布算出器と、上記追尾目標からの運動諸元確率分
   布及び上記追尾目標からの属性データ確率分布を基に算
   出された探知データ確率分布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する探知データ相関器と、
   上記相関器で選択された探知データと追尾目標との仮説
   を生成する探知データ仮説生成器と、上記追尾目標から
   の運動諸元確率分布と追尾目標からの属性データ確率分
   布により探知データの仮説信頼度を算出する探知データ
   信頼度算出器と、等速直進運動モデルによる平滑誤差を
   評価する平滑誤差評価器と、等速直進運動モデルにおけ
   る予測誤差を評価する予測誤差評価器と、上記予測誤差
   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３の遅延回路と、ゲイン行列を算出するゲイ
   ン行列算出器と、等速直進運動モデルによる平滑値を算
   出する平滑器と、等速直進運動モデルによる目標位置、
   速度等の予測値を算出する予測器と、上記予測器で算出
   した予測値を１サンプリング分遅延させる第１の遅延回
   路と、上記相関器で選択された探知データとその信頼度
   より追尾目標の属性の信頼度を算出する追尾目標属性信
   頼度算出器と、上記追尾目標属性信頼度算出器で算出さ
   れた追尾目標の属性信頼度を１サンプリング分遅延させ
   る第２の遅延回路とで構成したことを特徴とする多目標
   追尾装置。
5. 【請求項５】 追尾目標及び追尾目標以外のクラッタ等
   からの位置等の運動諸元の信号検出結果である観測位置
   データ及び類識別結果等の信号分析結果である属性デー
   タを探知データとして出力する目標観測装置と、探知デ
   ータを転送する観測諸元転送装置と、観測位置データの
   存在確率分布を算出する運動諸元確率分布算出器と、追
   尾目標からの属性データ確率分布を算出する属性データ
   確率分布算出器と、上記追尾目標からの運動諸元確率分
   布及び上記追尾目標からの属性データ確率分布を基に算
   出された探知データ確率分布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する探知データ相関器と、
   上記相関器で選択された探知データと追尾目標との仮説
   を生成する探知データ仮説生成器と、上記追尾目標から
   の運動諸元確率分布により探知データの仮説信頼度を算
   出する探知データ信頼度算出器と、等速直進運動モデル
   による平滑誤差を評価する平滑誤差評価器と、等速直進
   運動モデルにおける予測誤差を評価する予測誤差評価器
   と、上記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３の遅延回路と、ゲイン行
   列を算出するゲイン行列算出器と、等速直進運動モデル
   による平滑値を算出する平滑器と、等速直進運動モデル
   による目標位置、速度等の予測値を算出する予測器と、
   上記予測器で算出した予測値を１サンプリング分遅延さ
   せる第１の遅延回路と、上記相関器で選択された探知デ
   ータとその信頼度より追尾目標の属性の信頼度を算出す
   る追尾目標属性信頼度算出器と、上記追尾目標属性信頼
   度算出器で算出された追尾目標の属性信頼度を１サンプ
   リング分遅延させる第２の遅延回路とで構成したことを
   特徴とする多目標追尾装置。