Çoklu model parçacık filtrelerinde ağırlıklandırılmış istatistiksel model seçimi

Abstract

Radar hedeflerinin takibindeki önemli unsurlardan birisi kullanılan algoritmanın hızıdır. Çünkü hedefler hareket halinde olduğu için gerçek zamanlı takip gerektirir. Hedef takibinde sıklıkla tercih edilen çoklu model parçacık filtresi (ÇMPF) algoritmasında, kullanılan parçacık sayısı ve hareket modellerinin tahmini için gerçekleştirilen işlem sayısı filtrenin hızını belirleyen en önemli parametrelerdir. Parçacık sayısının ve/veya model hesaplamalarının azaltılması, algoritmanın hızlanmasını sağlayarak hedeflerin gerçek zamanlı takibini kolaylaştıracaktır. Bu çalışmada, model hesaplamalarının azaltılması amacıyla ağırlıklandırılmış istatistiksel model seçimi (AİMS) adı verilen yeni bir yaklaşım önerilmekte ve ÇMPF üzerinde gerçekleştirilen uygulamalarına ilişkin sonuçlar sunulmaktadır. Önerilen algoritmanın başarısını değerlendirmek için, farklı senaryolar üzerinde gerçekleştirilen benzetimlerde, üç farklı ÇMPF kullanılmaktadır. Bu filtrelerden biri, bu tez çalışması için tarafımızdan önerilen yeni bir ÇMPF olup, kullanılan filtrelerden ikisine önerdiğimiz AİMS algoritması entegre edilmektedir. Elde edilen sonuçlar işlem süresi ve tahmin hatası kriterleri esas alınarak karşılaştırılmaktadır. Sonuçlar incelendiğinde, önerilen yaklaşımın uygulandığı ÇMPF'lerde; işlem sürelerinin azaldığı ve algoritma hızının arttığı, tahmin hatasında ise önemli bir artış olmadığı görülmektedir. Sonuç olarak, önerilen bu yeni yaklaşım, radar hedeflerinin gerçek zamanlı takibinde etkin bir biçimde kullanılabilir.

The algorithm speed is the most important fact for tracking of radar targets. Because it requires a real time follow-up for targets motion. In the most preferred algorithm of multi model particle filter (MMPF) for target tracking, the number of calculations for the number of particles and the maneuvering model selection is the most important parameter for determining the process speed of filter. The particle number and/or model calculations should be reduced as much as possible so the reduction of these described two facts expedites the algorithm and eases a real time follow-up. In this study, a new approach which called weighted statistical model selection (WSMS) algorithm is proposed for reduction of model calculations and the results are presented about the applications preformed on MMPF. For evaluate the success of proposed algorithm, in simulations preformed on different scenarios, three different MMPF are used. One of them is a new MMPF which is proposed by us for this thesis. The WSMS is integrated into two of these filters in simulations and the obtained results are compared based on processing time and prediction error criteria. When the results are analyzed, MMPF with the proposed model selection approach; process time decreases so algorithm speed increases, there is no significant increase for prediction error. As a result, WSMS algorithm can be used effectively for maneuvering radar targets in real time follow-up.