JPH0797135B2 - 多目標追尾方法及びその装置 - Google Patents

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および目標以外のクラツタ等から
の信号検出結果から目標位置の真値および目標速度など
の目標運動諸元を推定しようとする多目標追尾方法およ
びその装置に関するものである。

〔従来の技術〕

第８図は，例えばIEEE TRANSACTIONS ON AUTOMATIC CON
TROL VOL AC−23.AUGUST 1978,P618−P626「Tracking M
ethods in a Multitarget Environment」の中で「Proba
bilistic 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
イルタ論理に基づき目標位置，速度の平滑値および平滑
誤差共分散行列の初期値を設定し（ステツプ１），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
（ステツプ12）後，現時刻から１サンプリング後の目標
位置，速度の予測値を算出し（ステツプ13），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（ステ
ツプ14），目標観測装置（17）から信号検出結果で追尾
目標と相関のある探知データとして，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（ステツ
プ７），ステツプ（７）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および予測誤差共分散行列を使用
して算出し（ステツプ15），ステツプ（15）で算出され
た予測誤差共分散行列を用いて目標運動諸元の平滑に使
用するゲイン行列を算出し（ステツプ９），ステツプ
（７）で選択された探知データ，ステツプ（15）で算出
された探知データの信頼度，ステツプ（13）で算出され
た予測値およびステツプ（９）で算出されたゲイン行列
により目標位置，速度の平滑値を算出し，かつステツプ
（７），ステツプ（15），ステツプ（13），ステツプ
（９）で得られた情報とステツプ（14）で算出された予
測誤差共分散行列により平滑誤差共分散行列を算出し
（ステツプ16），追尾終了になるまでこの一連の流れを
繰り返す（ステツプ11）のようになつていた。

第10図は，第９図に対応した従来の多目標追尾装置の構
成図であり，追尾目標および追尾目標以外のクラツタ等
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（17）と，等速直進運動モデルによる予測器（3
3）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（37）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（17）からの探知データを選
択する相関器と，等速直進運動モデルによる予測器（3
3）で現時刻より１サンプリング前に算出しておいた目
標予測位置と等速直進モデルによる予測誤差評価器（3
7）で現時刻より１サンプリング前に算出しておいた予
測誤差共分散列より相関器（18）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（34）と、等速直進
運動モデルによる予測誤差評価器（37）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（31）と，相関器（18）で選択
された探知データと「探知データの」信頼度算出器（3
4）で算出した探知データの信頼度と等速直進運動モデ
ルによる予測器（33）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（31）より
のゲイン行列により目標位置，等速の平滑値を算出する
等速直進運動モデルによる平滑器（35）と，等速直進運
動モデルによる平滑器（35）で算出した平滑値をもとに
等速直進運動モデルによる現時刻より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（33）と，等速直進運動モデルよる予測
器（33）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，等速直進運動モデルによる予測器
（33）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（31）よりのゲイン行列と
相関器（18）で選択された探知ゲータと探知データの信
頼度算出器（34）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（37）で現時点よ
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（36）と，等速
直進運動モデルによる平滑誤差評価器（36）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（37）と，等速直進運動モデルによる予測誤差評
価器（37）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（38）から構成されてい
た。

〔発明が解決しようとする課題〕

上記のような従来の多目標追尾方法およびその装置にお
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（33）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（37）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（17）
に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（18）で判定していたため，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せざるを得なかつた。

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，複数の目標およびクラツ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およびその装置に関す
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および第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（すなわち、ｎ
個の各運動モデルの影響を統合して得られる予測値）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個の運動モデルおよび相関器で選択された探知データ
の信頼度を算出する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（すなわち、ｎ個の各運動モデルの影響
を統合して得られる平滑値）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（すなわち、ｎ個
の各運動モデルの影響を結合して得られる平滑誤差共分
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および第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予測誤差共分散行列（すなわ
ち、ｎ個の各運動モデルの影響を結合して得られる予測
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個の運動モデルおよび相
関器で選択された探知データの信頼度を算出する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および第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予測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個の運動モデルおよび相関器で選択された探知デ
ータの信頼度を算出する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。

〔作用〕

この発明においては，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並列で使
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それぞれの信頼度および複数個
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
数個の運動モデルそれぞれの信頼度および複数個の運動
モデルを構成する定数加速度ベクトルを使用し運動モデ
ルが一意的に定まらないことにより予測誤差の評価であ
る予測誤差共分散行列を増大させる諸元を算出し，この
諸元に複数個の運動モデルごとの予測誤差共分散行列
（すなわち、ｎ個の各運動モデル各々に対する予測誤差
共分散行列）を加算することによりｎ個の運動モデルに
よる予測誤差共分散行列を算出する。

この発明の第１および第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ツタよりの探知データも大い
場合に対処可能とするため，追尾目標間で相関を取るべ
き領域が重らないよう，また，相関をとるべき領域内の
探知データを増加させないように相関をとるべき領域を
広げずに計算機負荷の増大を抑えつつ旋回目標対処能力
を向上させるため，相関をと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および第５の発明においては，追尾目標
が少なく，クラツタも少ない環境下でのサンプリング間
隔が長く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不安定（がたつき）
を表面化させずに旋回目標対処能力を向上させるため，
相関をと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（すなわち、
ｎ個の各運動モデル各々に対する予測値）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，相関をとるべき空間領域の大きさ
の算出にｎ個の運動モデルによる予測誤差共分散行列を
使用する。

この発明の第３および第６の発明においては，きわめて
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く，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，相関をとるべき
中心点の算出にｎ個の運動モデルによる予測値，相関を
とるべき空間領域の大きさの算出にｎ個の運動モデルに
よる予測誤差共分散行列を使用する。

〔実施例〕

以下この発明の多目標追尾方法およびその装置の一実施
例について説明する。

複数個のｎ個とした場合の運動モデルをｘ _ｋ ＝Φ_k-1 ｘ _k-1＋Γ_k-1 Ｗ _k-1＋Γ′_k-1 ｕ _k-1…（１） とする。

ここで， ・ｘ _ｋはサンプリング時刻t_kにおける目標運動諸元の真
値をあらわ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。

・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ｘ _ｋの推移行列で目標が等速直線運動を行うと仮定し
た場合， である。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，
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
交換行列で， たとえば．目標恩運動モデルを等速直線運動と仮定した
ことによる打切り誤差項をΓ_k-1W_k-1とみればＷ _ｋ は加速度ベクトル相当であり である。ｕ _ｋ はサンプリング時刻t_kにおいてｎ個の運動モデルを
達成する定数加速度ベクトルで，ｕ _ｋ ＝α _１又はｕ _ｋ＝α _２又は……又はｕ _ｋ＝αｎ …
（２） であり， Γ′_ｋはサンプリング時刻t_kにおける定数加速度ベクト
ルの変換行列で である。

第７図は水平面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，図において,0は目標観測装置を原点と
した座標０−xyの原点,xは東方向をｘ軸の正とした座標
０−xyのｘ軸,Yは北方向をｙ軸の正とした座標０−xyの
ｙ軸,A1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７図における定数加速度ベクトル
の大きさを10g（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，式（２）は とサンプリング時刻t_kに無関係に書ける。

次に，サンプリング時刻t_kおいてｕ _k-1 ＝α _ａ（ａ＝1,2,…,n） …（５） が真であるとの仮説を Ψ_k,_a（ａ＝1,2,…,n） …（６） と書く。

サンプリング時刻t₁からt_kまでの運動モデルに対する仮
説の組合せを Ψ_k,_p（ｐ＝1.2,…,n^k） …（７） すなわち Ψ_k,_p＝〔Ψ1,_P1,Ψ2,_p2,…，Ψ_k,_pk〕 …（８） １≦p_i≦ｎ（ｉ＝1,2,…,k） と書く。

運動モデルの推移にマルコフ性を仮定する。すなわち運
動モデルΨ_k,_aはサンプリング時刻t_k-1の運動モデルよ
り決まりサンプリング時刻t_k-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Pabを P_ab＝Ｐ〔Ψ_k,_a|Ψ_k-1,_b〕 …（９） （ａ＝1,2,…,n;b＝1,2,…,n） と書く。

Ｅを平均をあらわす記号として，Ｗ _ｋは平均０の３次元
正規分布白色雑音で Ｅ〔Ｗ _ｋ〕＝０ …（10） とする。

ここで， ・０は零ベクトル Q_kはサンプリング時刻t_kにおける駆動雑音共分散行列 であり，ａ ^Ｔ はベクトルａの転置ベクトルをあらわす。

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つ与えられるとし，その観測系モデルをＺ _ｋ ＝H_k Ｘ _ｋ＋Ｖ _ｋ …（12） とする。

ここで，Ｚ _ｋ はサンプリング時刻t_k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_kはサンプリング時刻t_kにおける観測行列で H_k＝（Ｉ 0I） である。Ｖ _ｋ はサンプリング時刻t_kにおける位置観測雑音ベクト
ルであり，平均０の３次元正規分布白色雑音で Ｅ〔Ｖ _ｋ〕＝０ Ｅ〔Ｖ _ｋ Ｖ1^T〕＝R_k（ｋ＝１の時）,0I（ｋ≠１の時）
…（13） である。

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，運動モデルによらない値とする。

追尾対像目標以外からの探知データは空間に一様分布し
ているとし，サンプリング時刻t_kにおける単位体積あた
りの発生頻度はβ_ｋとし，追尾目標と相関をとるべき空
間の領域の体積をV_GKとした時，追尾対象目標以外から
の探知データが相関をとるべき領域内に存在する総数は
平均β_kV_GKのポアソン分布に従うとする。

サンプリング時刻t_kにおける相関をとるべき領域内の探
知データの全体をＺ _k,₁,Ｚ _k,₂,…，Ｚ _k,m_kとし， Z_k＝〔Ｚ _k,₁,Ｚ _k,₂,…Ｚ _k,m_k〕 …（14） と書き，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 Z^k＝〔Z₁,Z₂,…,Z_k〕 …（15） 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 M^k＝〔m₁,m₂,…,m_k〕 …（16） 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
α _ａ（ａ＝1,2,…,n）の条件つき確率密度関数を離散系
における確率論に従い Ｐ〔ｕ _k-1|Ψ_k,_a,Z^k-1,M^k-1〕＝δ（ｕ _k-1−α _ａ） …
（17） とする。

ここで，デルタ関数δ（ｘ）は ∫…∫Ｇ（ｘ）δ（ｘ）αｘ＝Ｇ（０） …（19） の性質を有している。

式（17）及び式（19）より Ｅ〔ｕ _k-1|Ψ_k,_a,Z^k-1,M^k-1〕 ＝∫…∫ｕ _k-1P〔ｕ _k-1|Ψ_k,_a,Z^k-1,M^k-1〕ｄｕ _k-1 ＝∫…∫ｕ _k-1δ（ｕ _k-1−α _ａ）ｄｕ _k-1＝α _ａ …（2
0） である。

すなわち とした時 である。

式（18）および式（19）より， である。

すなわち _k-1 ＝Ｅ〔ｕ _k-1|Z^k-1,M^k-1〕 …（24） とした時 _k-1 ＝ΣＰ〔Ψ_k,_a|Z^k-1,M^k-1〕α _ａ …（25） である。

式（17），式（22）および式（19）より である。

式（18）および式（19）より である。

なお,A^Tは行列Ａの配置行列をあらわす。

Z_k,_iが追尾対象目標よりの探知データであるとの仮説を
x_k,_i（ｉ＝1,2,…,m_k）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x_k,_oと書く。

サンプリンズ時刻t_kまでの探知データの情報による仮説
の信頼度を条件つき確率密度関数により β_k,_i,_pk,_pk-1＝Ｐ〔x_k,_i,Ψ_k,_pk,Ψ_k-1,_pk-1 |Z^k,M^k〕 …（28） β_k,_i＝Ｐ〔X_k,_i|Z^k,M^k〕 …（29） β_k,_i,_pk＝Ｐ〔x_k,_i,Ψ_k,_pk|Z^k,M^k〕 …（31） と定義する。

ここで， Ｐ〔x_k,_i,Ψ_k,_pk,m_k|Ψ_k-1,_pk-1,Z^k-1,M^k-1〕 ＝Ｐ〔x_k,_i,m_k|Ψ_k-1,_pk-1,Z^k-1,M^k-1〕Ｐ〔Ψ_k,_pk|Ψ_k-1,_pk-1,Z^k-1,M^k-1〕 …
（32） Ｐ〔Ψ_k,_pk|Ψ_k-1,_pk-1〕 ＝Ｐ〔Ψ_k,_pk|Ψ_k-1,p_k-1, Z^k-1,M^k-1〕 …（33） と仮定する。

式（９）及び式（33）より Ｐ〔Ψ_k,_pk|Ψ_k-1,p_k-1,Z^k-1,M^k-1〕P_pkpk-1 …（34） である。

確率論より である。

通常のカルマンフイルタの論理より である。

ここで， は仮説Ψ_k,_pkのもとでのサンプリング時刻t_kに対するｘ
_ｋの予測ベクトルで，条件つき平均ベクトルで書けばカ
ルマンフイルタの論理より である。 _ｋ （＋）はサンプリング時刻t_kに対するｘ _ｋの平滑ベ
クトルで _ｋ （＋）＝Ｅ〔ｘ _k|Z^k,M^k〕 …（52） である。 _k ,_i,p_k（＋）は仮説X_k,_iおよびΨ_k,p_kのもとでのサン
プリング時刻t_kに対するx_kの平滑ベクトルで _k ,_i,p_k（＋）＝Ｅ〔ｘ _k|x_k,_i,Ψ_k,_pkZ^k,M^k〕…（53） である。

P_k（＋）はサンプリング時刻t_kにおける平滑誤差共分散
行列で P_k（＋） ＝Ｅ〔（ｘ _ｋ− _ｋ（＋））（ｘ _ｋ− _ｋ（＋））^T|
Z^k,M^k〕 …（54） である。

はサンプリング時刻t_kにおける仮説Ψ_k,_pkのもとでの予
測誤差共分散行列で である。

はサンプリング時刻t_kにおける仮説x_k,_iおよびΨ_k,_pkの
もとでの平滑誤差共分散行列で である。

K_kはサンプリング時刻t_kにおけるゲイン行列である。

また，カルマンフイルタを通常適用する場合と同様にし
て初期値 ｏ（＋）,Po（＋）は別途定まつているとす
る。

式（45）より は仮説Ψ_k,_pkによらなり値なので，式（46）よりK_k,式
（50）よりP_k,_i,_pk（＋）（ｉ＝1,2,…,m_k）も仮説Ψ_k,
_pkによらない値となる。

探知データＺが,dをパラメータとして （Ｚ−Ｚ _ｋ（−））TS_k ^-1（Ｚ−Ｚ _ｋ（−））≦ｄ…（5
7） を満たす時，探知ゲータはＺは追尾目標と相関があると
判定される。

ここでＺ _ｋ （−）＝H_{k ｋ}（−） …（58） _ｋ （−）はサンプリング時刻t_kに対するｘ _ｋの予測ベ
クトルで _ｋ （−）＝Ｅ〔ｘ _k|Z^k-1,M^k-1〕 …（59） である。

S_k＝H_kP_k（−）H_k ^T＋R_k …（60） P_k（−）はサンプリング時刻t_kにおける予測誤差共分散
行列で P_k（−）＝Ｅ〔（ｘ _ｋ− _ｋ（−））（ｘ _ｋ − _ｋ（−））^T|Z^k-1,M^k-1〕…（61） である。

第８図は水平面に平行な面内で式（57）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は追尾目標の予測位置である式（58）のＺ
_ｋ（−）,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および式（60）のS_kより線形代数学より
算出され,D1〜D4は探知データである。

追尾対象目標が相関をとるべき領域内に存在する確率を
P_Gkすなわち P_Gk＝∫…∫_Gkg（Ｚ _k;Ｚ _ｋ（−）,S_k）ｄＺ _ｋ …（62） と書く。

ここで G_k ＝〔Ｚ _k;（Ｚ _ｋ−Ｚ _ｋ（−））TS_k ^-1（Ｚ _ｋ−Ｚ
_ｋ（−））≦ｄ〕 …（63） ｇ（Ｚ _k;ａ _k,A_k）は平均ベクトルａ _k,共分散行列A_kの３
次元正規分布のＺ _ｋにおける確率密度関数である。

なお，確率論よりP_Gkはｄの値によつて一意的に定ま
る。

仮説Ψ_k,p_kのもとでの探知データＺ _k,iの目標位置観測
誤差 f_pk（Ｚ _k,_i）（P_k＝1,2,…,n;i＝1,2,…,m_k） …（64） を３次元規制分布で近似すればカルマンフイルタの論理
より である。

式（65）よりわかるように，目標位置の探知データＺ _k,
_iが目標位置の予測ベクトル に近いほどf_pk（Ｚ _k,_i）の値は大きくなり,Z_k,_iは目標
が仮説Ψ_k,_pk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く評価され
る。

サンプリング時刻t_kにおける探知情報が得られない時点
の仮説Ψ_k-1,_pk-1が仮説Ψ_k,_pkに推移する信頼度は，仮
説Ψ_k-1,_pk-1の信頼度である式（30）の および推移確率である式（９）のP_pkp_k-1より として求まる。

従つて，目標が探知される確率をP_Dとすれば追尾対象目
標が相関をとるべき領域内に存在して探知される確率は
P_DP_Gkである。従つて，サンプリング時刻t_kの探知情報
が得られる時点での仮説Ψ_k-1,p_k-1,Ψ_k,p_k,および仮説
Ψ_k,oが正しいとの信頼度は，サンプリング時刻t_k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（6
6）に追尾対象目標より相関をとるべき領域内から探知
データが得られない確率１−P_DP_Gkおよびｍ個の探知デ
ータすべ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 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の探知情報が得られた時点で
の仮説Ψ_k-1,p_k-1′Ψ_k,p_kおよび仮説x_k,_i（ｉ＝1,2,
…,m_k）が正しいとの信頼度は，サンプリング時刻t_k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
（66）に追尾目標が探知される確率P_D,仮説Ψ_k,p_kのも
とでの探知データＺ _k,_iの評価値f_pk（Ｚ _k,_i）およびm
_k-1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 を乗算した値 に比例すると考えてよい。

従つて，式（43）を使用し式（67）および式（68）を正
規化し γ_k,_o,_pk,_pk-1＝（１−R_DR_Gk）β_kP_pk,_pk-1 …（70） γ_k,_i,_pk,_pk-1＝f_pk（Z_k,_i）P_DP_pk,_pk-1（ｉ≠０） …
（71） を得る。

式（31）およびベイズの定理より である。

式（62），式（53）および式（72）より である。

式（73）および式（47），式（49），式（44），式（4
0），式（42）より _ｋ （＋）＝φ_{k-1 k-1}（＋）＋Γ′_{k-1 k-1}＋K_kν_ｋ
…（74） である。

式（54），式（52），式（73），式（53）および式（5
6）より である。

式（40）および式（73）より だから，式（78）および式（79）より である。

式（80）に式（48），式（50），式（41），式（36），
式（47），式（49），式（44），式（74）〜式（77）お
よび式（42）を代入し がΨ_k,p_kに無関係なことに注意すれば である。

式（１）に式（59），式（52），式（10）および式（2
4）を適用し， _ｋ （−）＝Φ_{k-1 k-1}（＋）＋Γ′_{k-1 k-1}…（82） を得る。

式（１）および式（82）よりｘ _ｋ − _ｋ（−）＝Φ_k-1（ｘ _k-1− _k-1（＋））＋Γ
_k-1 Ｗ _k-1 ＋Γ′_k1（ｕ _{k-1 k-1}） …（83） である。

式（61）に式（83）を代入し式（54），式（11）および
式（27）を適用しｘ _k-1,Ｗ _k-1,ｕ _k-1が互いに無相関と
すれば を得る。

式（66）より確率論に従い である。

従つて，式（84），式（45）および式（85）より である。

ここで式（25）および式（85）より である。

次にこの発明の第１および第４の発明を第１図および第
４図に従つて説明する。

目標観測装置（17）より得られる目標位置情報をもとに
通常のカルマンフイルタ理論に基づき目標位置，速度の
平滑値および平滑誤差共分散行列の初期値を設定し（ス
テツプ１），第７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（ステツプ２）のち，運動モデルごとの予
測器（24）においてｎ個の運動モデルによる平滑器（2
0）より入力されるｎ個の運動モデルによる平滑値 _k-1
（＋）および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α _pkより式（44）に従い運動モデ
ルごとの予測値 を算出し，運動モデルごとの予測誤差評価器（27）にお
いてｎ個の運動モデルによる平滑誤差評価器（26）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_k-1（＋）およびあらかじめ設定された式（11）の駆動
雑音共分散行列Q_k-1より式（45）に従い運動モデルごと
の予測誤差共分散行列 を算出し（ステツプ３）,n個の運動モデルによる予測器
（22）においてｎ個の運動モデルによる平滑器（20）よ
り式（52）のｎ個の運動モデルによる平滑値
_k-1（＋）を入力し，等速直進運動予測によりφ_k-1
k-1（＋）を算出しｎ個の運動モデルによる信頼度算出
器（19）より得られる式（30）の各運動モデルの信頼度 あらかじめ設定された式（９）の推移確率P_pkpk-1およ
び式（５）の定数加速度ベクトルα _pkより式（87）に従
いサンプリング時刻t_k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（82）に従いｎ個の運
動モデルによる予測値 _ｋ（−）を算出し（ステツプ
４）目標観測装置（17）より目標およびクラツタ等から
の信号検出結果である位置情報よりなる探知データを入
力し（ステツプ６），相関器（18）において現時刻より
１サンプリング前に算出した式（59）のｎ個の運動モデ
ルによる予測値x_k（−）を第２の遅延回路（23）を通し
ｎ個の運動モデルによる予測器（22）より入力し相関を
とるべき中心位置である式（58）のZ_k（−）を算出し，
現時刻より１サンプリング前に算出した式（55）の運動
モデルごとの予測誤差共分散行列 を第４の遅延回路（29）を通し運動モデルごとの予測誤
差評価器（27）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（60）のS_kをP_k（−）の代わ
りに を使用し求め式（57）により追尾目標と相感の可能性の
あるm_k個の探知データを選択しこれを式（14）のZ_kとし
（ステツプ７）,n個の運動モデルによる信頼度算出器
（19）において現時刻より１サンプリング前に式（37）
により算出した各運動モデルの信頼度 を第６の遅延回路（32）を通しｎ個の運動モデルによる
信頼度算出器（19）より入力し，現時刻より１サンプリ
ング前に算出した式（51）の運動モデルごとの予測値 を第３の遅延回路（25）を通し運動モデルごとの予測器
（24）より入力し，現時刻より１サンプリング前に算出
した式（55）の運動モデルごとの予測誤差分散行列 を第４の遅延回路（29）を通し運動モデルごとの予測誤
差評価器（27）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R_kより式（65）より仮説Ψ_k,
_pkのもとでの相関器（18）よりの探知データＺ _k,_iの信
頼度f_pk（Ｚ _k,_i）を求め，あらかじめ設定された探知確
率P_D,追尾対象目標が相関をとるべき領域内に存在する
式（62）の確率P_Gkおよび式（９）の運動モデルの推移
確率P_PK,_PK-1により式（69）〜式（71）および式（3
7），式（39），式（41）に従い運動モデルおよび探知
データの信頼度を算出し（ステツプ８），ゲイン行列算
出器（31）において現時刻より１サンプリング前に算出
した式（55）の運動モデルごとの予測誤差共分散行列 を第４の遅延回路（29）を通し運動モデルごとの予測誤
差評価器（27）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R_kより式（46）に従いゲイン
行列を算出し（ステツプ９）,n個の運動モデルによる平
滑器（20）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（52）のｎ個の運動モデルによる平滑値
_k-1（＋）の第１の遅延回路（21）を通し入力し,n個の
運動モデルによる信頼度算出器（19）より式（30）の各
運動モデルの信頼度 および式（31）の仮説Ψ_k,_pkのもとでの探知データＺ _k,
_iの信頼度β_k,_i,_pkを入力し，相関器（18）より探知デ
ータＺ _k,1,Ｚ _k,2,…，Ｚ _k,m_k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（51）の運動モデルご
との予測値 を第３の遅延回路（25）を通し運動モデルごとの予測器
（24）より入力し，ゲイン行列算出器（31）より式（4
6）のゲイン行列K_kを入力し，あらかじめ設定された式
（５）の定数加速ベクトルα _pkにより式（74）に従いｎ
個の運動モデルに平滑値を算出し,n個の運動モデルによ
る平滑値誤差評価器（26）においてｎ個の運動モデルに
よる信頼度算出器（19）より式（29）のβ_k,_i,式（30）
の を入力し，現時刻より１サンプリング前に算出した式
（55）の運動モデルごとの予測誤差共分散行列 を第４の遅延回路（29）を通し運動モデルごとの予測誤
差評価器（27）より入力し，ゲイン行列算出器（31）よ
り式（46）のゲイン行列K_k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（51）の運動モデルごと
の予測値 を第３の遅延回路（25）を通し運動モデルごとの予測器
（24）より入力し相関器（18）より探知データＺ _k,1,Ｚ
_k,2,…，Ｚ _k,m_k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α_pkにより式（81）および
式（75）〜式（77）に従い式（54）のｎ個の運動モデル
による平滑誤差共分散P_k（＋）を算出し（ステツプ1
0），追尾終了になるまでこの一連の流れを繰り返す
（ステツプ11）。

次にこの発明の第２および第５の発明を第２図および第
５図に従つて説明する。

目標観測装置（17）より得られる目標位置情報をもとに
通常のカルマンフイルタ理論に基づき目標位置，速度の
平滑値および平滑誤差共分散行列の初期値を設定し（ス
テツプ１），第７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（ステツプ２）のち，運動モデルごとの予
測器（24）においてｎ個の運動モデルによる平滑器（2
0）より入力されるｎ個の運動モデルによる平滑値 _k-1
（＋）および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α _pkより式（44）に従い運動モデ
ルごとの予測値 を算出し，運動モデルごとの予測誤差評価器（27）にお
いてｎ個の運動モデルによる平滑誤差評価器（26）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_k-1（＋）およびあらかじめ設定された式（11）の駆動
雑音共分散行列Q_k-1より式（45）に従い運動モデルごと
の予測誤差共分散行列 を算出し（ステツプ３）,n個の運動モデルによる予測誤
差評価器（28）において運動モデルごとの予測誤差評価
器（27）より式（55）の運動モデルごとの予測誤差共分
散行列 を入力し,n個の運動モデルによる信頼度算出器（19）よ
り得られる式（30）の あらかじめ設定された式（９）の推移確率 あらかじめ設定された定数加速度ベクトルα _pkおよび式
（87）の _k-1よりP_k（−）の予測誤差を大きく評価す
る項 を算出し，式（86）に従いｎ個の運動モデルによる誤差
共分散行列P_k（−）を算出し（ステツプ５），目標観測
装置（17）より目標およびクラツタ等からの信号検出結
果である位置情報よりなる探知データを入力し（ステツ
プ６），相関器（18）において現時刻より１サンプリン
グ前に算出した式（51）の運動モデルごとの予測値 を第３の遅延回路（25）を通し運動モデルごとの予測器
（24）より入力し相関をとるべき中心位置である式（5
8）のＺ _ｋ（−）を _ｋ（−）の代わりに定数加速度ベ
クトルα_pkが零ベクトルの場合の を使用し算出し，現時刻より１サンプリング前に算出し
た式（61）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（30）を通しｎ個の運動モデルによ
る予測誤差評価器（28）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（60）のS_kを求め式
（57）により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（14）のZ_kとし（ステツプ
７）,n個の運動モデルによる信頼度算出器（19）におい
て現時刻より１サンプリング前に式（37）により算出し
た各運動モデルの信頼度 を第６の遅延回路（32）を通しｎ個の運動モデルによる
信頼度算出器（19）より入力し，現時刻より１サンプリ
ング前に算出した式（51）の運動モデルごとの予測値 を第３の遅延回路（25）を通し運動モデルごとの予測器
（24）より入力し，現時刻より１サンプリング前に算出
した式（55）の運動モデルごとの予測誤差共分散行列 を第４の遅延回路（29）を通し運動モデルごとの予測誤
差評価器（27）より入力しあらかじめ設定された式（1
3）の観察雑音共分散行列R_kより式（65）により仮説
Ψ_k,_pkのもとでの相関器（18）よりの探知データZ_k,_iの
信頼度f_pk（Z_k,_i）を求め，あらかじめ設定された探知
確率P_D,追尾対象目標が相関をとるべき領域内に存在す
る式（62）の確率P_Gkおよび式（９）の運動モデルの推
移確率 により式（69）〜式（71）および式（37），式（39），
式（41）に従い運動モデルおよび探知データの信頼度を
算出し（ステツプ８），ゲイン行列算出器（31）におい
て現時刻より１サンプリング前に算出した式（55）の運
動モデルごとの予測誤差共分散行列 を第４の遅延回路（29）を通し運動モデルごとの予測誤
差評価器（27）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R_kより式（46）に従いゲイン
行列を算出し（ステツプ９）,n個の運動モデルによる平
滑器（20）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（52）のｎ個の運動モデルによる平滑値x
_k-1（＋）を第１の遅延回路（21）を通し入力し,n個の
運動モデルによる信頼度算出器（19）より式（30）の各
運動モデルの信頼度 および式（31）の仮説Ψ_k,_pkのもとでの探知データＺ _k,
_iの信頼度β_k,_i,_pkを入力し，相関器（18）より探知デ
ータＺ _k,1,Ｚ _k,2,…，Ｚ _k,m_k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（51）の運動モデルごと
の予測値 を第３の遅延回路（25）を通し運動モデルごとの予測器
（24）より入力し，ゲイン行列算出器（31）より式（4
6）のゲイン行列K_k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α _pkにより式（74）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（26）においてｎ個の運動モデ
ルによる信頼度算出器（19）より式（29）のβ_k,_i,式
（30）の を入力し，現時刻より１サンプリング前に算出した式
（55）の運動モデルごとの予測誤差共分散行列 を第４の遅延回路（29）を通し運動モデルごとの予測誤
差評価器（27）より入力し，ゲイン行列算出器（31）よ
り式（46）のゲイン行列K_k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（51）の運動モデルごと
の予測値 を第３の遅延回路（25）を通し運動モデルごとの予測器
（24）より入力し，相関器（18）より探知データＺ _k,1,
Ｚ _k,2,…，Ｚ _k,m_k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α _pkにより式（81）および
式（75）〜式（77）に従い式（54）のｎ個の運動モデル
による平滑誤差共分散P_k（＋）を算出し（ステツプ1
0），追尾終了になるまでこの一連の流れを繰り返す
（ステツプ11）。

次にこの発明の第３および第６の発明を第３図および第
６図に従つて説明する。

目標観測装置（17）より得られる目標位置情報をもとに
通常のカルマンフイルタ理論に基づき目標位置，速度の
平滑値および平滑誤差共分散行列の初期値を設定し（ス
テツプ１），第７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（ステツプ２）のち，運動モデルごとの予
測器（24）においてｎ個の運動モデルによる平滑器（2
0）より入力されるｎ個の運動モデルにる平滑値
_k-1（＋）および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α _pkより式（44）に従い運
動モデルごとの予測値 を算出し，運動モデルごとの予測誤差評価器（27）にお
いてｎ個の運動モデルごよる平滑誤差評価器（26）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_K-1（＋）およびあらかじめ設定された式（11）の駆動
雑音共分散行列Q_K-1より式（45）に従い運動モデルごと
の予測誤差共分散行列 を算出し（ステツプ３）,n個の運動モデルによる予測器
（22）においてｎ個の運動モデルによる平滑器（20）よ
り式（52）のｎ個の運動モデルによる平滑値
_k-1（＋）を入力し，等速直進運動予測によりΦ_k-1
k-1（＋）を算出しｎ個の運動モデルによる信頼度算出
器（19）より得られる式（30）の各運動モデルの信頼度 あらかじめ設定された式（９）の推移確率 および式（５）の定数加速度ベクトルα _pkより式（87）
に従いサンプリング時刻t_k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（82）に従いｎ個
の運動モデルによる予測値 _ｋ（−）を算出し（ステツ
プ４）,n個の運動モデルによる予測誤差評価器（28）に
おいて運動モデルごとの予測誤差評価器（27）より式
（55）の運動モデルごとの予測誤差共分散行列 を入力し,n個の運動モデルによる信頼度算出器（19）よ
り得られる式（30）の あらかじめ設定された式（９）の推移確率 あらかじめ設定された定数加速度ベクトルα _pkおよび式
（87）の _k-1よりP_k（−）の予測誤差を大きく評価す
る項 を算出し式（86）に従いｎ個の運動モデルによる予測誤
差共分散行列P_k（−）を算出し（ステツプ５），目標観
測装置（17）より目標およびクラツタ等からの信号検出
結果である位置情報よりなる探知データを入力し（ステ
ツプ６），相関器（18）において現時刻より１サンプリ
ング前に算出した式（59）のｎ個の運動モデルによ予測
値 _ｋ（−）を第２の遅延回路（23）を通しｎ個の運動
モデルによる予測器（22）より入力し相関をとるべき中
心位置である式（58）のＺ _ｋ（−）を算出し，現時刻よ
り１サンプリング前に算出した式（61）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（30）
を通しｎ個の運動モデルによる予測誤差評価器（28）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に使用
する式（60）のS_kを求めた式（57）により追尾目標と相
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
（14）のZ_kとし（ステツプ７）,n個の運動モデルによる
信頼度算出器（19）において現時刻より１サンプリング
前に式（37）により算出した各運動モデルの信頼度 を第６の遅延回路（32）に通しｎ個の運動モデルによる
信頼度算出器（19）より入力し現時刻より１サンプリン
グ前に算出した式（51）の運動モデルごとの予測値 を第３の遅延回路（25）を通し運動モデルごとの予測器
（24）より入力し現時刻より１サンプリング前に算出し
た式（55）の運動モデルごとの予測誤差共分散行列 を第４の遅延回路（29）を通し運動モデルごとの予測誤
差評価器（27）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_kより式（65）により仮説
Ψ_k,_pkのもとでの相関器（18）よりの探知データＺ _k,_i
の信頼度f_pk（Z_k,_i）を求め，あらかじめ設定された探
知確率P_D,追尾対象目標が相関をとるべき領域内に存在
する式（62）の確率P_Gkおよび式（９）の運動モデルの
推移確率 により式（69）〜式（71）および式（37），式（39），
式（41）に従い運動モデルおよび探知データの信頼度を
算出し（ステツプ８），ゲイン行列算出器（31）におい
て現時刻より１サンプリング前に算出した式（55）の運
動モデルごとの予測誤差共分散行列 を第４の遅延回路（29）を通し運動モデルごとの予測誤
差評価器（27）より入力し，あかじめ設定された式（1
3）の観測雑音共分散行列R_kより式（46）に従いゲイン
行列を算出し（ステツプ９）,n個の運動モデルによる平
滑器（20）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（52）のｎ個の運動モデルによる平滑値
_k-1（＋）を第１の遅延回路（21）を通し入力し,n個の
運動モデルによる信頼度算出器（19）より式（30）の各
運動モデルの信頼度 および式（31）の仮説Ψ_k,_pkのもとでの探知データＺ _k,
_iの信頼度 を入力し，相関器（18）より探知データＺ _k,1,Ｚ _k,2,
…，Ｚ _k,m_k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（51）の運動モデルごとの予測値 を第３の遅延回路（25）を通し運動モデルごとの予測器
（24）より入力し，ゲイン行列算出器（31）より式（4
6）のゲイン行列K_k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α _pkにより式（74）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（26）においてｎ個の運動モデ
ルによる信頼度算出器（19）より式（29）のβ_k,_i,式
（30）の および式（31）の を入力し，現時刻より１サンプリング前に算出した式
（55）の運動モデルごとの予測誤差共分散行列 を第４の遅延回路（29）を通し運動モデルごとの予測誤
差評価（27）より入力し，ゲイン行列算出器（31）より
式（46）のゲイン行列K_k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（51）の運動モデルごとの
予測値 を第３の遅延回路（25）を通し運動モデルごとの予測器
（24）より入力し，相関器（18）より探知データＺ _k,1,
Ｚ _k,2,…，Ｚ _k,m_kを入力し，あらかじめ設定された
（５）の定数加速度ベクトルαpkにより式（81）および
式（75）〜式（77）に従い式（54）のｎ個の運動モデル
による平滑誤差共分散行列P_k（＋）を算出し（ステツプ
10），追尾終了になるまでこの一連の流れを繰り返す
（ステツプ11）。

〔発明の効果〕

以上のようにこの発明によれば複数の目標およびクラツ
タ等の不要信号から探知データが得られる環境化におい
て旋回目標に対しても精度よく追尾できるという効果を
有する。

なお以上は等速直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および多目標追
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ための図，
第５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ための図，第６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
ための図，第７図は定数加速度ベクトルを説明するため
の図，第８図は追尾目標と探知データの相関を説明する
ための図，第９図は従来の多目標追尾方法の処理手順を
示す図，第10図は従来の多目標追尾装置の構成を説明す
るための図である。 図において，（17）は目標観測装置，（18）は相関器，
（19）はｎ個の運動モデルによる信頼度算出器，（20）
はｎ個の運動モデルによる平滑器，（21）は第１の遅延
回路，（22）はｎ個の運動モデルによる予測器，（23）
は第２の遅延回路，（24）は運動モデルごとの予測器，
（25）は第３の遅延回路，（26）はｎ個の運動モデルに
よる平滑誤差評価器，（27）は運動モデルごとの予測誤
差評価器，（28）はｎ個の運動モデルによる予測誤差評
価器，（29）は第４の遅延回路，（30）は第５の遅延回
路，（31）はゲイン行列算出器，（32）は第６の遅延回
路，（33）は等速直進運動モデルによる予測器，（34）
は探知データの信頼度算出器，（35）は等速直進運動モ
デルによる平滑器，（36）は等速直進運動モデルによる
平滑誤差評価器，（37）は等速直進運動モデルによる予
測誤差評価器，（38）は第７の遅延回路，（39）は第８
の遅延回路である。 なお，各図中同一あるいは相当部分には同一符号を付し
て示してある。

Claims (6)

【特許請求の範囲】
1. 【請求項１】目標位置，速度などの平滑値および平滑値
   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，速度などの予測値およびその誤
   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，追尾
   目標および追尾目標以外のクラツ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から探知デ
   ータを入力し，その探知データのうち追尾目標と相関の
   可能性のある探知データを選択し，複数のｎ個の運動モ
   デルおよ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，速度などの平滑値およびその誤
   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. 【請求項２】目標位置，速度などの平滑値および平滑値
   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，速度などの予測値およびその誤
   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，追尾目標および追尾
   目標以外のクラツ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から探知データを入力し，
   その探知データのうち追尾目標と相関の可能性のある探
   知データを選択し，複数のｎ個の運動モデルおよび選択
   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，速度などの平滑値およびその誤差を推定した平
   滑値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. 【請求項３】目標位置，速度などの平滑値および平滑値
   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，速度などの予測値およびその誤
   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
   モデルによる予測差共分散行列を算出し，追尾目標およ
   び追尾目標以外のクラツ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から探知データを入
   力し，その探知データのうち追尾目標と相関の可能性の
   ある探知データを選択し，複数のｎ個の運動モデルおよ
   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，速度などの平滑値およびその誤差を推定
   した平滑誤差共分散行列を算出し，追尾終了になるまで
   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. 【請求項４】追尾目標および追尾目標以外のクラツタ等
   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，この目標観測装置で出力された探知データの
   うち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個の運動モデルおよび上記相
   関器で選択された探知データの信頼度を算出する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
   ルにより目標位置，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値と，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
   る第の遅延回路と，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て上記相関器へ
   入力させるための第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
   モデルとの予測器と，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り平滑誤差評価器
   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，上記運動モデルごと
   の予測器で算出した予測値を１サンプリング分遅延させ
   て上記信頼度算出器，平滑器および平滑誤差評価器へ入
   力させるための第３の遅延回路と，上記ｎ個の各運動モ
   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て上記信頼度
   算出器，相関器，平滑誤差評価器およびゲイン行列算出
   器へ入力させるための第４の遅延回路と，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の遅延回路とを具備したこと
   を特徴とする多目標追尾装置。
5. 【請求項５】追尾目標および追尾目標以外のクラツタ等
   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，この目標観測装置で出力された探知データの
   うち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個の運動モデルおよび上記相
   関器で選択された探知データの信頼度を算出する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
   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個の各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器
   で算出した予測値を１サンプリング分遅延させて上記相
   関器，信頼度算出器，平滑器および平滑誤差評価器へ入
   力させるための第３の遅延回路と，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
   リング分遅延させて上記信頼度算出器，ゲイン行列算出
   器および平滑誤差評価器へ入力させるための第４の遅延
   回路と，上記ｎ個の運動モデルによる予測誤差評価器で
   算出した予測誤差評価値を１サンプリング分遅延させて
   上記相関器へ入力させるための第５の遅延回路と，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の遅延回路とを具備
   したことを特徴とする多目標追尾装置。
6. 【請求項６】追尾目標および追尾目標以外のクラツタ等
   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，この目標観測装置で出力された探知データの
   うち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個の運動モデルおよび上記相
   関器で選択された探知データの信頼度を算出する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
   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，上器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て上記相関器
   へ入力させるための第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個の各運
   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
   デルごとの予測器で算出した予測値を１サンプリング分
   遅延させて上記信頼度算出器，平滑器および平滑誤差評
   価器へ入力させるための第３の遅延回路と，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て上記信頼度算出器，平滑誤
   差評価器およびゲイン行列算出器へ入力させるための第
   ４の遅延回路と，上記ｎ個の運動モデルによる予測誤差
   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
   延させて上記相関器へ入力させるための第５の遅延回路
   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
   とを具備したことを特徴とする多目標追尾装置。