Data fusion in passive multisensor tracking

Abstract

AB3:Tässä tutkimuksessa datafuusion tavoitteena on muodostaa pelkkien passiivisten suuntima- ja attribuuttihavaintojen perusteella sensorikohtaisia rataestimaatteja, jotka pelkän paikka- ja suuntatiedon lisäksi myös tunnistavat seurattavat kohteet. Jos kohteiden paikkaa-ei riittämättömän havaintodatan vuoksi voida määrittää, datafuusioalgoritmi pystyy seuraamaan kohteita myös pelkässä kulmakoordinaatistossa. Käytettäessä pelkkää passiivisen sensoriverkon tuottamaa informaatiota ovat fuusiointiin liittyvät ongelmat melko ainutlaatuisia ja vaikeita kompensoida. Ongelmien voittamiseksi on tässä tutkimuksessa sovellettu sumeaa logiikkaa attribuuttiinfomaation liittämiseksi perinteisiin assosiaatioalgoritmeihin ja havaintojen validoinnin tehostamiseksi. Lisäksi perinteistä assosiaatioalgoritmia on laajennettu monisensoriympäristöön soveltuvaksi. Seurantaan on sovellettu interaktiivista monimallialgoritmia.- Datafuusioalgoritmia testattiin kirjallisuudesta löytyville simulointitapauksille, joihin liitettiin erikseen attribuutti-informaatiota tuottava algoritmi. Simulaatiot tehtiin MATLAB-ohjelmointiympäristössä. Toteutettu datafuusioalgoritmi suoriutui menestyksekkäästi vaikeillakin havaintoaineistoilla, joihin oli lisätty runsaasti kohinaa ja harhahavaintoja. Seurattavat kohteet pystyttiin paikantamaan pelkkien passiivisten suuntimahavaintojen perusteella.

This thesis has been done in the Signal Processing Laboratory at Tampere University of Technology. The work has been in a close relation to a research project concerning multisensor multitarget tracking. The objective was to study and develop data fusion algorithms for integration of passive multisensor data. In a way, data fusion algorithms can also be called as sensor fusion algorithms. Especially, Kalman filter together with its applications and fuzzy logic were thoroughly considered.- In order to demonstrate the performance of the proposed algorithms simulations were carried out. Simulations were based on scenarios where attribute data was generated using a rather heuristic algorithm. All simulations were done in MATLAB. The results obtained indicated, that the proposed algorithm is able to track targets using only passive detections even if noise and a large number of false detections were introduced.