JPH041313B2

JPH041313B2 -

Info

Publication number: JPH041313B2
Application number: JP57176144A
Authority: JP
Inventors: Mitsutaka Kosaka; Shoji Myamoto
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1982-10-08
Filing date: 1982-10-08
Publication date: 1992-01-10
Also published as: JPS5965780A; US4633261A

Description

【発明の詳細な説明】〔発明の利用分野〕本発明は、複数の目標データの相互相関を判定
する目標データ相関方式に関する。

〔従来技術〕航空管制等のレーダ監視システムのようなマル
チセンサシステムでは、複数のセンササイトから
送られてくるトラツキングデータの相互関係から
同一目標のデータか否かを判定する目標データ相
関処理が必要となる。

第１図は、マルチセンサシステムの例である航
空管制システムの例である。１Ａ，１Ｂは、レー
ダ装置、２Ａ，２Ｂはレーダ観測データを用いて
トラツキング処理を行ない、その結果をトラツキ
ングデータ（飛行物体の位置座標Ｘ，Ｙ，Ｚ、速
度X〓，など）として出力するトラツキング装置、
３はレーダサイトから送られてくるトラツキング
データについて相関処理を行ない、トラツキング
データが同一の飛行物体のものか否かを判定する
監視装置を示す。この場合、各トラツキングデー
タはそれぞれトラツキング誤差をもつため、同一
の飛行物体を観測した場合でも各トラツキングデ
ータは一致しない。

そこで、監視装置３で例えば、第２図，第３図
に示すような手順で、トラツキングデータの一致
判定を行なつていた。今、センササイトＡから送
信されてくるトラツキングデータの位置と速度の
値をそれぞれ（X₁，Y₁，Z₁），（X₁，Y〓₁）とし、
センササイトＢからの値を、（X₂，Y₂，Z₂），
（X〓₂，Y〓₂）とすると、第２図の方式では、Ｘ，
Ｙ，Ｚの位置データの差異｜X₁−X₂｜，｜Y₁−
Y₂｜，｜Z₁−Z₂｜およびXY平面における速度の
差｜（X〓² ₁＋Y〓² ₁）−（X〓² ₂＋Y〓² ₂）｜がそれぞれ
許容誤差
ε₁，ε₁，ε₃，ε₄の範囲内にあるか否かを判定し
（ブロツク２１，２２，２３，２４）、全てを満足
する場合には同一目標と判断するようにしている
（ブロツク２５）。一方、第３図の方式では、Ｘ，
Ｙ方向の差がしきい値ε₁，ε₂よさければ（ブロツ
ク２７）、得点P₁を与え（ブロツク２８）、高度
差、速度差がそれぞれしきい値ε₃，ε₄より小さけ
れば（ブロツク２９，３０）、得点P₂，P₃を与え
（ブロツク３１，３２）、また目標付随情報が一致
する場合には（ブロツク３３）、さらに得点P₄を
与えて（ブロツク３４）、合計得点Ｐが所定値Ｓ
以上になつた場合に（ブロツク３５）、同一目標
と判断するようにしている（ブロツク３６）。

しかしながら、このような従来方式だと、比較
する目標データのパラメータの密度分布を考慮し
ていない点に問題があつた。このため、相関精度
という点で問題があつた。

〔発明の目的〕

本発明は、マルチセンサシステムで不可欠とな
る目標データの相関精度を上げ、かつ、処理速度
も小さい目標データ相関方式を提供するものであ
る。

〔発明の概要〕

このような目標を達成するために、本発明で
は、相関パラメータの密度分布をも考慮に入れた
尤度比検定方式を相関判定に適用したことに特徴
がある。

〔発明の実施例〕以下、図面に従つて、本発明について詳細に説
明する。まず、本発明の尤度比検定を応用した目
標推定データ相関方式の原理について説明する。

第４図は比較する２つのセンササイトＡ，Ｂで
持つている、目標推定データフアイルである。セ
ンササイトＡではn₁個の目標を管理し、これをx₁
（ｋ）、ｋ＝１，２，…，n₁と表す。センササイト
Ｂではn₂個の目標を管理し、これをx₂（ｊ）、ｊ＝
１，２，…，n₂と表す。x₁（ｋ）、x₂（ｊ）は位置
や速度など、目標の状態を示すｎ個のパラメータ
からなるｎ次元ベクトルである。以下、添字ｉは
ｎ次元ベクトルの要素ｉに対応させて用いる。い
ま、センササイトＡの目標推定データフアイルの
x₁（ｋ）と相関するセンササイトＢの目標推定デ
ータx₂（ｊ）を探す問題を考える。これは、ｘ＝x₁(k)−x₂(j)（ｊ＝１，……n₂）とおき、同一目標である事象をH₀、異なる目標
である事象をH₁とすると、ｎ次元ベクトルｘ＝
（x₁，x₂，……，x_o）に対して、 H₀：ｘ＝ｖ H₁：ｘ＝ｍ＋ｖｍ＝（m₁，……m_o），ｖ＝（v₁，……v_o）のどちらがおこるかを判定する仮説検定の問題と
なる。ここで、ｖは、推定誤差によつて生じる誤
差ベクトルであり、v_iは相互独立で平均０で分散
σ²の正規分布と仮定できる。ｍは、x₁（ｋ）、x₂
（ｊ）が、異なる目標の場合、上述した目標の真
の状態の差分ベクトルである。ｖが正規分布に従
うと仮定したからｘを得た時、それがH₀の事象
のもとでおこる確率は、Ｐ（ｘ｜H₀）＝１／｛（2π）ⁿdetR｝１／
２exp｛−１／２X^TR^-1ｘ｝であり、H₁のもとでおこる確率は、Ｐ（ｘ｜H₁）＝１／｛（2π）ⁿdetR｝１／２∫^∞ _-
∞…∫^∞ _-∞exp｛−１／２（ｘ−ｍ）^TR^-1（ｘ−ｍ）・
ｆ（ｍ）dm である。ここで、ｎはベクトルｘの次元数、Ｔは
転置、detRは行列Ｒの行列式の値、dmはｍに関
する微分を表わし、ｆ（ｍ）はｍの密度分布を表
わすものとする。ｆ（ｍ）＝f₁（m₁）・f₂（m₂）……
f_o（m_o）であり、m_iに関する密度関数f_i（m_i）は速
度差や位置差等のm_iが示す内容の分布について
経験的に先験的に与え得る。これは、航空管制シ
ステムが対象を航空機としているように、センサ
システムの対象の動特性の分布が予め分かつてい
るので設定可能である。またＲはｘの共分散行列
で、Ｒ＝Ｅ｛x^Tｘ｝で計算する。ｘから、H₀か
H₁かを判定するには通常の尤度比検定が応用で
きる。すなわち、Ｌ（ｘ）＝Ｐ（ｘ｜H₁）／Ｐ（ｘ｜H₀）ｘ∈H₁ ｘ∈H₀ε で、ｘ∈H₁かH₀を決定する。しかし、個々の
判定のために上記のような積分を行なつていたの
では莫大な処理時間がかかる。そこで以下のよう
な近似によりｎ次元ベクトルｘの要素x₁，x₂，…
…，x_nが互いに独立であるとすると、尤度比Ｌ
（ｘ）は各要素x_iの尤度比L_iの積となる。

Ｌ（ｘ）＝_o 〓ⁱ⁼¹ L_i（xi）＝_o 〓〓ⁱ⁼¹ ∫^∞／_-∞１／√2πσiexp（−（xi−mi）／2σi²）
f_i（m_i）dm_i／１／√2πσiexp（−xi²／2σi²）と書くことができる。

ここで対数尤度比をとれば、Ｔ（ｘ）＝logL（ｘ）， T_i（x_i）＝logα_i（x_i）とすると、Ｔ（ｘ）＝ΣT_i（x_i）ｘ∈H₁ ｘ∈H₀ となる。x_iの密度分布関数_i（m_i）の大小関係
が、第５図のような場合、対数尤度比関数T_i（x_i）
は、第６図のようになる。なお、第５図におい
て、Ｐ（α_i）は誤差の分布を示す。T_i（x_i）の最小
値をT^min _iとすると、 T^min ₁T^min ₂T^min ₃……T^min _o が成立つからＴ(x)＝_o 〓ⁱ⁼¹ T_i（xi）＞T₁（x₁）＋_o 〓ⁱ⁼² Ti^min が成立つ。ここで、 ε（ｉ）＝C′ε−_o 〓^j=i+1 T_j ^min とおくと、T₁（x₁）＞ε（１）ならば、ｘ∈H₁であ
るといえる。T₁（x₁）＜ε（１）の場合は、 T₁（x₁）＋T₂（x₂）＞ε（２）ならばｘ∈H₁ を調べる。ｘ∈H₁でない場合は逐次、以下の式
にてｘ∈H₁のチエツクを行なえばよい。

_L 〓ⁱ⁼¹ T_i（x_i）＞ε（Ｌ）ならばｘ∈H₁ もし、Ｔ（ｘ）＜C′εの時は、同一目標である対
象とし、センササイトＢのn₂（トラツキングデー
タの個数である。）このうちで、複数個同一目標
である対象があれば、これらのうちで最も小さい
対数尤度比関数をとるものを同一目標と判定す
る。高速化のためには、T_i（x_i）の積分計算を行
なうかわりに、あらかじめT_i（x_i）を決め、第７
図に示すようにT_i（x_i）をテーブル化する。T_i
（x_i）は、 T_i（x_i）＝Cⁱ _j 但し dⁱ _j｜x_idⁱ _j+1 ｊ＝０，……ｍ Cⁱ _j：定数と書ける。以上の原理に基づいて、目標推定デー
タ相関アルゴリズムは、第８図のようなフローチ
ヤートで書くことができる。

本発明による相関方式を実用化する場合には、
第８図に示すフローチヤートを第１図の監視装置
３の中でプログラム化すればよい。また、さらに
高速化が必要となる場合は、第９図に示す目標推
定データ相関装置として、ハードウエア化するこ
とも可能である。

第９図では、レジスタ４に回線１４上のデータ
x₁（ｋ）をたくわえる。回線１３からは、x₂（ｊ）
（ｊ＝１，……n₂）の値が一定時間間隔で送信さ
れてくるものとする。送信される一連のデータの
最後には終了判定フラグがついており、判定回路
１６では、終了判定フラグをチエツクすると信号
をレジスタ１１に送る。それ以外のデータはレジ
スタ５に送られる。レジスタ４とレジスタ５のデ
ータはｎ個の並列演算機６に送られ、Ｘ＝X₁(k)−X₂(j)，Ｘ＝（x₁，……x_o） Ix_i＝x_i／σ_i＋１を計算する。Ix_i（ｉ＝１，……ｎ）が定数テーブ
ル７のアドレスとして使われ、Ix_iに対応した対
数尤度比関数の近似値が読み出される。これらの
値を加算器８で加えてＴ（Ｘ）を計算し、判定器
９，１０へ送る。判定器１０ではＴ（Ｘ）〓C〓を
判定し、Ｔ（Ｘ）＜C〓の時はレジスタ１１へ信号を
送る。また判定器１０が判定を行なうごとにカウ
ンタ１２はカウンタを１増加させる。判定器９で
は、これまでの判定で最も小さいＴ（Ｘ）の値T₀
をたくわえており、これ現在のＴ（Ｘ）の値を比
較し T₀＞Ｔ（Ｘ）の時のみ、レジスタ１１へ信号を送り、T₀∈Ｔ
（Ｘ）とする。

判定器９，１０からともに信号を受理すると、
レジスタ１１はカウンタ１２の内容を取り込む。
このカウンタ１２の値が、相関した推定データ番
号であることは自明である。この操作を連続的に
行ない、終了判定フラグを検知した信号を判定器
３から受けとると、レジスタ１１の内容が回線１
５に出力され、該当の推定データ番号が送信され
る。各レジスタは、相関判定処理開始前は、ゼロ
クリアされているものとする。

以上により、本発明の相関方式ハードウエア化
した装置の例を説明した。

〔発明の効果〕

以上述べたように、本発明によると、目標推定
データ相関精度を従来例に比べ格段に向上させる
ことができる。目標推定データ相関精度は対象と
なる目標の分布密度にもよるが、シミユレーシヨ
ンによつて従来例よりも精度が向上することを確
認できた。

【図面の簡単な説明】

第１図は本発明に係るレーダトラツキングの概
要を示す構成図、第２図および第３図は従来例を
示すフローチヤート、第４図はレーダサイトでの
状態推定データフアイルを示す図、第５図は各パ
ラメータの密度分布の例を示す図、第６図は各パ
ラメータの対数尤度比の例を示す図、第７図は各
パラメータの対数尤度比の近似グラフを示す図、
第８図は相関アルゴリズムの一例のフローチヤー
ト、第９図は相関ハードウエア装置の一例の構成
図である。１Ａ，１Ｂ……レーダ装置、２Ａ，２Ｂ……ト
ラツキング装置、１０……監視装置、１３，１
４，１５……回線、４，５，１１……レジスタ、
１２……カウンタ、３，９，１０……判定器、
６，８……演算器、７……定数テーブル。

Claims

【特許請求の範囲】１複数のシステムの各々が対象の状態を観測
し、前記観測結果である前記対象の状態に関する
データに関して、前記複数のシステムの２者間の
観測誤差の分布と前記対象の状態推定結果とから
尤度比を求め、求めた尤度比をあらかじめ定めた
値と比較し、前記比較結果に基づいて前記２者の
システムの前記状態推定結果が同一対象の状態推
定結果であるか異なる対象の状態推定結果である
かを判定することを特徴とする相関判定方法。２特許請求の範囲第１項記載の相関判定方法に
おいて、前記求めた尤度比の対数をとり、その結
果をテーブル化し、該テーブルを用いて相関判定
能力の高い順に相関を判定することを特徴とする
相関判定方法。３特許請求の範囲第２項記載の相関判定方法に
おいて、前記相関判定能力の高い順とは前記対象
の状態に関するデータが複数ある場合に、それら
のデータの空間的密度分布が低い順とすることを
特徴とする相関判定方法。