Adaptive Track-Before-Detect Scheme Using Regularized Bernoulli Particle Filter under Motion Model Mismatch = 운동 모델 불일치 조건하에서 정규화를 적용한 적응형 베르누이 입자필터 기반 트랙-비포-디텍트 기법

국문 초록 (Abstract)

Track-Before-Detect(TBD)는 저신호대잡음비 환경에서 원시 측정 데이터를 직접 활용하여 표적의 존재와 상태를 추정할 수 있는 기법으로, 기존 탐지 후 추적 방식의 한계를 보완한다. 베르누이 입자필터 기반 TBD는 표적 존재 여부를 확률적으로 모델링함으로써 단일 표적 추적 문제를 체계적으로 다룰 수 있는 장점을 가진다. 한편 표적 추적 전반에서 가정한 운동 모델과 실제 표적 기동 간의 불일치는 보편적으로 발생하는 문제이며, 이러한 운동 모델 불일치는 예측 정확도 저하를 통해 필터 성능에 직접적인 영향을 미친다. 베르누이 입자필터 기반 TBD에서도 운동 모델 불일치가 발생할 경우 입자 분포가 측정이 지지하는 영역을 충분히 포괄하지 못해 추적 성능 저하로 이어질 수 있으며, 특히 고정된 정규화 대역폭을 사용할 경우 빠른 수렴성과 강건성을 동시에 확보하는 데 한계가 존재한다. 본 논문에서는 이러한 문제를 완화하기 위해 필터 내부에서 계산되는 존재 확률과 입자 분포의 공간적 확산 정도를 모델 불확실성 지표로 활용하여, 정규화 커널의 대역폭을 상황에 따라 적응적으로 조절하는 기법을 제안한다. 제안한 방법은 추가적인 운동 모델 전환이나 알고리즘 구조 변경 없이 구현 가능하며, 다양한 운동 조건에서 균형 잡힌 추적 성능을 제공한다.

다국어 초록 (Multilingual Abstract)

Track-Before-Detect (TBD) is an effective approach for target tracking in low signal-to-noise ratio environments, as it directly exploits raw measurements to estimate both target existence and state, thereby overcoming limitations of conventional track-after-detect methods. Bernoulli particle filter–based TBD further provides a systematic framework for single-target tracking by probabilistically modeling target existence. Meanwhile, motion model mismatch between the assumed dynamics and actual target maneuvers is a common issue in target tracking and directly degrades filtering performance through reduced prediction accuracy. In Bernoulli PF-TBD, such mismatch can cause the particle distribution to inadequately cover the measurement-supported region, leading to particle depletion and performance degradation, particularly when a fixed regularization bandwidth is employed, which makes it difficult to achieve both fast convergence and robustness. To mitigate this issue, this thesis proposes an adaptive regularization scheme that adjusts the kernel bandwidth according to motion model uncertainty. The proposed method utilizes the posterior existence probability and the spatial dispersion of the particle distribution as uncertainty indicators computed internally within the filter. By adaptively controlling the regularization bandwidth based on these indicators, the proposed approach maintains rapid convergence under well-matched conditions while enhancing robustness against motion model mismatch. The method can be implemented without introducing additional motion models or modifying the underlying filter structure and provides balanced tracking performance under various motion conditions.

목차 (Table of Contents)

• Chapter 1 Introduction 1
• 1.1 Motivation 1
• 1.2 Objectives and contributions 2
• Chapter 2 Related Works 4
• 2.1 Target Tracking 4
• 2.2 Track-Before-Detect 5
• 2.3 Particle Filter based Bernoulli TBD 9
• Chapter 3 Adaptive Regularized Bernoulli PF-TBD 12
• 3.1 Problem formulation 12
• 3.2 Model-Uncertainty Indicator 14
• 3.2.1 Existence probability 15
• 3.2.2 Bin Occupancy Count 17
• 3.3 Adaptive Kernel Bandwidth Regularization 20
• 3.4 Analysis of Kernel Bandwidth Coefficient α Selection 22
• Chapter 4 Simulations and Results 26
• 4.1 Simulation description 26
• 4.2 Simulation setup 27
• 4.3 Numerical simulations 31
• 4.3.1 Scenario 1 31
• 4.3.2 Scenario 2 36
• 4.3.3 Scenario 3 40
• 4.4 Discussion 44
• Chapter 5 Conclusion 46
• 5.1 Conclusion and summary 46
• 5.2 Future works 48
• Bibliography 49
• 국문초록 52