In target tracking problem, two important considerations for estimating the position of the target are firstly the optimal formation of sensors that receive the target information and secondly the estimation method based on the received information. In this thesis we studied target localization problem based on the time difference of arrival (TDOA) data. This thesis propose two methods to improve the performance of the target tracking problem.
In the first part, we discussed the optimal sensor formation problem in terms of Fisher information. The estimators of the target location expressed in terms of the spherical coordinates are found to be uncorrelated when the sensors are arranged in a concentric ring formation. The proposed optimal formation of sensors is in the concentric ring formation and is shown to change in accordance with sensors' angular positions with respect to the line-of-sight vector from the reference sensor to the target.
In the second part, we present a estimation method for the linear state space model with an unknown measurement matrix using a Bayesian method. We explored availability of the Bayes method for parameter estimation with no constraints on the parameter space and found that the estimation for the state vector is acceptable as long as the priors are not vague on both the state and the measurement matrix. We also investigated the model where the measurement matrix is contaminated with noise and found that the estimates for the state vector were more accurate than those by the methods in literature.
표적 추적 문제에서, 대상 위치 추정을 위한 두 가지 중요한 고려사항은 첫째, 대상 정보를 수신하는 센서의 최적 배치와 둘째, 수신된 정보에 기초한 추정 방법이다. 본 논문에서는 도착 시간차(TDOA) 데이터를 바탕으로 목표 지역화 문제를 연구하였다. 본 논문은 대상 추적 문제의 성능을 개선하기 위한 두 가지 방법을 제안한다.
첫째로, 피셔 정보량 측면에서 최적의 센서 배치 문제를 논의하였다. 구형 좌표계로 표현된 표적 위치의 추정량은 센서가 동심원 형태로 배치될 때 상관관계가 없는 것으로 확인된다. 제안된 센서의 최적 배치는 동심원 형태이며 기준 센서에서 목표까지의 가시선 벡터에 대한 센서의 각도에 따라 변화하는 것으로 나타난다.
둘째로, 베이지안 방법을 사용하여 알려지지 않은 측정 행렬을 가진 선형 상태 공간 모델에서의 추정 방법을 제시한다. 매개변수 공간에 제약 없이 매개변수 추정이 가능한 베이즈 방법의 가용성을 탐색하였고, 상태 벡터와 측정 행렬 모두가 모호하지 않는 한 상태 벡터에 대한 추정이 수용 가능하다는 것을 발견하였다. 또한 측정 매트릭스가 노이즈로 오염된 모델인 경우를 조사하여 상태 벡터에 대한 추정치가 기존의 방법에 의한 추정치보다 더 정확하다는 것을 알아냈다.
