Performance evaluation of thoroughly adaptive particle filter (tapf) for 3d radar tracking applications

Abstract

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.