Adaptive Technique in Target Tracking Systemsiljeva
Al-Hasaeri, Asem Issa, 1966-, 57216521
Đurović, Željko, 1964-, 12656487
Rakić, Aleksandar, 1975-, 12899431
Rapaić, Milan, 1982-, 8565351
Rašajski, Marija, 1971-, 12829031
Marjanović, Aleksandra, 1986-, 13837927
Vrlo izazovan i kritičan zadatak u algoritmima praćenja pokretnih ciljeva uz prisustvo lažnih alarma jeste pravilna asocijacija pristiglih opservacija takozvanim tragovima. To je osnovni i verovatno najvažniji deo svakog sistema za praćenje više pokretnih ciljeva. Bez obzira na to koja se metoda pridruživanja podataka koristi, efikasnost bilo kog takvog sistema itekako zavisi od poznavanja statističkih parametara koji karakterišu okruženje i parametara koji karakterišu ponašanje praćenih objekata, u smislu njihove detektibilnosti. Nažalost, u praksi, ovi podaci nikada nisu poznati, i gore od toga, vremenski su promenljivi, a parametri prisustva takozvanih lažnih alarma sui prostorno zavisni. Najvažniji od tih parametara su verovatnoća detekcije cilja i gustina lažnog alarma. Sama činjenica da postoje različiti pristupi za estimaciju ovih parametara govori, kako o njihovom značaju, tako i o kompleksnosti procedura za njihovu estimaciju. Lako se pokazuje da uspešna primena bilo kog algoritma za praćenje itekako zavisi od kvaliteta i nivoa neodređenosti u poznavanju ovih statističkih parametara kakvi su verovatnoća detekcije cilja i gustina lažnih alarma. U ovoj doktorskoj disertaciji je predložen novi pristup za procenu vremenski promenljive verovatnoće detekcije ciljeva kao i gustine lažnog alarma ali u naposrednom okruženju objekta koji se prati. Predloženi pristup je zasnovan na dobro poznatom metodu maksimalne verodostojnosti, pri čemu je pretpostavljeno da se u prostoru od interesa nalazi samo jedan pokretni objekat. Kako bi se minimizovala numerička složenost predloženog algoritma, minimizovan je i broj hipoteza za koje se računaju odgovarajuće verodostojnosti. Dobijeni estimatori imaju vrlo jednostavnu formu. Međutim, kao što se i očekivalo, statističke osobine dobijenih estimatora su vrlo slične onim estimatorima koji su dostupni u literature. Naime, pokazalo se da izvedeni estimatori imaju značajan pomeraj u proceni kao i nedopustivo veliku varijansu. Zato je posebna pažnja u disertaciji posvećena postupcima za eliminaciju pomeraja i smenjenje varijanse. Pokazano je da se uz minimalno povećanje numeričke složenosti algoritma značajno popravljaju njegove statističke performanse. U ovoj doktorskoj disertaciji je takođe razmatran uticaj nepoznavanja statistika mernog šuma na kvalitet estimatora verovatnoće detekcije ciljeva i gustine lažnih alarma. Pokazano je da ova neodređenost može značajno da degradira kvalitet celokupnog postupka, tako da je predložena dodatna adaptacija koja u kontekstu primenjenog Kalmanovog filtra estimira kovarijacionu matricu mernog šuma. Konačno, u tezi su ilustrovani primenjivost kao i ograničenja predloženog rešenja. Svi zaključci i pretpostavke su potkrepljeni iscrpnim simulacijama koje su kroz Monte Carlo simulacije sa više od 20.000 ponavljanja uspevale da potisnu uticaj nesavršenosti generatora slučajnih brojeva. Na kraju teze su date i ideje za dalje unapređenje predložene metode.
The most critical and challenging task in the algorithms of multiple target tracking in the presence of false observations is the correct assignment of measurements to tracks the so-called data association task. That is the core component of all target tracking systems. Regardless of the particular method used, the efficiency of any target tracking system depends on the understanding of the background or clutters “certain parameters that describe the environment”, and the parameters that describe the detection properties of the objects. The character of these parameters is statistical, and not only they are usually unknown in practice, and they are also time-invariant. Moreover, the statistics that describe the environment are spatially dependent. The most important among these are the probability of target detection and the density of false alarm. These parameters are usually unknown as well as variable, and even though there are many algorithms for estimation of these parameters, the usefulness of these estimates is quite limited. Successful implementation of any target tracking system depends on the precise knowledge of the statistical quantities such as the probability of target detection and density of false alarm. This thesis proposes one approach for estimating the time-varying probability of detection of each tracked object individually and the density of false alarm in the immediate vicinity of the current position of an object. The proposed approach is based on the generalized maximum likelihood (GML) approach, assuming the tracking of a single target. To reduce the numerical complexity, the proposed technique reduces the number of the formulated hypotheses based on the calculation of their likelihood. The obtained estimators have a very simple form, but as shown, this simplicity comes with a significant bias, which is present in most similar techniques, and relatively large variance of the estimators. The research presented in the thesis coped with these two problems and resulted in an algorithm with significantly reduced bias and error variances. This thesis also analyses the influences of the unknown measurement noise covariance on an estimation of the probability of target detection and density of false alarm and proposes an improvement in the case of noise covariance matrix uncertainty. The thesis presents the applicability and constraints of the proposed solution. The results are illustrated by simulations and present a fair analysis of the proposed algorithm. Finally, the ideas for further improvement of the method are given.
Electrical Engineering - Systems and Signals Datum odbrane: 28.07.2020.
engleski
2020
Ovo delo je licencirano pod uslovima licence
Creative Commons CC BY 2.0 AT - Creative Commons Autorstvo 2.0 Austria License.
http://creativecommons.org/licenses/by/2.0/at/legalcode
OSNO - Opšta sistematizacija naučnih oblasti, Elementi telekomunikacionih i elektronskih uređaja
multi-target tracking system, probability of detection, density of false Alarms, gate size,bias, variance, covariance matrix, data association, generalized maximum likelihood, gate
OSNO - Opšta sistematizacija naučnih oblasti, Elementi telekomunikacionih i elektronskih uređaja