Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Ankara Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2015
Tezin Dili: Türkçe
Öğrenci: ALİ ÖNDER BOZDOĞAN
Danışman: MURAT EFE
Özet:Bayesçi bir hedef takip filtresinin, sonsal hedef sürecinde hedefler arası etkileşimlerin incelenmesi amacıyla ikili korelasyon fonksiyonu kullanılmıştır. İkili korelasyon fonksiyonu ile, PHD filtresi Bayes sonsal hedef sürecinin itici yapıda olduğunu ve uzak hedefler arasında korelasyonun ölçüm olabilirlik fonksiyonuyla orantılıolarak sönümlendiği analitik olarak gösterilmiştir. CPHD ve JPDA filtreleri için Bayes sonsal hedef sürecinin tamamen itici veya çekici özellikte olmadığıortaya koyulmuştur. JPDA filtresi için hedef ikilileri arasındaki etkileşim, ölçüm olabilirlik fonksiyonu ile uzak hedef ikilileri arasında sönümlenmektedir. CPHD filtresinde Bayes sonsal süreç hedef ikilileri arasında global etkileşimler gözlenmiştir. İndirgenmişPalm sürecinin olasılık türeten fonksiyoneli türetilmişve indirgenmişPalm süreci PHD ve CPHD filtreleri gibi hedef sürecinin uzaydaki dağılımını şiddet fonksiyonu ile modelleyen filtreler için hedefleri ayrıştırıcıbir iz çıkartıcıalgoritma türetiminde kullanılmıştır. İndirgenmiş Palm süreci, yeni, yaklaşık çoklu sensör PHD ve CPHD filtreleri türetmekte kullanılmıştır. Bernoulli hedef süreci tabanlıyeni bir hedef takip algoritmasıtüretilmiştir. Yapılan benzetimde, Bernoulli filtresinin en yakın komşu ve JPDAF yöntemlerine kıyasla MOSPA istatistiğine göre daha başarılıolduğu gözlenmiştir. JPDA filtresi ardışık Monte Carlo yöntemleri ile tatbik edildiğinde, türetilen yeni yöntemden hedef kaybıaçısından yüksek tespit olasılık seviyesi için daha başarılı sonuçlar ortaya koymuştur. Bununla birlikte, orta ve düşük hedef tespit olasılık seviyeleri için yeni yöntemin iz kaybıbaşarımıJPDA metodundan üstündür.AbstractPair correlation function is used to analyze pairwise interactions in the Bayes posterior target process for target tracking filters. It is shown that the Bayes posterior target process for the PHD filter is a repulsive process. Pairwise interactions in the Bayes posterior process for the PHD filter vanish with respect to measurement likelihood for distant target pairs. On the other hand, the Bayes posterior of the CPHD and the JPDA filters are shown to be neither repulsive nor attractive. While, pairwise interactions in the Bayes posterior process for the JPDA filter vanish for distant target pairs, the CPHD filter has global interactions between its target pairs. The probability generating functional for the reduced Palm process isderived and used to develop a track extraction algorithm that separates the Bayes posterior intensity function into tracks. The new track extraction algorithm is usedto derive new approximations for the multisensor PHD and CPHD filters. A new target tracking filter, namely the Bernoulli filter is derived. Numerical studies show that Bernoulli filter outperforms JPDAF in terms of MOSPA statistic. The track lossrate of the JPDA implemented by the sequential Monte Carlo methods is better than the proposed method for a high level of target detection probability. However, the new method outperforms the JPDA in the number of lost tracks for medium and low target detection probability levels.