Sualtı çok sensörlü çoklu hedef takibi

Abstract

Bu çalışma, sualtı çok sensörlü çoklu hedef takibi problemini Multistatik Sonar Ağ (MSA) sistemleri çerçevesinde ele alınmıştır. Sonar uygulamalarında takip algoritmaları, en kısa sürede iz başlatmayı ve iz sürekliliğini korumayı hedeflemektedir. Algoritmayı değişen çevresel koşullara uyarlamadan, zorlu su altı ortamlarında iz başlatmak ve mevcut izlerin sürekliliğini korumak zordur. Tez çalışmasında MSA sistemleri için Poisson Çoklu Bernoulli Karışımı (PMBM) filtresine dayalı gürbüzleştirilmiş bir izleyici önerilmektedir. PMBM tabanlı izleyiciler, Bernoulli ve Poisson Nokta Süreçleri aracılığıyla hedef sayısını takip süresince dinamik olarak tahmin edebilirler. PMBM tabanlı izleyiciler, bu iki süreci birlikte kullanarak her hesaplama adımında mevcut izleri, tespit edilmemiş hedefleri ve yeni doğumları ayrı ayrı ele alır. Bu tez çalışmasında, uyarlanabilir ölçüme dayalı doğum süreci ve Multistatik Akustik Modele bağlı hedef tespit olasılığı kullanılarak mevcut PMBM algoritması gürbüzleştirilmiştir. Uyarlanabilir ölçüme dayalı doğum süreci, iz başlatmada süre kazandırırken kaybedilen izlerin yeniden takibe alınmasını kolaylaştırır. Multistatik akustik modele bağlı hedef tespit olasılığı ise akustik temasın zayıfladığı geçiş bölgeleri boyunca iz sürekliliğini sağlayarak, kararlı takip sağlar. Tez kapsamında PMBM algoritması üzerinde yapılan bu iyileştirmeler, algoritmayı özellikle zorlu su altı şartlarında diğer takip algoritmalarına kıyasla üstün kılmıştır.In this study, the underwater multi-sensor multi-target tracking problem is handled within Multistatic Sonar Network (MSA) systems. In sonar applications, tracking algorithms aim to start a track as soon as possible and maintain track continuity. Without adapting the algorithm to changing environmental conditions, it is not easy to initiate tracks and maintain the continuity of existing tracks in challenging underwater environments. The thesis proposes a robust tracker based on the Poisson Multiple Bernoulli Mixture (PMBM) filter for MSA systems. PMBM-based trackers can dynamically estimate target numbers during tracking through Bernoulli and Poisson Point Processes. PMBM-based trackers use these two processes to separately consider existing tracks, undetected targets, and new births at each computation step. In this thesis, the current PMBM algorithm has been enhanced using the adaptive measurement-based birth process and the target detection probability based on the Multistatic Acoustic Model. The adaptive measurement-based delivery process saves time in initiating track and facilitates the re-tracking of lost tracks. The probability of target detection of the Multistatic Acoustic Model ensures stable tracking by ensuring the track continuity along the transition zones where the acoustic contact is weakened. These improvements made on the PMBM algorithm within the scope of the thesis made the proposed algorithm superior to other tracking algorithms, especially in challenging underwater conditions.