JPDAF is a method of updating target's state estimation by using posterior probability that measurements are originated from existing target in multi-target tracking. In this thesis, we propose a multi-target tracking algorithm for falling cluster bombs separated from a mother bomb based on JPDAS method which is obtained by applying fixed-interval smoothing technique to JPDAF. The performance of JPDAF and JPDAS multi-target tracking algorithm is compared by observing the average of the difference between targets' state estimations obtained from 100 independent executions of two algorithms and targets' true states. Based on this, results of simulations for a radar tracking problem that show the proposed JPDAS algorithm has better tracking performance than JPDAF is presented.
JPDAF(Joint Probabilistic Data Association Filter)는 다중표적 추적에서 존재하는 표적에서 측정값들이 유래되었을 사후확률을 이용하여 표적의 상태 추정치에 대한 갱신을 진행하는 방식이다. 이러한 JPDAF 방식에 고정구간 평활화(fixed-interval smoothing)기법을 적용하여 얻은 JPDAS(Joint Probabilistic Data Association Smoothing)방식을 기반으로 이 논문에서는 모탄에서 분리되어 낙하하는 다수의 자탄에 대한 다중표적 추적 알고리즘을 제안하였다. 독립적으로 JPDAF와 JPDAS를 이용한 다중표적 추적알고리즘을 100번 수행하여 얻은 표적의 상태 추정치와 표적의 실제 상태의 차이의 평균으로 두 다중표적 추적 알고리즘의 성능을 비교하였다. 이를 기반으로 제안한 JPDAS 알고리즘이 JPDAF 알고리즘보다 레이더의 표적 추적 문제에 대한 성능이 좋음을 보여주는 시뮬레이션 결과들이 제시되었다.
