Å.Ï. Âîðîøèëèíà, Å.Ï. Âîðîøèëèí, Â.È. Òèñëåíêî.

Àëãîðèòìû ñîïðîâîæäåíèÿ 53

ÓÄÊ 621.396:969.1

Е.П. Ворошилина, Е.П. Ворошилин, В.И. Тисленко

Алгоритмы сопровождения подвижных объектов*

Ïðåäñòàâëåíû îáçîð è ñðàâíèòåëüíûé àíàëèç ñóùåñòâóþùèõ ïîäõîäîâ ê ðåøåíèþ çà-
äà÷è îöåíêè êîîðäèíàò äâèæóùèõñÿ öåëåé ïðè íàëè÷èè ëîæíûõ îòìåòîê, âûïîëíåí-
íûé ïî ñîâðåìåííûì ëèòåðàòóðíûì èñòî÷íèêàì.
Êëþ÷åâûå ñëîâà: âòîðè÷íàÿ îáðàáîòêà, ðàñïðåäåëåíèå íàáëþäåíèé, ôèëüòðàöèÿ, ñî-
ïðîâîæäåíèå, îöåíêà êîîðäèíàò.

Ââåäåíèå
Íà ïðàêòèêå ÷àñòî âîçíèêàåò çàäà÷à îïðåäåëåíèÿ ïàðàìåòðîâ äâèæåíèÿ îáúåêòîâ ïî
ëîêàöèîííûì èçìåðåíèÿì íàçåìíûõ, âîçäóøíûõ è êîñìè÷åñêèõ ñèñòåì. Ïîÿâëåíèå
ëîæíûõ îòñ÷åòîâ, èñ÷åçíîâåíèå íà íåêîòîðûõ òàêòàõ öåëåâûõ îòñ÷åòîâ è ïîãðåøíîñòè
èçìåðåíèé ÿâëÿþòñÿ ôàêòîðàìè, âëèÿþùèìè íà êà÷åñòâî ïðîâåäåíèÿ òðàåêòîðíîé (âòî-
ðè÷íîé) îáðàáîòêè. Ïðîáëåìà ñîïðîâîæäåíèÿ öåëåé ïðè íàëè÷èè ïîìåõ àêòèâíî îáñóæäà-
åòñÿ â ëèòåðàòóðå [1–16]. Ïðè ñîïðîâîæäåíèè îäíîãî èëè íåñêîëüêèõ îáúåêòîâ â óñëîâèÿõ
âûñîêîãî óðîâíÿ ëîæíûõ òðåâîã, â äîïîëíåíèå ê òðàäèöèîííîé çàäà÷å ôèëüòðàöèè, âîç-
íèêàåò çàäà÷à ðàñïðåäåëåíèÿ îòìåòîê (ñåëåêöèÿ). Ïðîöåññ ðàñïðåäåëåíèÿ ïðåäïîëàãàåò
ïðèíÿòèå ðåøåíèÿ î ïðèíàäëåæíîñòè îòìåòêè ê êëàññó ëîæíûõ èëè ê êëàññó ïîðîæä¸í-
íûõ òîé èëè èíîé öåëüþ. Àëãîðèòì ñîïðîâîæäåíèÿ ðåàëèçóåò äâà îñíîâíûõ ýòàïà:
1. Ðàñïðåäåëåíèå îòìåòîê – êàæäàÿ îòìåòêà ïðèâÿçûâàåòñÿ ê òîé èëè èíîé öåëè ëèáî
ñ÷èòàåòñÿ ëîæíîé.
2. Ôèëüòðàöèÿ – ôîðìèðîâàíèå îöåíîê ïàðàìåòðîâ òðàåêòîðèè öåëè ïî îòìåòêàì, êî-
òîðûå áûëè ê íåé ïðèâÿçàíû.
Ðàñïðåäåëåíèå íàáëþäåíèé
Ñëåäóÿ [1], ðàññìîòðèì çàäà÷ó ñèíòåçà îïòèìàëüíîãî àëãîðèòìà ðàñïðåäåëåíèÿ îòìå-
òîê íà îñíîâå áàéåñîâîé òåîðèè ôèëüòðàöèè â óñëîâèÿõ, êîãäà íàáëþäàåòñÿ îäíà öåëü.
Ïðè ýòîì âîçìîæíî ïîÿâëåíèå ïðîèçâîëüíîãî ÷èñëà îòìåòîê íåîïðåäåë¸ííîãî ïðîèñõîæ-
äåíèÿ (ëîæíûõ). Ïîòåíöèàëüíûìè èñòî÷íèêàìè ëîæíûõ òðåâîã ìîãóò áûòü ìåøàþùèå
îòðàæåíèÿ (îò çåìíîé ïîâåðõíîñòè, ìîðñêîé ïîâåðõíîñòè, àòìîñôåðíûõ îáðàçîâàíèé),
ðàäèîïîìåõè îò ñîáñòâåííûõ ñðåäñòâ è ñèãíàëû ñðåäñòâ ïðîòèâíèêà.
Íà êàæäîì òàêòå â áëîê âòîðè÷íîé îáðàáîòêè (ÂÎ) ïîñòóïàåò ñîâîêóïíîñòü îòìåòîê,
êîòîðûå ïîïàäàþò â âûáðàííûé ñòðîá ñåëåêöèè, ïîñòðîåííûé âîêðóã ýêñòðàïîëèðîâàííî-
ãî ïîëîæåíèÿ öåëè. Ïîä òàêòîì ïîíèìàåòñÿ èíòåðâàë âðåìåíè ìåæäó äâóìÿ ñîñåäíèìè
ìîìåíòàìè ñðàáàòûâàíèÿ àëãîðèòìà îáðàáîòêè. Ââåä¸ì ñëåäóþùèå îáîçíà÷åíèÿ:
Zk = {zk,i ;i= 1,2,...,mk} – ñîâîêóïíîñòü mk îòìåòîê, ïîñòóïèâøèõ íà k -ì òàêòå;
Zk = {Z j ; j = }
1,2,...,k – ñîâîêóïíîñòü âñåõ îòìåòîê, ïîñòóïèâøèõ ñ 1 ïî k -é òàêò. Êîëè÷å-
ñòâî òðàåêòîðèé, êîòîðîå ìîæíî ïðîâåñòè ïî ýòèì îòìåòêàì, îïðåäåëÿåòñÿ âûðàæåíèåì
k
Lk = Õ (1 + mj ) (ðèñ. 1). Îáîçíà÷èì îòäåëüíî âçÿòóþ òðàåêòîðèþ qk,l ;l = 1,..., Lk .
j= 1

1-é òàêò 2-é òàêò 3-é òàêò

ñòðîá îòìåòêà âàðèàíò òðàåêòîðèè qk,l

Ðèñ. 1. Âàðèàíò ïîñòðîåíèÿ òðàåêòîðèè äâèæåíèÿ öåëè

*
Ñòàòüÿ íàïèñàíà â ðàìêàõ ðåàëèçàöèè ÔÖÏ «Íàó÷íûå è íàó÷íî-ïåäàãîãè÷åñêèå êàäðû èííî-
âàöèîííîé Ðîññèè» íà 2009–2013 ãîäû (Ãîñóäàðñòâåííûé êîíòðàêò ¹ 02.740.11.0183).

Äîêëàäû ÒÓÑÓÐà, ¹ 2 (20), äåêàáðü 2009

54 ÝËÅÊÒÐÎÍÈÊÀ, ÈÇÌÅÐÈÒÅËÜÍÀß ÒÅÕÍÈÊÀ, ÐÀÄÈÎÒÅÕÍÈÊÀ È ÑÂßÇÜ

Ðàññìîòðèì ñîáûòèå ck,l , ñîñòîÿùåå â ïîÿâëåíèè òðàåêòîðèè qk,l , è îáîçíà÷èì åãî

àïîñòåðèîðíóþ âåðîÿòíîñòü bk,l = P (ck,l /Zk ) . Îïòèìàëüíûé ôèëüòð ñîïðîâîæäåíèÿ äîëæåí
)
ôîðìèðîâàòü îöåíêó óñëîâíîãî ñðåäíåãî ñîñòîÿíèÿ öåëè xk â ìîìåíò âðåìåíè k :
Lk Lk
{ } å bk,l E{xk / ck,l ,Zk} = å bk,l × xlk .
) )
xk = E xk / Zk = (1)
l =1 l=1
Èç (1) ñëåäóåò, ÷òî îïòèìàëüíàÿ îöåíêà ÿâëÿåòñÿ ëèíåéíîé êîìáèíàöèåé âñåõ ÷àñò-
)
íûõ îöåíîê xlk , êîòîðûå ôîðìèðóþòñÿ ïî ðàçëè÷íûì âàðèàíòàì òðàåêòîðèé qk,l . Âåñî-
âîé êîýôôèöèåíò bk,l ïîëàãàåòñÿ ðàâíûì äîñòîâåðíîñòè l -é òðàåêòîðèè. Ïðè ýòîì ó÷è-
òûâàþòñÿ òàêæå âåðîÿòíîñòè, ÷òî íè îäíà èç îòìåòîê íà j -ì òàêòå íå ïîðîæäåíà öåëüþ
(âñå ÿâëÿþòñÿ ëîæíûìè). Âåðîÿòíîñòè bk,l ìîãóò áûòü îïðåäåëåíû ñ ïîìîùüþ áàéåñîâñêî-
ãî ïðàâèëà [1]. ×àñòíàÿ îöåíêà ôîðìèðóåòñÿ âûáðàííûì àëãîðèòìîì ôèëüòðàöèè.
Ñ óâåëè÷åíèåì âðåìåíè íàáëþäåíèÿ îáú¸ì ïàìÿòè è âû÷èñëèòåëüíûå çàòðàòû îïòè-
ìàëüíîãî ïîäõîäà íåîãðàíè÷åííî âîçðàñòàþò. Ïðåîäîëåòü ýòè òðóäíîñòè ìîæíî, åñëè èñ-
ïîëüçîâàòü ñóáîïòèìàëüíûå àëãîðèòìû – ñ óïðîùåííîé ñòðóêòóðîé. Ïîäõîäû ê ïîñòðîå-
íèþ ôèçè÷åñêè ðåàëèçóåìîãî ôèëüòðà [4–16], ðàáîòàþùåãî â ðåàëüíîì ìàñøòàáå
âðåìåíè, ìîæíî ðàçäåëèòü íà äâå ãðóïïû: áàéåñîâñêèå è íåáàéåñîâñêèå. Ïåðâàÿ ãðóïïà
[4–6, 10] îñíîâàíà íà ðàçëè÷íûõ óïðîùåíèÿõ óðàâíåíèÿ (1), à âòîðàÿ – íà èñïîëüçîâàíèè
ôóíêöèè ïðàâäîïîäîáèÿ [14]. Ñóùåñòâóþò òàêæå àëãîðèòìû, èñïîëüçóþùèå òåîðèþ íå-
÷¸òêèõ ìíîæåñòâ è íåéðîñåòåé [11, 12].
Ôèëüòðàöèÿ
Îáøèðíûé êëàññ ïðàêòè÷åñêèõ çàäà÷ îáðàáîòêè èíôîðìàöèè äîïóñêàåò ââåäåíèå ìî-
äåëè ñîñòîÿíèÿ öåëè è íàáëþäàåìûõ ñèãíàëîâ â ñëåäóþùåì âèäå:
xk = f (xk -1 ) + v k , (2)
zk = h(xk ) + w k , (3)
ãäå v(k) è w(k) – ñëó÷àéíûå âåêòîðíûå øóìîâûå ãàóññîâñêèå ïîñëåäîâàòåëüíîñòè, íå êîð-
ðåëèðîâàííûå ìåæäó ñîáîé è âî âðåìåíè.
Èçâåñòíî [1], ÷òî îïòèìàëüíûå áàéåñîâñêèå îöåíêè ïðè ñèììåòðè÷íîé è íåóáûâàþ-
ùåé ôóíêöèè ïîòåðü îïðåäåëåíû â âèäå ôóíêöèîíàëîâ, âû÷èñëåíèå êîòîðûõ òðåáóåò
çíàíèÿ àïîñòåðèîðíîé ïëîòíîñòè ðàñïðåäåëåíèÿ âåðîÿòíîñòåé (ÀÏÐÂ) îöåíèâàåìîãî ïàðà-
ìåòðà íà òåêóùåì âðåìåííîì øàãå ïðè íàáëþäåíèÿõ Zk . Êëàññè÷åñêèå áàéåñîâñêèå
îöåíêè ñâîäÿòñÿ ê âû÷èñëåíèþ ñðåäíåãî, ìîäû è ìåäèàíû ÀÏÐÂ. Òàêèì îáðàçîì, â îá-
ùåì ñëó÷àå ðåøåíèå çàäà÷è ôèëüòðàöèè ïðåäïîëàãàåò ôîðìèðîâàíèå â óñòðîéñòâå îáðà-
áîòêè ôóíêöèè p xk Zk ,( ) êîòîðîå ñîäåðæèò èñ÷åðïûâàþùóþ èíôîðìàöèþ î òåêóùåì
ñîñòîÿíèè öåëè. Ìàðêîâñêîå ñâîéñòâî ñëó÷àéíîãî âåêòîðà xk ïðè íàáëþäåíèÿõ (3) ïîçâî-
ëÿåò îïðåäåëèòü ðåêóðñèâíóþ ïðîöåäóðó ôîðìèðîâàíèÿ ÀÏÐÂ, êîòîðàÿ ñîñòîèò èç ñëå-
äóþùèõ ÷åðåäóþùèõñÿ øàãîâ:
1) ïðåäñêàçàíèå àïîñòåðèîðíîé ôóíêöèè ðàñïðåäåëåíèÿ:
p(xk / Zk-1 ) = ò p(xk xk-1 ) × p(xk -1 Zk -1 )dx k -1 ; (4)
2) îáíîâëåíèå àïîñòåðèîðíîé ôóíêöèè ðàñïðåäåëåíèÿ:
p(zk xk ) × p(xk / Zk -1 )
p(xk Zk ) = . (5)
ò p(zk xk -1 ) × p(xk -1 / Zk -1 )dxk-1
Åñëè ìîäåëè (2) è (3) ëèíåéíû, à øóì áåëûé ãàóññîâ, òî àïîñòåðèîðíîå ðàñïðåäåëå-
íèå (
p xk Zk ) íîðìàëüíîå è ðåêóðñèÿ (4)–(5) ïðåäñòàâëÿåò ñîáîé øèðîêî èçâåñòíûé
ôèëüòð Êàëìàíà, êîòîðûé îïåðèðóåò ñ ìàòåìàòè÷åñêèì îæèäàíèåì è äèñïåðñèåé ýòîãî
ðàñïðåäåëåíèÿ.  îáùåì ñëó÷àå ðåêóðñèÿ (4)–(5) íå èìååò çàìêíóòîãî ïðåäñòàâëåíèÿ. Ïî-
ýòîìó ïðèìåíÿþòñÿ ðàçëè÷íûå ïðèáëèæåíèÿ, êîòîðûå ðàçëè÷àþòñÿ ñïîñîáîì àïïðîêñè-
ìàöèè ÀÏÐÂ. Ñðåäè íèõ ìîæíî îòìåòèòü ñëåäóþùèå:
· Ðàñøèðåííûé ôèëüòð Êàëìàíà (Extended Kalman Filter – EKF) – ôèëüòð, â êîòî-
ðîì âåêòîðíûå ôóíêöèè f (x) è h(x) íà êàæäîì òàêòå â òî÷êå ïðåäñêàçàííîãî çíà÷åíèÿ

Äîêëàäû ÒÓÑÓÐà, ¹ 2 (20), äåêàáðü 2009

Å.Ï. Âîðîøèëèíà, Å.Ï. Âîðîøèëèí, Â.È. Òèñëåíêî. Àëãîðèòìû ñîïðîâîæäåíèÿ 55

âåêòîðà ñîñòîÿíèÿ xk /k-1 ðàñêëàäûâàþòñÿ â ðÿä Òåéëîðà ñ ñîõðàíåíèåì ëèíåéíûõ ÷ëåíîâ

[1]. Ýôôåêòèâåí ïðè îäíîìîäîâîé ÀÏÐÂ.
· Ôèëüòð ãàóññîâñêèõ ñóìì (Gaussian Sum Filter – GSF) – àïîñòåðèîðíîå ðàñïðåäåëå-
íèå àïïðîêñèìèðóåòñÿ ëèíåéíîé êîìáèíàöèåé ãàóññîâñêèõ:
n
p(xk Zk ) = å ak,i × N (xk - ak,i , Pk,i ) × p (zk - h(xk )) ,
i =1
ãäå ak,i – âåñîâûå êîýôôèöèåíòû; ak,i , Pk,i – ïàðàìåòðû íîðìàëüíîãî ðàñïðåäåëåíèÿ i -é
êîìïîíåíòû ñìåñè; p (zk - h(xk )) – ïëîòíîñòü ðàñïðåäåëåíèÿ íåâÿçêè íàáëþäåíèé. Äàííàÿ
àïïðîêñèìàöèÿ èñïîëüçóåòñÿ ïðè ìíîãîìîäîâîé ÀÏÐÂ.
· Ôèëüòð ÷àñòèö (Particle Filter – PF) – îñíîâàí íà ÷èñëåííîì ìåòîäå ðàñ÷åòà èíòå-
ãðàëîâ ðåêóðñèè (4)–(5). Íà êàæäîì òàêòå àïîñòåðèîðíîå ðàñïðåäåëåíèå àïïðîêñèìèðóåò-
ñÿ âçâåøåííîé ñóììîé ÷àñòèö x(kp) íà ìíîæåñòâå âîçìîæíûõ ñîñòîÿíèé:
N part
p(xk / Zk ) » å w(kp) × d(xk - x(kp) ) , ãäå d – äåëüòà-ôóíêöèÿ, w(kp) – âåñ ÷àñòèöû, N part – êî-
=
p 1
ëè÷åñòâî ÷àñòèö. Ýòîò ïîäõîä èñïîëüçóåòñÿ â ñëó÷àå âûñîêîé ñòåïåíè íåëèíåéíîñòè çàäà-
÷è ôèëüòðàöèè è (èëè) íåãàóññîâûõ øóìàõ.
Íà ðèñ. 2 ãðàôè÷åñêè ïîêàçàíà àïïðîêñèìàöèÿ ýòèìè ìåòîäàìè.

0,15

ÀÏÐÂ 0,1
0,05

0
4
2
x2 0 2 x1 4
–2 –2 0
x2 x2 x2
4 4 4

2 2 2

0 0 0

–2 –2 –2
–2 0 2 4 x1 –2 0 2 4 x1 –2 0 2 4 x1
à á â

Ðèñ. 2. Àïïðîêñèìàöèÿ äâóìåðíîãî àïîñòåðèîðíîãî ðàñïðåäåëåíèÿ:

à – ðàñøèðåííûì ÔÊ; á – ôèëüòðîì ãàóññîâñêèõ ñóìì; â – ôèëüòðîì ÷àñòèö

Äàëåå ðàññìîòðåíû íàèáîëåå ïîïóëÿðíûå àëãîðèòìû ñîïðîâîæäåíèÿ, êîòîðûå ðåàëè-

çóþò êàê ôóíêöèþ ðàñïðåäåëåíèÿ íàáëþäåíèé, òàê è ôèëüòðàöèè.
Àëãîðèòì âåðîÿòíîñòíîãî îáúåäèíåíèÿ äàííûõ
Àëãîðèòì âåðîÿòíîñòíîãî îáúåäèíåíèÿ äàííûõ (Probabilistic Data Association – PDA)
ÿâëÿåòñÿ ñóáîïòèìàëüíûì áàéåñîâñêèì ïîäõîäîì ê ðåøåíèþ çàäà÷è îöåíêè êîîðäèíàò
öåëåé ïðè íàëè÷èè ëîæíûõ îòìåòîê [3].  îòëè÷èå îò îïòèìàëüíîãî ïîäõîäà ê ðàñïðåäå-
ëåíèþ îòìåòîê, çäåñü àíàëèçèðóþòñÿ äàííûå òîëüêî òåêóùåãî òàêòà. Ðåêóðñèâíî ïî
îöåíêå ñîñòîÿíèÿ íà ïðåäûäóùåì òàêòå è êàæäîìó èç m(k) íàáëþäåíèé, ïîñòóïèâøèõ
íà òåêóùåì òàêòå, ôîðìèðóåòñÿ ÷àñòíàÿ îöåíêà ñ ïîìîùüþ àëãîðèòìà ôèëüòðà Êàëìàíà.
m (k)
) )
Èòîãîâàÿ îöåíêà ïðåäñòàâëÿåò ñîáîé âçâåøåííóþ ñóììó ÷àñòíûõ îöåíîê xk = å bi ×xki .
i= 1
Âåñà bi ñîîòâåòñòâóþò âåðîÿòíîñòè òîãî, ÷òî äàííîå íàáëþäåíèå äåéñòâèòåëüíî ïîðîæäå-
íî öåëüþ. Îáðàáîòêà èíôîðìàöèè âûïîëíÿåòñÿ ïî ìåðå ïîñòóïëåíèÿ íàáëþäåíèé, ò.å. â
ðåæèìå ðåàëüíîãî âðåìåíè. Àëãîðèòì ñèíòåçèðîâàí â ñëåäóþùèõ ïðåäïîëîæåíèÿõ: êî-
ëè÷åñòâî öåëåé èçâåñòíî è ïîñòîÿííî; íà êàæäîì òàêòå îò êàæäîé öåëè ïîñòóïàåò íå áî-

Äîêëàäû ÒÓÑÓÐà, ¹ 2 (20), äåêàáðü 2009

56 ÝËÅÊÒÐÎÍÈÊÀ, ÈÇÌÅÐÈÒÅËÜÍÀß ÒÅÕÍÈÊÀ, ÐÀÄÈÎÒÅÕÍÈÊÀ È ÑÂßÇÜ
ëåå îäíîé îòìåòêè; ìîäåëü ñîñòîÿíèÿ è íàáëþäåíèé ëèíåéíà; ëîæíûå îòìåòêè ðàñïðåäå-
ëåíû ðàâíîìåðíî â ñòðîáå ñåëåêöèè, à èõ êîëè÷åñòâî ïîä÷èíåíî ïóàññîíîâñêîìó çàêîíó
ðàñïðåäåëåíèÿ.
Åñëè ðåàëüíàÿ ôóíêöèÿ ïëîòíîñòè ðàñïðåäåëåíèÿ ìíîãîìîäàëüíà, òî àëãîðèòì ïðî-
ïóñêàåò ÷àñòü èíôîðìàöèè è åãî õàðàêòåðèñòèêè çíà÷èòåëüíî óõóäøàþòñÿ. Âàæíûì íå-
äîñòàòêîì àëãîðèòìà ÿâëÿåòñÿ ýêñïîíåíöèàëüíûé ðîñò âû÷èñëèòåëüíûõ çàòðàò ïðè óâå-
ëè÷åíèè êîëè÷åñòâà ëîæíûõ îòìåòîê. Íà îñíîâå ïîäõîäà PDA ïîñòðîåíî áîëüøîå ÷èñëî
ìîäèôèöèðîâàííûõ àëãîðèòìîâ [5–7].
Âåðîÿòíîñòíûé ìíîãîãèïîòåçíûé àëãîðèòì
 âåðîÿòíîñòíîì ìíîãîãèïîòåçíîì àëãîðèòìå (Probabilistic Multi-Hypothesis Tracker –
PMHT) îöåíêà ôîðìèðóåòñÿ ïî ìàêñèìóìó àïîñòåðèîðíîãî ðàñïðåäåëåíèÿ P(x Z) . Ïîèñê
ìàêñèìóìà âûïîëíÿåòñÿ ñ ïîìîùüþ èòåðàòèâíîãî àëãîðèòìà ìàêñèìèçàöèè îæèäàíèÿ
[10].  áîëüøèíñòâå àëãîðèòìîâ ÂÎ ñ÷èòàåòñÿ, ÷òî îò êàæäîé öåëè íà òåêóùåì òàêòå îá-
ðàáîòêè ïîñòóïàåò íå áîëåå îäíîé îòìåòêè. Íà ïðàêòèêå ýòî óñëîâèå ìîæåò íå âûïîëíÿòü-
ñÿ. Àëãîðèòì PMHT ñèíòåçèðîâàí ïðè óñëîâèè, ÷òî íà êàæäîì òàêòå êîëè÷åñòâî îòìåòîê,
ïîðîæä¸ííûõ öåëüþ, íåîãðàíè÷åíî. Ýòî óïðîùàåò ïðîöåññ ðàñïðåäåëåíèÿ äàííûõ è
óìåíüøàåò îáú¸ì âû÷èñëåíèé.  îñòàëüíîì àëãîðèòì PMHT ñèíòåçèðîâàí ïðè òåõ æå
ïðåäïîëîæåíèÿõ, ÷òî è PDA. Ñëåäóåò îòìåòèòü, ÷òî îáðàáîòêà äàííûõ â àëãîðèòìå PMHT
âûïîëíÿåòñÿ íå â ðåæèìå ðåàëüíîãî âðåìåíè, à ïîñëå ïîñòóïëåíèÿ âñåõ íàáëþäåíèé è
ñîñòîèò èç ñëåäóþùèõ ýòàïîâ:
1. Íà êàæäîì âðåìåííîì òàêòå k = 1…T äëÿ êàæäîãî r-ãî íàáëþäåíèÿ, ïîïàâøåãî â
ñòðîá ñåëåêöèè, ðàññ÷èòûâàåòñÿ àïîñòåðèîðíàÿ âåðîÿòíîñòü òîãî, ÷òî îíî ïîðîæäåíî öå-
{ )
} )
ëüþ: wnr (k) = N zr (k); zkn/k-1,Rn (k) . Çäåñü n – íîìåð èòåðàöèè; znk/ k-1 – ïðåäñêàçàííîå çíà-
÷åíèå íàáëþäåíèÿ íà òåêóùèé òàêò; Rn (k) – êîâàðèàöèîííàÿ ìàòðèöà íåâÿçêè íàáëþäå-
íèé.
2. Ñ ó÷¸òîì âåñîâûõ êîýôôèöèåíòîâ wnr (k) íà êàæäîì òàêòå ïî âñåì íàáëþäåíèÿì,
m(k)
ïîïàâøèì â ñòðîá, ôîðìèðóåòñÿ îäíî «èñêóññòâåííîå»: z% (k) º år =1 wnr (k)zr (k) .
3. Ïî «èñêóññòâåííûì» íàáëþäåíèÿì (íà êàæäîì òàêòå îíî îäíî) ñ ïîìîùüþ ôèëüò-
ðà Êàëìàíà ðåêóðñèâíî ôîðìèðóþòñÿ îöåíêè íà ïîñëåäóþùèõ òàêòàõ.
4. Ïðîâîäèòñÿ ïðîöåäóðà ñãëàæèâàíèÿ â îáðàòíîì íàïðàâëåíèè. Ïðè ýòîì îöåíêà íà
ïîñëåäíåì òàêòå óòî÷íÿåò îöåíêó íà ïðåäûäóùåì è ò.ä.
5. Ïóíêòû 1–3 èòåðàòèâíî ïîâòîðÿþòñÿ äî òåõ ïîð, ïîêà ðàçíèöà ìåæäó îöåíêîé
ñîñòîÿíèÿ íà òåêóùåé èòåðàöèè è ïðåäûäóùåé íå ñòàíåò íèæå íåêîòîðîãî ïîðîãîâîãî çíà-
÷åíèÿ.
6. Îòìåòèì íåäîñòàòêè ïðåäñòàâëåííîãî àëãîðèòìà.  îòëè÷èå îò ôèëüòðà âåðîÿòíî-
ñòíîãî îáúåäèíåíèÿ äàííûõ, çäåñü íåò àäàïòèâíîãî ìåõàíèçìà ðåãóëèðîâàíèÿ ðàçìåðà è
ôîðìû ñòðîáà ñåëåêöèè. Åñëè â ñòðîá ïîïàäàåò íåñêîëüêî îòìåòîê, òî â PDA âîñïðèèì÷è-
âîñòü ê êàæäîìó èç íèõ óìåíüøàåòñÿ. È òàêîå ïîâåäåíèå ÿâëÿåòñÿ àäåêâàòíûì, ïîñêîëü-
êó íàëè÷èå áîëüøîãî ÷èñëà îòìåòîê ïîäñêàçûâàåò, ÷òî ñðåäè íèõ åñòü ëîæíûå.  àëãî-
ðèòìå PMHT, íàîáîðîò, «èñêóññòâåííîå íàáëþäåíèå» â ýòîì ñëó÷àå áóäåò èìåòü
áîëüøèé âåñ.
Ñðåäè äîñòîèíñòâ àëãîðèòìà PMHT ñëåäóåò îòìåòèòü, ÷òî îáú¸ì âû÷èñëåíèé ëèíåé-
íî ðàñò¸ò ñ ÷èñëîì öåëåé. Ïî òî÷íîñòíûì õàðàêòåðèñòèêàì âåðîÿòíîñòíûé ìíîãîãèïî-
òåçíûé àëãîðèòì óñòóïàåò àëãîðèòìó âåðîÿòíîñòíîãî îáúåäèíåíèÿ äàííûõ. Îäíàêî ïðè
íåëèíåéíîé çàäà÷å ôèëüòðàöèè àëãîðèòì PMHT ìîæåò äàòü âûèãðûø. Ýòî ñâÿçàíî ñ òåì,
÷òî áóäåò èòåðàòèâíî óòî÷íÿòüñÿ òî÷êà ëèíåàðèçàöèè ðàñøèðåííîãî ôèëüòðà Êàëìàíà.
Ìíîãîãèïîòåçíûé àëãîðèòì
Ìíîãîãèïîòåçíûé àëãîðèòì (Multi-Hypothesis Tracker – MHT) – ñóáîïòèìàëüíûé
ïîäõîä, îñíîâàíûé íå íà áàéåñîâñêîì ìåòîäå, à íà ìåòîäå ìàêñèìàëüíîãî ïðàâäîïîäîáèÿ
[14]. Ïðè ïîïàäàíèè íåñêîëüêèõ îòìåòîê â ñòðîá ñåëåêöèè òðàåêòîðèÿ ðàçâåòâëÿåòñÿ ïî
êàæäîé èç íèõ. Ïðè ýòîì ðàññìàòðèâàþòñÿ ñëåäóþùèå âàðèàíòû: à) îòìåòêà ïîðîæäåíà
îäíîé èç îáíàðóæåííûõ öåëåé; á) îòìåòêà ïîðîæäåíà íîâîé öåëüþ; â) îòìåòêà ÿâëÿåòñÿ
ëîæíîé. Âñåì âàðèàíòàì òðàåêòîðèé qi ïðèñâàèâàåòñÿ âåñ, ðàâíûé ñîîòâåòñòâóþùåé
ôóíêöèè ïðàâäîïîäîáèÿ:
ì 1 -1 ü
p(zk qi ) = c × exp í- uT
k S k uk ý ,
î 2 þ

Äîêëàäû ÒÓÑÓÐà, ¹ 2 (20), äåêàáðü 2009

Å.Ï. Âîðîøèëèíà, Å.Ï. Âîðîøèëèí, Â.È. Òèñëåíêî. Àëãîðèòìû ñîïðîâîæäåíèÿ 57

ãäå zk – òåêóùåå íàáëþäåíèå ïðè íåêîì âàðèàíòå òðàåêòîðèè qi ; c – íîðìèðóþùèé êî-

ýôôèöèåíò; uk – îáíîâëÿþùàÿ ïîñëåäîâàòåëüíîñòü, âû÷èñëÿåìàÿ ïî ðàññîãëàñîâàíèþ
òåêóùåãî íàáëþäåíèÿ ñ ïðåäñêàçàííûì; Sk – êîâàðèàöèîííàÿ ìàòðèöà îáíîâëÿþùåé ïî-
ñëåäîâàòåëüíîñòè.
 ïîäõîäàõ ñ âåòâÿùèìèñÿ òðàåêòîðèÿìè íåîáõîäèìî îöåíèâàòü ïðàâäîïîäîáèå âñåé
òðàåêòîðèè, ò.å. ïîñëåäîâàòåëüíîñòè îòìåòîê. Ïîñêîëüêó uk ïðåäñòàâëÿåò ñîáîé áåëûé
ãàóññîâñêèé ïðîöåññ, òî ýòà îïåðàöèÿ ìîæåò áûòü âûïîëíåíà âû÷èñëåíèåì ïðîèçâåäå-
íèÿ ôóíêöèè ïðàâäîïîäîáèÿ êàæäîé îòìåòêè.  öåëÿõ îãðàíè÷åíèÿ âû÷èñëèòåëüíûõ çà-
òðàò òðàåêòîðèè, ïðàâäîïîäîáèå êîòîðûõ íå ïðåâûøàåò çàäàííîãî ïîðîãà, îòáðàñûâàþòñÿ.
Àëãîðèòì ñèíòåçèðîâàí ïðè òåõ æå ïðåäïîëîæåíèÿõ, ÷òî è PDA. Ïî òî÷íîñòíûì õà-
ðàêòåðèñòèêàì îí áëèçîê ê îïòèìàëüíîìó è ýôôåêòèâíåå PDA. Íî ïðè ýòîì òðåáóåò çíà-
÷èòåëüíî áîëüøèõ âû÷èñëèòåëüíûõ çàòðàò.
Àëãîðèòì îáúåäèíåíèÿ äàííûõ ñ èñïîëüçîâàíèåì âåéâëåò-ïðåîáðàçîâàíèÿ
Áîëüøèíñòâî àëãîðèòìîâ ÂÎ (PDA, MHT, PMHT è äð.) ñèíòåçèðîâàíû ïðè óñëîâèè,
÷òî ðàñïðåäåëåíèå ëîæíûõ îòìåòîê ðàâíîìåðíîå. Â ðåàëüíûõ ñèñòåìàõ îíî íå âñåãäà âû-
ïîëíÿåòñÿ. Ïîýòîìó õàðàêòåðèñòèêè òàêèõ àëãîðèòìîâ óõóäøàþòñÿ â ñëîæíîé ïîìåõîâîé
îáñòàíîâêå. Â 2005 ã. áûë ïðåäëîæåí íîâûé àëãîðèòì îáúåäèíåíèÿ äàííûõ, èñïîëüçóþ-
ùèé âåéâëåò-ïðåîáðàçîâàíèå (Multi-Space Data Association – MSDA) [15]. Îí, êàê è ìå-
òîä áëèæàéøåãî ñîñåäà, íå òðåáóåò çíàíèé îá îêðóæàþùåé ñðåäå (ïëîòíîñòè ïîìåõ, âå-
ðîÿòíîñòè ïðàâèëüíîãî îáíàðóæåíèÿ è ò.ï.). Â àëãîðèòìå MSDA íà íåñêîëüêèõ òàêòàõ
âûáèðàåòñÿ íàáëþäåíèå, áëèæàéøåå ê ïðåäñêàçàííîìó. Ïî ýòèì íàáëþäåíèÿì ñ ïîìî-
ùüþ âåéâëåò-ïðåîáðàçîâàíèÿ ôîðìèðóåòñÿ åäèíûé îáðàç Z p . Îí èñïîëüçóåòñÿ äëÿ îáíîâ-
ëåíèÿ îöåíêè ñîñòîÿíèÿ öåëè íà òåêóùåì òàêòå ñ ïîìîùüþ àëãîðèòìà ôèëüòðàöèè Êàë-
ìàíà. Òàêèì îáðàçîì, â ïðîöåññå ðàñïðåäåëåíèÿ îòìåòîê è ôîðìèðîâàíèÿ îöåíêè
èñïîëüçóåòñÿ íå îäíî íàáëþäåíèå, à èõ ïîñëåäîâàòåëüíîñòü íà íåñêîëüêèõ òàêòàõ. Ýòî
óâåëè÷èâàåò òî÷íîñòíûå õàðàêòåðèñòèêè àëãîðèòìà ïî ñðàâíåíèþ ñ ìåòîäîì áëèæàéøåãî
ñîñåäà. Êðîìå òîãî, óìåíüøàþòñÿ âû÷èñëèòåëüíûå çàòðàòû ïî ñðàâíåíèþ ñ PDA è MHT,
ò.ê. íå âñå èçìåðåíèÿ (à òîëüêî áëèæàéøèå «ñîñåäè») òåêóùåãî òàêòà ó÷àñòâóþò â îáíîâ-
ëåíèè ñîñòîÿíèÿ öåëè. Ìîäåëèðîâàíèå àëãîðèòìà MSDA ïîêàçàëî, ÷òî åãî òî÷íîñòíûå
õàðàêòåðèñòèêè ëó÷øå, ÷åì ó PDA, à âû÷èñëèòåëüíûå çàòðàòû çíà÷èòåëüíî ìåíüøå.
Çàêëþ÷åíèå
 ñòàòüå ïðåäñòàâëåí îáçîð íàèáîëåå ïîïóëÿðíûõ ìåòîäîâ ñîïðîâîæäåíèÿ öåëåé ïðè
íàëè÷èè ëîæíûõ îòìåòîê. Íà äàííûé ìîìåíò òåîðèÿ ñîïðîâîæäåíèÿ ïîäâèæíûõ öåëåé
äîñòàòî÷íî ðàçâèòà. Âûáîð òîãî èëè èíîãî àëãîðèòìà òðàåêòîðíîé îáðàáîòêè çàâèñèò îò
ðàäèîëîêàöèîííîé îáñòàíîâêè (òèï äâèæåíèÿ îáúåêòîâ è èõ êîëè÷åñòâî, èíòåíñèâíîñòü
ëîæíûõ îòìåòîê, ñòåïåíü íåëèíåéíîñòè çàäà÷è ôèëüòðàöèè è ò.ï.), òðåáîâàíèé ê åãî
òî÷íîñòíûì õàðàêòåðèñòèêàì è âû÷èñëèòåëüíûì çàòðàòàì. Ñëåäóåò îòìåòèòü, ÷òî
áîëüøèíñòâî àëãîðèòìîâ ñîïðîâîæäåíèÿ ñèíòåçèðîâàíî äëÿ ðàáîòû c âîçäóøíûìè îáúåê-
òàìè. Ñåé÷àñ âñ¸ áîëüøåå âíèìàíèå óäåëÿåòñÿ ìåòîäàì îöåíêè êîîðäèíàò íàçåìíûõ öå-
ëåé. Ýòà çàäà÷à ïîäðàçóìåâàåò ôóíêöèîíèðîâàíèå ñèñòåì ìåñòîîïðåäåëåíèÿ â áîëåå
ñëîæíûõ óñëîâèÿõ: èíòåíñèâíîé ïîìåõîâîé îáñòàíîâêå, âûñîêîé ïëîòíîñòè öåëåé, ìà-
íåâðåííîñòè ïîäâèæíûõ îáúåêòîâ è ïð. Ÿ ðåøåíèå òðåáóåò äîïîëíèòåëüíûõ èññëåäî-
âàíèé.

Ëèòåðàòóðà
1. Ôàðèíà À. Öèôðîâàÿ îáðàáîòêà ðàäèîëîêàöèîííîé èíôîðìàöèè. Ñîïðîâîæäåíèå
öåëåé: Ïåð. ñ àíãë. / À. Ôàðèíà, Ô. Ñòóäåð. – Ì.: Ðàäèî è ñâÿçü, 1993. – 319 c.
2. Òåîðèÿ îöåíèâàíèÿ è åå ïðèìåíåíèå â ñâÿçè è óïðàâëåíèè: Ïåð. ñ àíãë./ Ý. Ñåéäæ,
Äæ. Ìåëñ; Ðåä. Á.Ð. Ëåâèí. – Ì.: Ñâÿçü, 1976. – 495 ñ.
3. Èíôîðìàöèîííûå òåõíîëîãèè â ðàäèîòåõíè÷åñêèõ ñèñòåìàõ: ó÷åá. ïîñîáèå /
È.Á. Ô¸äîðîâ. – Ì.: Èçä-âî ÌÃÒÓ èìåíè Í.Ý. Áàóìàíà, 2004. – 764 c.
4. Kirubaraian T. Probabilistic data association techniques for target tracking in clut-
ter / T. Kirubaraian, Y. Bar-Shalom // Proc. IEEE. – 2004. – Vol. 92, ¹ 3. – P. 536–557.
5. Lee M.S. New multi-target data association using OSJPDA algorithm for automotive
radar / M.S. Lee, Y.H. Kim // IEICE Trans. Electron. – 2001. – Vol. E84, ¹ 8. –
P. 1077–1082.
6. Roecker J.A. Suboptimal joint probabilistic data association / J.A. Roecker,
G.L. Phillis // IEEE Trans. Aerospace and Electronic Systems. – 1993. – Vol. 29, ¹ 2. –
P. 510–516.

Äîêëàäû ÒÓÑÓÐà, ¹ 2 (20), äåêàáðü 2009

58 ÝËÅÊÒÐÎÍÈÊÀ, ÈÇÌÅÐÈÒÅËÜÍÀß ÒÅÕÍÈÊÀ, ÐÀÄÈÎÒÅÕÍÈÊÀ È ÑÂßÇÜ

7. Musicki D. Joint integrated probabilistic data association – JIPDA / D. Musicki,

R. Evams // Information fusion: The Fifth International Conference. – Melbourne, 2002. –
Vol. 1. – P. 1120–1150.
8. Bar-Shalom Y. Tracking methods in a multitarget environment // IEEE Trans. Auto-
matic Control. – 1978. – Vol. AC-23, ¹ 4. – P. 618–626.
9. Pulford G.W. Taxonomy of multi ple target tracking methods // IEE Proc. Radar,
Sonar and Navigation. – 2005. – Vol. 152, ¹ 5. – P. 291–303.
10. Efe M. Probabilistic multi-hypothesis tracker: addressing some issues / M. Efe,
Y. Ruan, P. Willett // IEE Proc. Radar, Sonar and Navigation. – 2005. – Vol. 151, ¹ 4. –
P. 189–196.
11. Chin L. Application of neural networks in data fusion // Intelligent Control and In-
strumentation: Singapore International Conference. – Singapore, 1992. – Vol. 2. –
P. 1103–1107.
12. Ching I.P. Neuro-fuzzy techniques for airborne target tracking / I.P. Ching,
L. Yongzhi // Knowledge-based Intelligent Electronic Systems: Second International Confer-
ence. – Singapore, 1998. – Vol. 2. – P. 251–257.
13. Chong C.Y. Ground target tracking – a historical perspective / C.Y. Chong,
D. Garren, T.P. Grayson // Proc. IEEE Proc. Aerospace. – 2000. – Vol. 3. – P. 433–448.
14. Reid D.B. An algorithm for tracking multiple targets // IEEE Trans. Automatic
Control. – 1979. – Vol. AC-24, ¹ 6. – P. 843–854.
15. Tian H-W. A multi-space data association algorithm for target tracking systems
[Èíòåðíåò] / H-W. Tian, Z-L. Jing. – Ðåæèì äîñòóïà:
http://adsabs.harvard.edu/abs/2007CNSNS..12..608T, ñâîáîäíûé.
16. Qin Z. Interacting multi ple model particle-type filtering approaches to ground tar-
get tracking [Èíòåðíåò] / Z. Qin, X. Li, J. Chen. – Ðåæèì äîñòóïà:
www.academypublisher.com/jcp/vol03/no07/jcp03072330.pdf, ñâîáîäíûé.

_______________________________________________________________________________________

Âîðîøèëèíà Åëåíà Ïàâëîâíà

Àñïèðàíò êàô. ðàäèîòåõíè÷åñêèõ ñèñòåì
Òîìñêîãî ãîñóäàðñòâåííîãî óíèâåðñèòåòà ñèñòåì óïðàâëåíèÿ è ðàäèîýëåêòðîíèêè
Òåë.: 8-923-408-46-71 (äëÿ ðåä.)
Ýë. ïî÷òà: Raliens@kvadro.net

Âîðîøèëèí Åâãåíèé Ïàâëîâè÷

Ñòàðøèé ïðåïîäàâàòåëü êàô. ðàäèîòåõíè÷åñêèõ ñèñòåì
Òîìñêîãî ãîñóäàðñòâåííîãî óíèâåðñèòåòà ñèñòåì óïðàâëåíèÿ è ðàäèîýëåêòðîíèêè
Òåë.: 8-923-421-19-56 (äëÿ ðåä.)
Ýë. ïî÷òà: vep2007@kvadro.net

Òèñëåíêî Âëàäèìèð Èëüè÷

Êàíä. òåõí. íàóê, äîöåíò êàô. ðàäèîòåõíè÷åñêèõ ñèñòåì
Òîìñêîãî ãîñóäàðñòâåííîãî óíèâåðñèòåòà ñèñòåì óïðàâëåíèÿ è ðàäèîýëåêòðîíèêè
Òåë.: (3822) 41-38-89, 8-913-802-61-41 (äëÿ ðåä.)
Ýë. ïî÷òà: wolar1491@yandex.ru

E.P. Voroshilina, E.P. Voroshilin, V.I. Tislenko

Target tracking methods

The article presents modern overview of target tracking algorithms in clutter environment.
Keywords: secondary treatment, data association, filtration, tracking, target position estimation.

Äîêëàäû ÒÓÑÓÐà, ¹ 2 (20), äåêàáðü 2009