Performance evaluation of thoroughly adaptive particle filter (tapf) for 3d radar tracking applications
Özet
Building 3-D Radar tracking system generally comes with issues of non-linearity on
both state and motion model. In this study, several common tracking algorithms are
compared performance-wise under noisy environment, mismatched model and
unsteady non-linear motions considering application areas such as ground based
missile guidance. A radar front end and a space-time adaptive radar data cube is
processed in order to achieve realistic observations from target motion which is
described as discrete time inputs for tracking algorithms.
After an analogical approach between kalman-based filters, the study focuses on
particle filter, which is chosen from mentioned algorithms to be enhanced based on
track performance and wealth of the field of study. A thoroughly adaptive particle
filter (TAPF) is proposed in order to acquire optimal filtering when the trade-off
between degeneracy and impoverishment problems and inverse proportion
between over-fitting and divergence, under highly non-linear and noisy
environments, are considered. An important sampling proposal with kalman
resemblance, which is able to keep track of multiple prior data as a quantization
factor, is derived by extending the Bayes theorem on state estimations with
processing dependant joint Gaussian noise. Considering the need of regressive
information, an effective re-sampling scheme is designed that works in a harmony
with both sampling and adaptive particle distribution process based on data
likelihood. The ultimate aim of the proposed method is to be able to handle and
refine the “intractable”.
3-D Radar takip sistemi kurmak, beraberinde sistem durum ve hedef hareket
modellerinde doğrusal olmayan sorunlar yaratır. Bu çalışmada güdümlü füze
sistemleri gibi, gürültülü ortamlarda, eşleniksiz model altında doğrusal olmayan
haraketli hedefler üzerinde, çeşitli takip algoritmaları kullanılarak performans analizi
yapılmıştır. Takip birimlerine gerçek zamanlı hedef radar gözlem girdileri atamak
için gerçekçi radar ön uç tasarlanmış ve uzay-zaman adaptif radar veri kübü
işlenmiştir.
Kalman bazlı filtreler ile yapılan karşılaştırmanın ardından, çalışma alanındaki
zenginliğe ve takip performansına bağlı olarak parçacık filtresi üzerinde çalışılmaya
karar kılınmıştır. Buna bağlı, tümüyle uyarlı parçacık filtresi (TAPF) önerilmiş,
doğrusal olmayan dönüşümlü ve gürültülü ortamlarda, dejenerasyon, fakirleşme,
sapma ve aşırı uyum sorunlarının çözümü hedeflenmiştir. Durum tahminleri için
Bayes teoremi, bağıl Gauss gürültüler işlenerek türetilmiş, buna bağlı olarak
kalman benzerliğine sahip önem örnekleme önergesi geliştirilmiştir. Bu önem
önergesi bir nicemleme faktörü ile geçmiş verilerin getirilerini güncel tutar. Geriye
dönük bilgiye duyulan ihtiyaçtan dolayı, örnekleme ve uyumlu parçacık dağıtım
işlemi ile uyum içinde çalışan bir yeniden örnekleme planı tasarlanmıştır. Önerilen
metodun nihai amacı, işlenmesi ve idare edilmesi zor takip fonksiyonunu, kavrayıp
düzenleyebilmektir.