클러터가 존재하는 환경에서의 ITS 필터를 이용한 재진입 발사체의 낙하지점 추정 기법 연구 A Study on Impact Point Prediction of a Reentry Vehicle using Integrated Track Splitting Filters in a Cluttered Environment원문보기
우주 발사체는 치밀한 비행 계획에 따라 사전에 결정된 경로를 비행하도록 설계된다. 그러나 비정상으로 추력이 종료되거나 계획된 비행경로를 이탈한 경우, 또는 자유 낙하 중인 대기권 재진입 발사체에 대한 추적 과정에서 추적 센서의 측정이 불가하게 된 경우 등에는 별도의 추적 장비를 이용한 추적 또는 신속한 낙하지점 추정이 필요하다. 본 논문에서는 클러터 환경에서 무추력 탄도 비행 중인 발사체에 대한 위치 정보를 획득하고 트랙을 생성 및 유지하기 위하여 Integrated Track Splitting(ITS) 알고리듬과 Extended Kalman Filter(EKF)를 결합한 ITS-EKF 알고리듬 적용을 제안한다. 따라서 대기권 재진입 발사체에 대하여 ITS-EKF 알고리듬을 적용한 시뮬레이션을 통해 추적 성능 확인 및 지상 낙하지점을 추정한다. ITS-EKF 알고리듬 적용 결과의 적절성을 확인하기 위하여 ITS와 Particle Filter를 결합한 ITS-PF 알고리듬을 적용하여 구한 추적 성능 및 낙하지점 분포 결과와 비교하여 제시된 알고리듬이 효과적인 실시간 On-line 낙하지점 추정에 사용이 가능함을 확인한다.
우주 발사체는 치밀한 비행 계획에 따라 사전에 결정된 경로를 비행하도록 설계된다. 그러나 비정상으로 추력이 종료되거나 계획된 비행경로를 이탈한 경우, 또는 자유 낙하 중인 대기권 재진입 발사체에 대한 추적 과정에서 추적 센서의 측정이 불가하게 된 경우 등에는 별도의 추적 장비를 이용한 추적 또는 신속한 낙하지점 추정이 필요하다. 본 논문에서는 클러터 환경에서 무추력 탄도 비행 중인 발사체에 대한 위치 정보를 획득하고 트랙을 생성 및 유지하기 위하여 Integrated Track Splitting(ITS) 알고리듬과 Extended Kalman Filter(EKF)를 결합한 ITS-EKF 알고리듬 적용을 제안한다. 따라서 대기권 재진입 발사체에 대하여 ITS-EKF 알고리듬을 적용한 시뮬레이션을 통해 추적 성능 확인 및 지상 낙하지점을 추정한다. ITS-EKF 알고리듬 적용 결과의 적절성을 확인하기 위하여 ITS와 Particle Filter를 결합한 ITS-PF 알고리듬을 적용하여 구한 추적 성능 및 낙하지점 분포 결과와 비교하여 제시된 알고리듬이 효과적인 실시간 On-line 낙하지점 추정에 사용이 가능함을 확인한다.
Space launch vehicles are designed to fly according to the elaborate pre-determined path. However, if a vehicle went out of the planned trajectory or its thrust terminated abnormally, or if a free-fall atmospheric reentry vehicle tracked by a tracking sensor became impossible to be measured, it is r...
Space launch vehicles are designed to fly according to the elaborate pre-determined path. However, if a vehicle went out of the planned trajectory or its thrust terminated abnormally, or if a free-fall atmospheric reentry vehicle tracked by a tracking sensor became impossible to be measured, it is required to attempt to track by a another track equipment or estimate its impact point rapidly. In this paper a new algorithm is proposed, named the ITS-EKF combined with the Integrated Track Splitting (ITS) algorithm and the Extended Kalman Filter (EKF) to obtain the location information of a ballistic projectile without thrust, create its track and maintain it in an environment with clutter. For the reentry vehicle, the track performance is to be verified and the impact point is estimated by applying the simulation through ITS-EKF algorithm. To ensure the proposed algorithm's adequacy, by comparing the track performance and impact point distribution by the ITS-EKF with those of ITS-PF combined with ITS and Particle Filter (PF), it is confirmed that the ITS-EKF algorithm can be used an effective real-time On-line impact point prediction.
Space launch vehicles are designed to fly according to the elaborate pre-determined path. However, if a vehicle went out of the planned trajectory or its thrust terminated abnormally, or if a free-fall atmospheric reentry vehicle tracked by a tracking sensor became impossible to be measured, it is required to attempt to track by a another track equipment or estimate its impact point rapidly. In this paper a new algorithm is proposed, named the ITS-EKF combined with the Integrated Track Splitting (ITS) algorithm and the Extended Kalman Filter (EKF) to obtain the location information of a ballistic projectile without thrust, create its track and maintain it in an environment with clutter. For the reentry vehicle, the track performance is to be verified and the impact point is estimated by applying the simulation through ITS-EKF algorithm. To ensure the proposed algorithm's adequacy, by comparing the track performance and impact point distribution by the ITS-EKF with those of ITS-PF combined with ITS and Particle Filter (PF), it is confirmed that the ITS-EKF algorithm can be used an effective real-time On-line impact point prediction.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
Boost Phase에서는 중력, 추력, 항력의 영향을 받고, Ballistic Phase에서는 중력의 영향을 받으며, Reentry Phase에서는 중력과 항력의 영향을 받게 된다. 본 논문에서는 Ballistic Phase 이후에 해당하는 경우의 문제를 다루며 고도에 따라 중력 또는 중력과 항력을 고려한다. 따라서 중력 및 항력의 영향에 의한 가속도 모델을 만들면 낙하하는 발사체의 가속도 모델을 만들 수 있다.
본 논문에서는 ITS 알고리듬을 이용하여 대기권의 재진입 발사체 표적에 대한 추적 성능 확인 및 낙하지점 예측을 수행하였다. 클러터가 존재하고 추적 중 트랙 소실 확률이 높은 환경에서 효과적인 추적을 위해 ITS와 확장칼만필터를 결합한 ITS-EKF 알고리듬 적용을 제안하고 트랙 관리 기법 및 수식을 확인하였다.
따라서 클러터 환경에서 추적 대상인 표적 신호를 클러터 신호로부터 구분하고 이를 유지해온 트랙에 결합시키는 기법이 필요하다. 본 논문에서는 지상레이더를 통해 낙하 비행 중인 발사체에 대한 위치정보를 획득하고 트랙을 생성 및 유지하기 위하여 Integrated Track Splitting(ITS) 알고리듬[9,10]과 비선형 동력학식을 고려하여 Extended Kalman Filter(EKF)[11]와 결합한 ITS-EKF 알고리듬 적용을 제안한다. 따라서 재진입 발사체에 대하여 ITS-EKF 알고리듬을 적용한 시뮬레이션을 통해 추적 성능을 확인하고 이때 획득한 정보를 이용하여 지상 낙하지점을 예측한다.
가설 설정
그러나 본 논문에서는 비행하는 발사체의 기준 면적, 고도에 따른 중력가속도 등의 관련 정보를 사전에 알고 있는 것으로 가정하고 True 표적의 시뮬레이션을 통해 항력 계수 CD 값을 구하여 β를 계산하도록 한다.
대기권 재진입 발사체의 운동을 모델링하기 위하여 지구를 자전하는 완전한 구로 가정하였으며 실제의 발사체 운동방정식과 다른 부분은 공정잡음으로 모델링한다. 발사체 동력학 모델에 사용되는 좌표계는 Fig.
먼저 ITS-EKF를 이용하여 추적 시작시점부터 착지시각까지 전체 구간에 대한 추적 성능 및 낙하지점을 확인하였다. 또한 추적 수행 중 발사시각+600초, 발사시각+700초에 측정이 중단되어 측정치가 입력되는 않는 것으로 가정하고 알고리듬의 Propagation 만을 수행하여 낙하지점을 추정하였다. 추적 필터는 센서로부터(r, θ, Ψ)의 극좌표 형태의 측정치를 16Hz의 주기로 입력 받으며 White Gaussian Noise로 가정한 측정잡음 (20m, 0.
01°)을 싣고 좌표 변환을 통해 기준 좌표계인 ENU 좌표계 값으로 변환한다. 또한 클러터의 공간밀도는 10-9 /scan/m3으로 가정하여 평균 클러터 개수는 필터의 예측위치를 중심으로 (1km, 1km, 1km) 영역에 1개로 설정하였다. ITS-EKF의 경우 전 구간 추적 및 측정이 중단되는 경우를 포함하여 몬테칼로 시뮬레이션을 각 200회 수행하였으며 세 가지 경우에 대한 각 낙하지점의 분포를 확인하였다.
표적으로부터 기인한 측정치는 탐지확률 PD에 따라 존재하며, 표적 이외의 측정치들, 즉 클러터는 감시영역 내에서 균질(uniform)하게 분포하고, 개수는 프아송(Poisson) 분포를 따른다고 가정한다. 또한 표적으로부터 발생한 측정치는 최대 1개 존재하며, 각각의 측정치들은 단 하나의 근원으로부터 발생한다고 가정한다. nk개의 원소를 가지는 유효측정치 집합 z(k)를 결정하기 위해 센서로부터 획득된 모든 측정치에 게이팅 과정(gating process)이 적용된다.
본 논문은 추력이 소진된 후 대기권으로 재진입하는 발사체를 추적하는 단일 표적 추적(single target tracking) 문제를 다루기 때문에 센서의 감시영역(surveillance area)내에 표적이 한 개 있다고 가정한다. 또한 표적의 존재여부는 탐지 확률에 따른 랜덤사건으로 가정한다. 본 절에서는 측정치의 정의, 추적필터의 동력학 모델, 클러터 모델 등을 다룬다.
발사체의 추적을 위하여 발사체는 위도 36°, 경도 126°에서 발사하여 정남향으로 Range 약 180km 최고고도 약 570km를 비행하는 궤적을 사용하였다. 레이더의 위치는 발사지점과 동일한 곳으로 가정하였으며 발사체는 발사 이륙 후 123초에 추력이 소진되어 Ballistic Phase 단계로 진입한다. 따라서 Ballistic Phase 단계 이후 표적의 추적과 Propagation에 이용된 상태변수는 #이고, 필터의 동력학 모델은 식(11)과 같다.
)로써 k-1시간에서 표적이 존재하지 않았으나, k시간에는 표적이 존재할 천이확률이다. 본 논문에서 ∆21 = 0이라 가정하였다. 즉, ∆21 = 0 은 트랙이 없다가 생겨나는 천이확률을 의미하며 트랙 초기화 과정으로 대신할 수 있기 때문에 확률을 0으로 가정할 수 있다.
표적의 동력학, 센서의 측정 잡음 및 표적 이외의 근원으로부터 발생한 측정치인 클러터 등을 실제 환경과 똑같이 모델링 하는 것은 불가능하기 때문에 표적추적 알고리듬은 확률적 이론에 따른 가설들과 모델을 바탕으로 한다. 본 논문은 추력이 소진된 후 대기권으로 재진입하는 발사체를 추적하는 단일 표적 추적(single target tracking) 문제를 다루기 때문에 센서의 감시영역(surveillance area)내에 표적이 한 개 있다고 가정한다. 또한 표적의 존재여부는 탐지 확률에 따른 랜덤사건으로 가정한다.
여기에서 ωk는 공정잡음, vk는 측정잡음을 의미하며, 모두 백색 가우시안 모델(White Gaussian model)로 가정한다.
추적 필터는 센서로부터(r, θ, Ψ)의 극좌표 형태의 측정치를 16Hz의 주기로 입력 받으며 White Gaussian Noise로 가정한 측정잡음 (20m, 0.01°, 0.01°)을 싣고 좌표 변환을 통해 기준 좌표계인 ENU 좌표계 값으로 변환한다.
클러터가 존재하는 환경에서 표적을 추적할 때 센서는 각 샘플링 시간 k에서 근원(source)을 사전에 알 수 없는 측정치들을 획득하게 된다. 표적으로부터 기인한 측정치는 탐지확률 PD에 따라 존재하며, 표적 이외의 측정치들, 즉 클러터는 감시영역 내에서 균질(uniform)하게 분포하고, 개수는 프아송(Poisson) 분포를 따른다고 가정한다. 또한 표적으로부터 발생한 측정치는 최대 1개 존재하며, 각각의 측정치들은 단 하나의 근원으로부터 발생한다고 가정한다.
이며, 이는 시간 p까지의 측정치 정보가 주어졌을 때, 시간 k에서의 표적존재확률을 의미한다. 표적존재확률은 마코브 체인 1 모델(Markov chain 1 model)[5]을 이용하여 예측하며, 이 모델은 표적이 존재할 경우 탐지확률 PD에 따라 항상 탐지가 가능하다는 가설과 표적이 존재하지 않는다는 가설 2가지를 가정으로 한다[6]. 마코브 체인 1 모델에서 상태천이 확률은 ∆11 ≃P(Xk |Xk-1) 과 #로 정의할 수 있다.
제안 방법
또한 클러터의 공간밀도는 10-9 /scan/m3으로 가정하여 평균 클러터 개수는 필터의 예측위치를 중심으로 (1km, 1km, 1km) 영역에 1개로 설정하였다. ITS-EKF의 경우 전 구간 추적 및 측정이 중단되는 경우를 포함하여 몬테칼로 시뮬레이션을 각 200회 수행하였으며 세 가지 경우에 대한 각 낙하지점의 분포를 확인하였다.
먼저 ITS-EKF 알고리듬을 적용하여 추적 시작 시점부터 지상 충돌지점까지의 구간에 대한 추적 성능을 확인하였다. ITS와 Particle Filter를 결합한 ITS-PF 알고리듬의 경우 비선형 시스템에서의 최적에 가까운 추적 성능을 예상할 수 있으므로 동일 구간에 대하여 ITS-EKF 및 ITS-PF의 추적 성능을 비교하였다. ITS-EKF 및 ITS-PF 각각의 RMSE(Root Mean Square Error) 값을 비교하고, 몬테칼로 시뮬레이션을 통해 각 낙하지점 분포를 비교함으로써 ITS-EKF의 결과가 ITS-PF의 결과에 근사한 성능을 발휘함을 확인하였다.
식(30)과 식(31)에서 보는 바와 같이 Fk와 Hk+1의 선형화 과정을 거쳐서 ITS-EKF 로 알고리듬을 구성할 수 있다. ITS의 컴포넌트들은 칼만필터를 이용하여 각각의 상태변수를 쇄신 및 예측하여 가우시안 혼합 모델(Gaussian mixture model)을 이용하여 트랙의 상태변수를 얻을 수 있으며, 이를 확장칼만필터로 바꾸어 줌으로써 ITS-EKF를 설계하였다.
1에서 사용된 좌표계는 크게 세 가지로 지구 중심 관성좌표계인 Earth Centered Inertial(ECI) 좌표계(OxI yI zI), 원점을 ECI 좌표계와 공유하고 지구 자전 각속도로 회전하는 Earth Centered Earth Fixed(ECEF) 좌표계(OxF yF zF), 그리고 추적 레이더가 놓여있는 지표면에 좌표계의 원점이 놓이고 지표에 고정되어 지구와 함께 회전하는 East-North-Up (ENU) 좌표계(OxN yN zN)등이다. 단, ENU 좌표계의 Up방향인 zN축은 지표에 수직인 방향, xN축은 동쪽 방향, yN축은 북쪽 방향을 가리키며 본 논문에서는 추적 표적 정보를 ENU 좌표계를 기준으로 표시하며 편의상 첨자 N을 생략한다.
본 논문에서는 지상레이더를 통해 낙하 비행 중인 발사체에 대한 위치정보를 획득하고 트랙을 생성 및 유지하기 위하여 Integrated Track Splitting(ITS) 알고리듬[9,10]과 비선형 동력학식을 고려하여 Extended Kalman Filter(EKF)[11]와 결합한 ITS-EKF 알고리듬 적용을 제안한다. 따라서 재진입 발사체에 대하여 ITS-EKF 알고리듬을 적용한 시뮬레이션을 통해 추적 성능을 확인하고 이때 획득한 정보를 이용하여 지상 낙하지점을 예측한다. 그리고 제시된 알고리듬의 적절성을 확인하기 위하여 ITS 알고리듬과 Particle Filter를 결합한 ITS-PF 알고리듬을 적용한 시뮬레이션을 통하여 구한 추적 성능 및 낙하지점 분포 결과와 비교함으로써 ITS-EKF 알고리듬이 효과적인 실시간 On-line 낙하지점 예측에 사용이 가능함을 확인한다.
클러터가 존재하고 추적 중 트랙 소실 확률이 높은 환경에서 효과적인 추적을 위해 ITS와 확장칼만필터를 결합한 ITS-EKF 알고리듬 적용을 제안하고 트랙 관리 기법 및 수식을 확인하였다. 먼저 ITS-EKF 알고리듬을 적용하여 추적 시작 시점부터 지상 충돌지점까지의 구간에 대한 추적 성능을 확인하였다. ITS와 Particle Filter를 결합한 ITS-PF 알고리듬의 경우 비선형 시스템에서의 최적에 가까운 추적 성능을 예상할 수 있으므로 동일 구간에 대하여 ITS-EKF 및 ITS-PF의 추적 성능을 비교하였다.
총 세 가지 경우에 대하여 낙하지점의 분포를 확인하였다. 먼저 ITS-EKF를 이용하여 추적 시작시점부터 착지시각까지 전체 구간에 대한 추적 성능 및 낙하지점을 확인하였다. 또한 추적 수행 중 발사시각+600초, 발사시각+700초에 측정이 중단되어 측정치가 입력되는 않는 것으로 가정하고 알고리듬의 Propagation 만을 수행하여 낙하지점을 추정하였다.
이를 트랙 관리(Track management)[7]라 한다. 본 논문에서는 확정된 참 트랙(confirmed true track)을 이용하여 발사체의 낙하지점을 추정한다.
또한 표적의 존재여부는 탐지 확률에 따른 랜덤사건으로 가정한다. 본 절에서는 측정치의 정의, 추적필터의 동력학 모델, 클러터 모델 등을 다룬다.
4 m/sec 를 가지며 탄도계수는 6631 kg/msec2 이다. 총 세 가지 경우에 대하여 낙하지점의 분포를 확인하였다. 먼저 ITS-EKF를 이용하여 추적 시작시점부터 착지시각까지 전체 구간에 대한 추적 성능 및 낙하지점을 확인하였다.
본 논문에서는 ITS 알고리듬을 이용하여 대기권의 재진입 발사체 표적에 대한 추적 성능 확인 및 낙하지점 예측을 수행하였다. 클러터가 존재하고 추적 중 트랙 소실 확률이 높은 환경에서 효과적인 추적을 위해 ITS와 확장칼만필터를 결합한 ITS-EKF 알고리듬 적용을 제안하고 트랙 관리 기법 및 수식을 확인하였다. 먼저 ITS-EKF 알고리듬을 적용하여 추적 시작 시점부터 지상 충돌지점까지의 구간에 대한 추적 성능을 확인하였다.
대상 데이터
발사체의 추적을 위하여 발사체는 위도 36°, 경도 126°에서 발사하여 정남향으로 Range 약 180km 최고고도 약 570km를 비행하는 궤적을 사용하였다.
데이터처리
식(11)의 필터 동력학과 ITS-EKF 알고리듬을 이용하여 지구모델을 자전하는 완전한 구로 가정하여 대기권으로 재진입하는 초고속 표적에 대한 추적을 수행하고 Monte-Carlo Simulation 을 통해 충돌지점에 대한 분포를 비교하였다.
이론/모형
발사체의 대기권 재진입 후 자유낙하 시 표적의 움직임은 중력, 항력 등으로 인해 비선형성을 가지게 된다. 따라서 이러한 비선형 시스템 해석을 위해서 대표적 준 최적필터로 Analytic Approximations Solution 기법의 확장칼만필터(EKF)[11]를 사용한다. 확장칼만필터는 주어진 동력학과 측정치 모델이 비선형일 경우 이를 선형화함으로써 칼만필터와 같이 평균과 분산만을 이용하여 표적의 상태변수를 추정한다.
발사체의 낙하지점을 추정하기 위하여 낙하 운동을 표현하는 동력학 모델링은 [3,4]에서 사용된 모델을 근거로 하였다. 재진입 발사체의 궤적은 보통 Boost, Ballistic (or Coast), Reentry의 세 개의 Phase로 나눈다[3].
예측단계에서 각각의 컴포넌트는 다음 식과 같이 상태변수 확률밀도함수를 예측할 수 있으며, Chapman Kolmogorov 방정식을 따른다.
와 같이 모델링되며 미국 표준 대기 모델을 사용하였다. g는 현재 고도에서의 중력 가속도이다.
성능/효과
ITS와 Particle Filter를 결합한 ITS-PF 알고리듬의 경우 비선형 시스템에서의 최적에 가까운 추적 성능을 예상할 수 있으므로 동일 구간에 대하여 ITS-EKF 및 ITS-PF의 추적 성능을 비교하였다. ITS-EKF 및 ITS-PF 각각의 RMSE(Root Mean Square Error) 값을 비교하고, 몬테칼로 시뮬레이션을 통해 각 낙하지점 분포를 비교함으로써 ITS-EKF의 결과가 ITS-PF의 결과에 근사한 성능을 발휘함을 확인하였다. 또한 지상 레이더의 표적 측정이 중단되는 두 시점을 가정하여 각 구간 별 낙하지점과 전체 구간에 대해 추적을 수행한 낙하지점 결과를 몬테칼로 시뮬레이션을 통하여 그 분포를 비교하고, ITS-EKF와 ITS-PF의 알고리듬 수행 시간을 비교하여 계산 량 과다로 실용적이지 못한 단점이 있는 ITS-PF에 비해 ITS-EKF 알고리듬으로 효과적인 실시간 On-line 낙하지점 예측이 가능함을 확인하였다.
그러나 ITS-EKF 와 ITS-PF 간의 결과가 약 10∼15m 정도의 차이를 보이고 있어 ITS-EKF 역시 좋은 추정 성능을 보이고 있음을 알 수 있다.
따라서 재진입 발사체에 대하여 ITS-EKF 알고리듬을 적용한 시뮬레이션을 통해 추적 성능을 확인하고 이때 획득한 정보를 이용하여 지상 낙하지점을 예측한다. 그리고 제시된 알고리듬의 적절성을 확인하기 위하여 ITS 알고리듬과 Particle Filter를 결합한 ITS-PF 알고리듬을 적용한 시뮬레이션을 통하여 구한 추적 성능 및 낙하지점 분포 결과와 비교함으로써 ITS-EKF 알고리듬이 효과적인 실시간 On-line 낙하지점 예측에 사용이 가능함을 확인한다.
ITS-PF에 의한 결과가 CRLB(Cramer-Rao Lower Bound)[11]에 매우 근접되어 ITS-EKF 보다 우수한 성능을 나타내고 있다. 따라서 RMSE 추이 결과는 상태변수 추정이 ITS-EKF 보다 ITS-PF에서 더 정밀하게 이루어짐을 의미한다. 그러나 ITS-EKF 와 ITS-PF 간의 결과가 약 10∼15m 정도의 차이를 보이고 있어 ITS-EKF 역시 좋은 추정 성능을 보이고 있음을 알 수 있다.
ITS-EKF 및 ITS-PF 각각의 RMSE(Root Mean Square Error) 값을 비교하고, 몬테칼로 시뮬레이션을 통해 각 낙하지점 분포를 비교함으로써 ITS-EKF의 결과가 ITS-PF의 결과에 근사한 성능을 발휘함을 확인하였다. 또한 지상 레이더의 표적 측정이 중단되는 두 시점을 가정하여 각 구간 별 낙하지점과 전체 구간에 대해 추적을 수행한 낙하지점 결과를 몬테칼로 시뮬레이션을 통하여 그 분포를 비교하고, ITS-EKF와 ITS-PF의 알고리듬 수행 시간을 비교하여 계산 량 과다로 실용적이지 못한 단점이 있는 ITS-PF에 비해 ITS-EKF 알고리듬으로 효과적인 실시간 On-line 낙하지점 예측이 가능함을 확인하였다.
4는 추적 시작부터 착지시각까지 구간의 발사체의 궤적 및 ITS-EKF를 이용한 위치 상태 변수의 추정결과를 각 축별(East, North, Up)로 나타낸 것이다. 발사체 추적이 시작되는 500초부터 착지하는 872초까지 트랙을 잃지 않고, 상태 변수 추정이 잘 이루어지고 있음을 확인할 수 있다.
즉, z를 중심으로 한 감시영역의 크기를 dV 라 할 때, 클러터의 개수는 ρ(z)dV 로 나타낼 수 있으며, 본 논문에서 적용한 클러터 모델은 가장 일반적인 conventional Poisson process로써 ρ(z) = ρ∀z 를 만족한다.
후속연구
만일 최적의 추정성능을 나타내기 위해 ITS-PF의 파티클 개수를 무한대로 늘려나간다면 보다 정확한 결과를 예상할 수 있겠으나 계산량 또한 기하급수적으로 증가하게 될 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
트랙이란?
트랙은 표적으로 간주되는 측정치가 이동하는 자취를 의미한다. 따라서 트랙은 근원을 알 수 없는 측정치들을 이용하여 생성된다.
우주 발사체는 어떻게 설계되는가?
다단 로켓으로 구성된 위성 발사체 또는 과학 로켓 등의 우주 발사체의 경우 비행 중 추력이 소진 된 후 단 분리된 부스터나 추력이 중단된 로켓은 무추력 탄도 비행 후 자유 낙하하여 지상에 충돌한다. 우주 발사체는 치밀한 비행 계획에 따라 사전에 결정된 경로를 비행하도록 설계되며 단 분리된 부스터는 기 계획된 지점으로 낙하하기 때문에 지상 레이더를 통한 추적은 필요 없을 수 있다. 그러나 비정상으로 추력이 종료되거나 계획된 비행경로를 이탈한 경우, 또는 자유 낙하 중인 대기권 재진입 발사체에 대한 추적 과정에서 추적 센서의 측정이 불가하게 된 경우 등에는 모드 변경을 통한 재 추적이나 제3의 추적 장비를 이용한 추적시도 등을 통한 신속한 낙하지점 추정이 필요하다.
우주발사체는 클러터 환경에서 추적 대상인 표적 신호를 클러터 신호로부터 구분하고 이를 유지해온 트랙에 결합시키는 기법이 필요한 이유는 무엇인가
우주 발사체는 대기권 재진입 시 대기 중의 구름의 영향 등 클러터가 존재하는 환경에 놓이게 되고 다양한 전파 간섭 등에 의하여 측정치에 잡음의 영향을 받을 수 있다. 따라서 클러터 환경에서 추적 대상인 표적 신호를 클러터 신호로부터 구분하고 이를 유지해온 트랙에 결합시키는 기법이 필요하다.
참고문헌 (15)
안재명, 노웅래, 박정주, 조광래, "과학로켓의 순간낙하점 계산 알고리듬과 비행안전시스템에의 적용" 한국항공우주학회지, 제28권, 제6호, 2000, pp. 86-93.
배종수, 김다솔, 송택렬, "Particle filter를 이용한 KSLV-I 부스터 낙하지점 추정기법 연구" 우주발사체기술 심포지움, 2005, pp. 308-313.
X. Rong Li and Vesselin P. Jilkov, "A Survey of Maneuvering Target Tracking-Part II: Ballistic Target Models", Proceedings of SPIE Conference on Signal and Data Processing of Small Targets, vol. 4473 San Diego, CA, USA, July-August, 2001.
George M. Siouris, Guanrong Chen, and Jianrong Wang, "Tracking an Incoming Ballistic Missile Using an Extended Interval Kalman Filter", IEEE Trans. on AES, Vol. 33, No. 1, Jan, 1997, pp. 232-240
D. Musicki, R. Evans, and S. Stankovic, "Integrated Probabilistic Data Association", IEEE Transactions on Automatic Control, Vol. 39, No. 6, June, 1994, pp. 1237-1241
D. Musicki, T. Hanselmann, "Optimal Signal Detection for False Track Discrimination", Information Fusion, 7th International Conference, July 2005, pp. 352-357
Y. Bar-Shalom and X. Rong Li, Multitarget Multisensor Tracking : Principles and Techniques, University of Connecticut, 1995, pp. 334-354
Musicki, D., Evans, R. J., and La Scala, B. F., "Integrated Track Splitting Filter-Efficient Multi-Scan Single Target Tracking in Clutter", IEEE Trans on Aerospace and Electronic systems. Vol. 43. No. 4. Oct 2007.
Musicki, D., Evans, R. J., and La Scala, B. F. "Integrated track splitting suite of target tracking filters", In 6th International Conference on Information Fusion(Fusion 2003), Cairns, Australia, July 2003.
Branko Ristic, Sanjeev Arulampalam, and Neil Gordon, Beyond the Kalman Filter, Artech House, 2004.
Arnaud Doucet, Nando de Freitas, and Neil Gordon, Sequential Monte Carlo Methods in Practice, Springer-Verlag, New York, 2001.
C. Musso, N. Oudjane, and F. LeGland, Improving regularised particle filters, in Sequential Monte Carlo Methods in Practice, New York:Springer, 2001.
J. Carpenter, P. Clifford, P. Fearnhead, "Improved particle filter for nonlinear problem", IEE Proceedings - Radar, Sonar and Navigation, Vol.146, No. 1, Feb. 1999.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.