확률적 PCR5 융합 규칙을 이용한 다중 센서 목표 추적

초록

본 논문은 비선형 파티클 필터를 이용해 각 센서가 추정한 확률 밀도 함수를 비베이즈 방식인 확률적 PCR5(p‑PCR5) 규칙으로 융합한다. p‑PCR5는 DSmT의 PCR5 규칙을 확률론에 제한한 형태로, 충돌(conflict) 정보를 비례적으로 재분배함으로써 개별 밀도의 다중 모드와 정보를 보존한다. 시뮬레이션 결과, 모델 오차나 초기값 불일치가 심한 상황에서도 p‑PCR5 기반 필터는 목표를 안정적으로 추적하며, 기존 가우시안 평균 융합(예: 칼만 평균)보다 강인성을 보였다.

상세 분석

이 연구는 다중 센서 기반 목표 추적에서 흔히 사용되는 베이즈적 융합, 즉 각 센서의 사후 확률을 가중 평균하거나 곱셈적으로 결합하는 방법의 한계를 지적한다. 특히 비선형·비가우시안 상황에서 개별 필터가 다중 모드(예: 측정 불확실성, 클러스터링) 를 생성하면, 전통적인 평균 융합은 이러한 모드를 소멸시키고 하나의 평균값으로 압축한다. PCR5는 DSmT(Dezert‑Smarandache Theory)에서 제안된 충돌 재분배 메커니즘으로, 두 베이시스 할당(bba) 사이의 충돌 질량을 각 원본 bba의 비율에 따라 재분배한다. 이를 확률 밀도에 적용한 p‑PCR5는 다음과 같은 절차를 따른다. 첫째, 각 센서가 제공한 입자 집합을 통해 근사 확률 밀도 f₁(x), f₂(x) 를 얻는다. 둘째, 두 밀도 간의 겹치지 않는 영역에서 발생하는 충돌 질량을 계산하고, 이를 각 밀도의 기여도(예: 면적·높이 비율) 에 비례해 재분배한다. 셋째, 재분배된 질량을 기존 밀도에 더해 새로운 융합 밀도 f₁₂(x)를 만든다. 이 과정은 샘플링 기반으로 구현되며, 입자 재샘플링 단계에서 충돌 질량을 반영한 가중치를 부여한다. 주요 장점은 (1) 다중 모드 보존: 서로 멀리 떨어진 두 가설이 동시에 존재하면, p‑PCR5는 각각의 모드를 유지한다. (2) 강인성: 모델 파라미터가 잘못 지정되거나 초기 입자 분포가 실제와 크게 차이 나도, 충돌 재분배가 과도한 신뢰 집중을 방지한다. (3) 계산 효율성: 기존 PCR5는 복합 프레임 구조와 고차원 결합에 비해, p‑PCR5는 입자 기반 샘플링만으로 구현 가능해 실시간 적용이 가능하다. 실험에서는 두 개의 비선형 센서(예: 레이더와 광학 카메라)가 각각 다른 관측 모델을 사용했으며, 초기 위치와 속도에 대한 오차가 크게 달랐음에도 p‑PCR5 기반 필터는 목표 궤적을 정확히 추정했다. 반면, 전통적인 가우시안 평균 융합은 한쪽 센서의 오류가 전체 추정에 과도히 영향을 미쳐 발산하거나 추적 손실을 보였다. 따라서 p‑PCR5는 다중 센서·다중 모델 환경에서 정보 손실을 최소화하고, 비선형·비가우시안 상황에 적합한 대안 융합 규칙으로 평가된다.