수중음향 시스템에서는 이동 표적에 대한 상태 추정 및 표적 식별 등의 목적을 위해서 표적 방위 추적은 필수적이다. 그러나 감시영역에 근접 또는 교차 표적 등이 존재하는 다수 표적 상황에서의 방위 추적은 매우 어려운 문제로 다양한 접근방법으로 연구되어 왔다. SWORD는 배열 센서 신호의 출력 공분산 행렬로부터 방위 변위를 추정하여 표적을 추적함으로써 별도의 정보 연관 과정이 필요 없는 단순한 구조의 다중 표적 방위 추적 알고리즘을 제안하였으며, RYU 등은 표적 조향 벡터 (target steering vector)와 배열 센서 공분산 행렬의 신호 고유 벡터 (signal eigenvector)가 선형결합 관계임을 이용하여 교차 표적 (cross target)에 대해서도 우수한 성능을 나타내는 효율적인 알고리즘을 제안하였다. 또한 HWANG 등은 잡음 고유 벡터 (noise eigenvector)와 표적 조향 벡터가 직교 관계임을 이용하여 RYU의 알고리즘과 동일한 성능을 유지하면서 연산량을 개선한 알고리즘을 제안하였다. 그러나 기존의 방법은 코히어런트 (coherent) 다중 표적인 경우에는 추적 성능이 저하되는 단점이 있다. 본 논문에서는 배열 센서의 공분산 행렬로부터 추정할 수 있는 신호 고유 벡터와 잡음 공분산 행렬 (noise covariance matrix)의 특성을 이용하여 코히어런트 다중 표적에 대해 추적 성능을 유지할 수 있는 다중 표적 방위 추적 알고리즘을 제안하였으며, 근접 및 교차 기동하는 표적에 대한 시뮬레이션을 통하여 비코히어런트 (incoherent)와 코히어런트 다중 표적에 대해 추적 성능이 우수함을 확인하였다.
The angle-tracking of maneuvering targets is required to the state estimation and classification of targets in underwater acoustic systems. The Problem of angle-tracking multiple closed and crossing targets has been studied by various authors. Sword et al. Proposed a multiple target an91e-tracking algorithm using angular innovations of the targets during a sampling Period are estimated in the least square sense using the most recent estimate of the sensor output covariance matrix. This algorithm has attractive features of simple structure and avoidance of data association problem. Ryu et al. recently Proposed an effective multiple target angle-tracking algorithm which can obtain the angular innovations of the targets from a signal subspace instead of the sensor output covariance matrix. Hwang et al. improved the computational performance of a multiple target angle-tracking algorithm based on the fact that the steering vector and the noise subspace are orthogonal. These algorithms. however. are ineffective when a subset of the incident sources are coherent. In this Paper, we proposed a new multiple target angle-tracking algorithm for coherent and incoherent sources. The proposed algorithm uses the relationship between source steering vectors and the signal eigenvectors which are multiplied noise covariance matrix. The computer simulation results demonstrate the improved Performance of the Proposed algorithm.
