$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

비동기 이종 센서를 이용한 데이터 융합기반 근거리 표적 추적기법
Short Range Target Tracking Based on Data Fusion Method Using Asynchronous Dissimilar Sensors 원문보기

Journal of the Institute of Electronics Engineers of Korea = 전자공학회논문지, v.49 no.9, 2012년, pp.335 - 343  

이의혁 (국방과학연구소)

초록
AI-Helper 아이콘AI-Helper

본 논문은 근거리에서 접근하는 표적에 대한 레이더와 열영상의 관측데이터를 기반으로 정보융합을 수행하여 표적을 추적하는 알고리즘을 기술하고 있다. 일반적으로 칼만필터를 이용한 추적 융합 방법은 동기화된 레이더 및 열영상의 데이터를 근간으로 하고 있으며, 비동기적으로 동작하는 실제 시스템에 적용하기에는 많은 제한사항을 가지고 있다. 제안된 알고리즘에서의 중점사항은 동기화되어 있지 않은 서로 다른 두 센서인 레이더와 열영상의 관측데이터가 입력되었을 때 레이더의 거리정보와 추적상태벡터를 이용하여 관측값의 시간차이를 보상하여 관측치 융합 후 추적을 수행하는 것이다. 제안된 알고리즘의 성능평가를 위해 기존의 궤적기반 정보융합방법 및 측정치 융합기법과 성능을 비교하여 제시한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper presents an target tracking algorithm for fusion of radar and infrared(IR) sensor measurement data. Generally, fusion methods with Kalman filter assume that processing data obtained by radar and IR sensor are synchronized. It has much limitation to apply the fusion methods to real systems...

주제어

#measurement fusion   #track fusion   #target tracking   #radar and IR   #Kalman filter  

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 비동기 센서인 레이더와 열영상센서를 장착한 시스템이 근거리에서 접근하는 표적을 추적하기 위해 시간동기화하고 레이더의 거리정보와 칼만필터의 속도벡터를 이용하여 열영상센서의 측정치를 예측 하여 레이더와 측정치 융합을 통해 표적을 추적하는 AMFK 필터를 제안하였다.
  • 본 연구는 근거리에서 접근하는 고속의 표적에 대해서 비동기 센서의 측정데이터로부터 추적융합하는 기법을 제안하는 것이다. 이러한 기법의 적용이 필요한 상황은 지상에서 발사되는 RPG (Rocket Propelled Grenade)와 같은 로켓을 근거리에서 방어하는 하드킬 (hard-kill) 시스템에서 찾아볼 수 있다.

가설 설정

  • 기존에 활발히 연구된 분야는 주로 궤적기반 융합 방법[4～8]에 대한 것이었다. 궤적 융합기법의 경우에 공통적인 가정은 측정 센서들이 시간적으로 동기화되어 있고, 센서들도 동일 좌표계로 구성되어 있다는 것이었다. 센서들의 측정치가 시간동기화 되어있으므로 다중센서들 각각에 대해 센서별로 추적필터를 수행하고, 상태벡터 추정치에 대해서 Track Fusion을 수행하여 중앙집중형 및 지역 분산형 구조에 대해서 필터성능을 제시하였다.
  • 기존에 제시되어 있는 비동기 측정치기반 정보융합 필터 [14～15] 에서는 레이더의 한 샘플시간 간격내에 n개의 열영상센서의 측정치가 존재하는 상황을 가정하여 수식을 유도하였다. 그러나, 실제 시스템에 적용시에는 열영상센서의 내부 지연요소 및 디스플레이 장치의 갱신률로 제한되어 레이더의 샘플시간이 열영상센서의 샘플시간보다 짧은 경우가 더 많다.
  • 근거리에서 접근하는 표적에 대해서 매 레이더의 측정시점을 기준으로 정보융합결과를 출력하도록 하였으며 열영상의 측정치 예측은 열영상센서의 측정정보가 들어올때마다 수행하였다. 두 센서인 레이더와 열영상센서가 동일 좌표공간에 있다고 가정하였고 열영상센서의 측정값 예측시에 레이더의 거리정보를 사용하여 직교좌표공간에서 측정치를 예측하므로 비선형적인 오차가 발생하지 않도록 하였다.
  • 이러한 조건에 대한 시뮬레이션을 위해 200m, 100m, 75m, 50m의 거리에서 약 250m/s로 발사되어 아래 그림 6과 같이 탄도를 그리며 접근하는 4가지의 표적을 생성하였다. 레이더의 샘플링시간은 4ms, 고유지연시간은 5.6ms이며, 열영상센서의 경우는 각각 8.3ms, 16.6ms로 약 120Hz의 프레임 갱신률을 갖는 것으로 가정하였다. 아래의 궤적에 대해서 두 센서가 비동기적으로 각각의 샘플링시간에 따라서 표적의 정보를 획득하 도록 하였다.
  • 따라서, 센서들간의 시간동기화 과정은 필수과정이 아닐 수 없다. 여기에서는 레이더가 열영상센서보다 샘플링 시간이 좀 더 빠르다고 가정을 한다. 통상 열영상센서의 경우 디스플레이 장치와 연동이 되므로, 샘플링 시간이 60Hz 수준으로 고정되는 경우가 많다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
다중센서의 융합기법에는 어떤 방법이 있는가? 다중센서의 융합기법에는 측정치 기반 융합과 궤적 기반 융합방법인 Track-to-Track Fusion이 있다. 기존에 활발히 연구된 분야는 주로 궤적기반 융합 방법 [4～8] 에 대한 것이었다.
일반적으로 칼만필터를 이용한 추적 융합 방법은 무엇을 근간으로 하는가? 본 논문은 근거리에서 접근하는 표적에 대한 레이더와 열영상의 관측데이터를 기반으로 정보융합을 수행하여 표적을 추적하는 알고리즘을 기술하고 있다. 일반적으로 칼만필터를 이용한 추적 융합 방법은 동기화된 레이더 및 열영상의 데이터를 근간으로 하고 있으며, 비동기적으로 동작하는 실제 시스템에 적용하기에는 많은 제한사항을 가지고 있다. 제안된 알고리즘에서의 중점사항은 동기화되어 있지 않은 서로 다른 두 센서인 레이더와 열영상의 관측데이터가 입력되었을 때 레이더의 거리정보와 추적상태벡터를 이용하여 관측값의 시간차이를 보상하여 관측치 융합 후 추적을 수행하는 것이다.
군사 분야에서 다중센서를 이용하여 이동하는 물체를 추적하는 방법으로 제시된 것은? 다중센서를 이용하여 이동하는 물체를 추적하는 방법에 대해서는 다양한 분야에서 활발한 연구가 진행되고 있다. 특히 군사 분야에서는 레이더, 적외선 센서, 소나, 근접 센서 등의 관측데이터를 기반으로 접근하는 표적의 궤적정보를 추적하기 위한 기법들이 제시되었 다. [1～3] 기존에는 단일 센서에 대한 정보를 이용하여 궤 적정보를 추출하는 연구가 진행되어 왔으나, 최근에는 다중센서를 기반으로 기존의 추적기법들은 확장하여 적용하기 위한 논문들이 제시되고 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (16)

  1. Bar-Shalom, Y and Xiao-Rong Li, Estimation and Tracking Principles, Techniques and Software, Artech House, 1993. 

  2. Bar-Shalom,Y., and Fortmann,T.E. "Tracking and Data Association", New York: Academic Press, 1988. 

  3. Subhash Challa, Mark R. Morelade, Darko Musicki and Robin J. Evans, Fundamentals of Object Tracking, Cambridge, 2011. 

  4. J.B.Romine, Edward W. Kamen, and Chellury R. Sastry, "Fusion of radar and imaging sensor data for target tracking", Proc.SPIE 2235, 558(1994). 

  5. Chang, K. C., Saha R. K., and Bar-shalom. Y. " On optimal track-to-track fusion," IEEE Trans. Aerospace and Electronic Systems, Vol. 33, no. 4, pp.1271-1277, October 1997. 

    상세보기 crossref

  6. Saha R. K., "Track-to-Track Fusion With Dissimilar Sensors," IEEE Trans. Aerospace and Electronic Systems, Vol 32, no. 3 July 1996. 

  7. VPS Naidu, Girija G., "Target Tracking and Fusion Imaging Sensor and Ground based Radar Data," AIAA Guidance, Navigation, and Control conference and Exhibit, 15-18, Aug 2005, Sanfrancisco, California. 

  8. A. Zhu, Z. Jing, W. Chen, L. Wnag, "Data Fusion of Infrared and Radar for Target Tracking", Systems and Control in Aerospace and Astronautics, ISSCAA 2008, 10-12 Dec,2008. 

  9. A.T.Alouani and T.R.Rice, "On Optimal Asynchronous Track Fusion", IEEE First Australian Symposium on Data Fusion, pp 147-152, Nov, 1996. 

  10. L.Hui, Z. A, C Cheng, Z. Wei, "Asynchronous Track-to-Track Fusion Algorithms for Distributed Multi-sensor System", IMACS Multiconference on "Computational Engineering in Systems Applications"(CESA), Oct 4-6, 2006, Beijing, China 

  11. Qiang Gan, Chris J. Harris, "Comparison of Two Measurement Fusion Methods for Kalman-Filter Based Multisensor Data Fusion", IEEE Trans. Aerospace and Electronic Systems, Vol. 37, No. 1 Jan 2001. 

  12. J. A. Roecker and C.D. McGillem, "Comparison of two-sensor tracking methods based on state vector fusion and measurement fusion," IEEE Trans. Aerospace and Electronic Systems, Vol. 24, no. 4, pp. 447-449, July 1988. 

  13. Bar-Shalom. Y. and Campo, L., "The effect of the common process noise on the two-sensor fused-track covariance," IEEE Trans. Aerospace and Electronic Systems, Vol 22, pp. 803-805, Nov 1986. 

  14. F.Xiaorong, J. Changsheng, "Asynchronous Fusion Algorithm of Highly Maneuvering Targets", IEEE 2nd International Symposium on Systems and Control in Aerospace and Astronautics, ISSCAA 2008, 10-12, Dec 2008. 

  15. H. Hong, H.C.Chong-zhao, Z.Hong-yan and W.Rong, "Tracking Maneuvering Target Based on Neural Fuzzy Inference Network", Proceedings of the 6th International Conference of Information Fusion 2003, V.2. pp.1411-1414, 2003. 

  16. 류창수, "측정치 융합에 기반을 둔 다중표적 방위 각 추적 알고리즘", 전자공학회 논문지, 제 43권 IE편 제 3호, 13-21쪽, 2006년 9월 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로