Abstract
In this paper, we propose the design methodology of target tracking system using fuzzy basis function expansion(FBFE) based on virus evolutionary genetic algorithm (VEGA). In general, the objective of target tracking is to estimate the future trajectory of the target based on the past position of the target obtained from the sensor. In the conventional and mathematical nonlinear filtering method such as extended Kalman filter(EKF), the performance of the system may be deteriorated in highly nonlinear situation. To resolve these problems of nonlinear filtering technique, by appling artificial intelligent technique to the tracking control of moving targets, we combine the advantages of both traditional and intelligent control technique. In the proposed method, after composing training datum from the parameters of extended Kalman filter, by combining FDFE, which has the strong ability for the approximation, with VEGA, which prevent GA from converging prematurely in the case of lack of genetic diversity of population, and by idenLifying the parameters and rule numbers of fuzzy basis function simultaneously, we can reduce the tracking error of EKF. Finally, the proposed method is applied to three dimensional tracking problem, and the simulation results shows that the tracking performance is improved by the proposed method.
본 논문에서는 바이러스-진화 유전 알고리즘에 기반한 퍼지 기저 함수 확장을 이용한 표적 추적 시스템의 설계 방법을 제안한다. 일반적으로 표적 추적의 목적은 센서로부터 얻어진 표적의 과거 위치에 기반하여, 미래에 대한 표적의 궤적을 추정하는 것이다. 확장 칼만 필터와 같은 전통적이고 수학적인 비선형 필터링 기법에서 강한 비선형성은 시스템의 성능을 저하시킬 수 있다. 이러한 비선형 필터링 기법의 장점을 결합한다. 제안된 방법에서, 확장 칼만 필터의 파라미터로 학습 데이터를 구성하고, 강한 근사화 능력을 가지는 퍼지 기저 함수에 유전 알고리즘의 유전적 다양성 상실로 이한 조기 수렴을 방지하는 바이러스-진화 유전 알고리즘을 결합하여, 파라미터와 규칙 수를 동시에 동정시킴으로써 확장 칼만 필터의 오차를 보정한다. 마지막으로, 제안된 방법은 3차원 상의 모의 실험을 통해 그 성능이 입증된다.
