JPH05297947A

JPH05297947A - 多目標追尾装置

Info

Publication number: JPH05297947A
Application number: JP4100924A
Authority: JP
Inventors: Kosuke Hiwatari; 浩介樋渡; Yoshio Kosuge; 義夫小菅
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 1992-04-21
Filing date: 1992-04-21
Publication date: 1993-11-12

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類識別結果等の属性と
新目標観測情報に基づく処理の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装置に関するものである。

【０００２】

【従来の技術】図１３は、例えばＩＥＥＥＴＲＡＮＳ
ＡＣＴＩＯＮＳＯＮＡＵＴＯＭＡＴＩＣＣＯＮＴ
ＲＯＬＶＯＬ．ＡＣ−２３，ＡＵＧＵＳＴ１９７
８，Ｐ６１８〜６２６「ＴｒａｃｋｉｎｇＭｅｔｈｏ
ｄｓｉｎａＭｕｌｔｉｔａｒｇｅｔＥｎｖｉｒ
ｏｎｍｅｎｔ」の中で、「Ｐｒｏｂａｂｉｌｉｓｔｉｃ
ＤａｔａＡｓｓｏｃｉａｔｉｏｎＦｉｌｔｅｒ」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
１４は図１３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１３において、従来の多目標追尾方法
は、ステップ２２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２３
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２６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２６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２７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２８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３１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３３でステップ３１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３８でステップ３
３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３６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３７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１４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信頼
度算出器である。

【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１３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１４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１４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ため、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、新目標の探知データが得られた時点での新目標から
の属性データ確率分布を算出する新目標属性確率分布算
出器と、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及び新目標からの属
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、新目標の探知デ
ータが得られた時点での新目標からの属性データ確率分
布を算出する新目標属性確率分布算出器と、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
データ確率分布及び新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
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。

【００１１】この発明の第３の発明は、新目標の探知デ
ータが得られた時点での新目標からの属性データ確率分
布を算出する新目標属性確率分布算出器と、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、従来の多目標追尾装置で
用いられていた運動諸元相関器の代わりとしての上記追
尾目標からの属性データ確率分布及び新目標からの属性
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。

【００１２】この発明の第４の発明は、新目標の探知デ
ータが得られた時点での新目標からの属性データ確率分
布を算出する新目標属性確率分布算出器と、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、従来の多目標追尾装置で
用いられていた運動諸元相関器の代わりとしての上記追
尾目標からの属性データ確率分布及び新目標からの属性
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、新目標の探知デ
ータが得られた時点での新目標からの属性データ確率分
布を算出する新目標属性確率分布算出器と、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、従来の多目標追尾装置で
用いられていた運動諸元相関器の代わりとしての追尾目
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
知データ確率分布と新目標観測頻度及び新目標からの属
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。

【００１４】この発明の第６の発明は、新目標の探知デ
ータが得られた時点での新目標からの属性データ確率分
布を算出する新目標属性確率分布算出器と、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、従来の多目標追尾装置で
用いられていた運動諸元相関器の代わりとしての追尾目
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
知データ確率分布と新目標観測頻度及び新目標からの属
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探知データ相関器と、追尾目標か
らの運動諸元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。

【００１５】

【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
が可能であり、また新目標観測に関する情報に基づく相
関判定を行っているために、相関パラメータ設定に起因
する誤相関を減少させることが可能である。

【００１６】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。

【００１７】この発明の第１の発明においては、目標及
びクラッタ等不要信号からの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
タ等の不要信号からの探知データが残らないように、属
性データ及び新目標観測情報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探知デー
タの信頼度を算出している。

【００１８】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、属性データ及び新目標観測情報によ
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。

【００１９】この発明の第３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、観測位置等の精度の低い運動諸元による相
関処理は行わず、属性データ及び新目標観測情報により
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、上記の属性データ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、運動諸元及び属
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４の発明においては、観測位
置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少ない環境下での追尾に対処す
るために、観測位置等の精度の低い運動諸元による相関
処理は行わず、属性データ及び新目標観測情報により追
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、運動諸元に基づき信頼度を算出して
いる。

【００２１】この発明の第５の発明においては、サンプ
リング間隔が短い目標観測装置で、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
知データ確率分布及び新目標観測情報により追尾目標と
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探
知データの信頼度を算出している。

【００２２】この発明の第６の発明においては、サンプ
リング間隔が短い目標観測装置で多目標追尾に対処する
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及び新目標
観測情報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、運動諸元に基づき
探知データの信頼度を算出している。

【００２３】

【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、図６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示す図である。また、図７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８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９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１０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１１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、図１２はこの発明の第６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７、図８、図９、図１０、図１１、図１２は、そ
れぞれ順番に図１、図２、図３、図４、図５、図６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。

【００２４】以下、この発明の一実施例を図１〜図１２
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。

【００２５】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は
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。

【００２６】

【数１】

【００２７】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。

【００２８】

【数２】

【００２９】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。

【００３０】

【数３】

【００３１】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。

【００３２】

【数４】

【００３３】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。

【００３４】

【数５】

【００３５】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。

【００３６】

【数６】

【００３７】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。

【００３８】

【数７】

【００３９】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。

【００４０】

【数８】

【００４１】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、クラッタのサンプリング時
刻ｔ_kにおける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、クラッタ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 ^kＶ_Gkのポアソン分
布に従い、新目標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_NT ^kＶ_Gkのポアソン分布に従
うとする。

【００４２】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。

【００４３】

【数９】

【００４４】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（２４）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。

【００４５】

【数１０】

【００４６】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。

【００４７】

【数１１】

【００４８】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
い状態で得られる新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。

【００４９】

【数１２】

【００５０】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。

【００５１】

【数１３】

【００５２】図１５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。

【００５３】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。

【００５４】

【数１４】

【００５５】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）の左辺
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と式（３５）で与えられる新目
標からの属性データ確率分布における確率密度の比であ
る。

【００５６】

【数１５】

【００５７】図１６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。

【００５８】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。

【００５９】

【数１６】

【００６０】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。

【００６１】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_DＰ_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_DＰ_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 ^kＶ_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。

【００６２】

【数１７】

【００６３】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。

【００６４】

【数１８】

【００６５】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。

【００６６】

【数１９】

【００６７】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。

【００６８】

【数２０】

【００６９】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。

【００７０】

【数２１】

【００７１】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。

【００７２】

【数２２】

【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。

【００７４】

【数２３】

【００７５】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。

【００７６】次にこの発明の第１の発明を図１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２２）、
等速直進運動モデルを設定した（ステップ２３）後、目
標観測装置１から新目標の探知データを入力し（ステッ
プ２４）、新目標属性確率分布算出器２０において、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）の信頼度及
び仮説Ｊ_aの信頼度の初期値により式（３５）を用いて
新目標からの属性データの確率分布を算出し（ステップ
２５）、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２６）、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２７）、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２
８）、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１７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２９）、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）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３０）、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３１）、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）の追尾目標からの属性データ確率
分布及び新目標属性確率分布算出器２０より入力される
新目標からの属性データ確率分布により式（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３
２）、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３３）、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（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３５）、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３６）、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
７）。

【００７７】次にこの発明の第２の発明を図２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２２）、
等速直進運動モデルを設定した（ステップ２３）後、目
標観測装置１から新目標の探知データを入力し（ステッ
プ２４）、新目標属性確率分布算出器２０において、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）の信頼度及
び仮説Ｊ_aの信頼度の初期値により式（３５）を用いて
新目標からの属性データの確率分布を算出し（ステップ
２５）、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２６）、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２７）、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２
８）、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１７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２９）、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）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３０）、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３１）、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）の追尾目標からの属性データ確率
分布及び新目標属性確率分布算出器２０より入力される
新目標からの属性データ確率分布により式（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３
２）、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３３）、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３８）、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３５）、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）〜（４
９）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３
６）、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３７）。

【００７８】

【数２４】

【００７９】次にこの発明の第３の発明を図３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２２）、
等速直進運動モデルを設定した（ステップ２３）後、目
標観測装置１から新目標の探知データを入力し（ステッ
プ２４）、新目標属性確率分布算出器２０において、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）の信頼度及
び仮説Ｊ_aの信頼度の初期値により式（３５）を用いて
新目標からの属性データの確率分布を算出し（ステップ
２５）、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２６）、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２７）、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２
８）、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１７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２９）、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）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３０）、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、これを式（２５）のＺ_k
とし（ステップ３１）、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３３）、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３５）、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）〜（４
９）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３
６）、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３７）。

【００８０】次にこの発明の第４の発明を図４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
２）、等速直進運動モデルを設定した（ステップ２３）
後、目標観測装置１から新目標の探知データを入力し
（ステップ２４）、新目標属性確率分布算出器２０にお
いて、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
信頼度及び仮説Ｊ_aの信頼度の初期値により式（３５）
を用いて新目標からの属性データの確率分布を算出し
（ステップ２５）、等速直線運動モデルによる予測器１
４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
２６）、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２７）、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２８）、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｜Ｎ
Ｓ）を第２の遅延回路１７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２９）、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）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３
０）、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、これを式（２５）のＺ_kとし（ステップ３１）、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３３）、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３８）、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３５）、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（１
６）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１
３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（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、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３６）、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
７）。

【００８１】次にこの発明の第５の発明を図５及び図１
１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
２）、等速直進運動モデルを設定した（ステップ２３）
後、目標観測装置１から新目標の探知データを入力し
（ステップ２４）、新目標属性確率分布算出器２０にお
いて、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
信頼度及び仮説Ｊ_aの信頼度の初期値により式（３５）
を用いて新目標からの属性データの確率分布を算出し
（ステップ２５）、目標観測装置１からの新目標の探知
データが得られた時点における新目標の観測頻度β_NT ^k
を新目標観測頻度算出器より入力し（ステップ３９）、
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２６）、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２７）、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２８）、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２９）、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）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３０）、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）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、これと新目標観測頻度算出器２１より入力され
る新目標観測頻度β_NT ^k及び新目標属性確率分布算出器
２０より入力される式（３５）の新目標からの属性デー
タ確率分布により式（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４０）、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３
３）、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
４）、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３５）、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）〜（７
２）により平滑誤差共分散行列Ｐ_k（＋）を算出し（ス
テップ３６）、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３７）。

【００８２】

【数２５】

【００８３】次にこの発明の第６の発明を図６及び図１
２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
２）、等速直進運動モデルを設定した（ステップ２３）
後、目標観測装置１から新目標の探知データを入力し
（ステップ２４）、新目標属性確率分布算出器２０にお
いて、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
信頼度及び仮説Ｊ_aの信頼度の初期値により式（３５）
を用いて新目標からの属性データの確率分布を算出し
（ステップ２５）、目標観測装置１からの新目標の探知
データが得られた時点における新目標の観測頻度β_NT ^k
を新目標観測頻度算出器より入力し（ステップ３９）、
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２６）、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２７）、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２８）、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２９）、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）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３０）、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）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、これと新目標観測頻度算出器２１より入力され
る新目標観測頻度β_NT ^k及び新目標属性確率分布算出器
２０より入力される式（３５）の新目標からの属性デー
タ確率分布により式（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４０）、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３
３）、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３８）、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３５）、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３６）、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
７）。

【００８４】

【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６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７】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８】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９】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１０】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１１】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１２】この発明の第６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１３】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１４】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１５】追尾目標と探知データの相関を説明する図で
ある。

【図１６】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新目標属性確率分布算出器２１新目標観測頻度算出器２２初期値設定ステップ２３運動モデル設定ステップ２４新目標の探知データ入力ステップ２５新目標からの属性データ確率分布算出器２６予測値及び予測誤差共分散行列算出ステップ２７探知データ入力ステップ２８観測位置データの確率分布諸元算出ステップ２９追尾目標属性信頼度の入力ステップ３０属性データの確率分布諸元算出ステップ３１目標予測存在範囲内外判定ステップ３２属性による探知データの有効判定ステップ３３探知データの仮説生成ステップ３４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３５追尾目標属性信頼度の算出ステップ３６平滑値及び平滑誤差共分散行列算出ステップ３７追尾終了判定ステップ３８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３９新目標観測頻度算出ステップ４０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

【特許請求の範囲】

【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、新目標の探知デー
タが得られた時点での真目標からの属性データ確率分布
を算出する新目標属性確率分布算出器と、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
新目標からの属性データ確率分布と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。