Real-time radar tracking of an uncooperative maneuvering target

This work focuses on the remote tracking of an uncooperative maneuvering target based on radar observations. To tackle this problem, state estimation techniques are investigated, in particular nonlinear variants of the Kalman filter due to the strong non-linearity in the model: Extended Kalman Filter (EKF), Second-Order Extended Kalman Filter (SOEKF) and Unscented Kalman Filter (UKF). The workflow of a Kalman-based method needs a prediction model for the evolution of the state of the target before being corrected by the measurement provided by the radar sensor. Therefore, three motion models are adopted to cover the possible motion a target can achieve, namely Constant Velocity (CV), Constant Acceleration (CA) and Horizontal Constant Turn (HCT). Finally, to handle unexpected maneuvers, adaptive state estimation techniques have been implemented to counteract the uncertainty on the real motion of the target. On one hand, two adaptive process noise techniques have been examined, one operating a switch between process noise levels, and the second performed sequentially based on a statistical fault-detection mechanism. On the other hand, an Interacting Multiple Model (IMM) has been implemented offering robustness to abrupt motion changes. Results show that the IMM performs better than the adaptive noise process technique, which performs better than the standard single model filter.

La tesi ha per obiettivo il tracciamento a distanza di un bersaglio di manovra non cooperativo basato su osservazioni radar. Per risolvere questo problema, sono state studiate tecniche di stima dello stato, in particolare varianti non lineari di filtri di Kalman a causa di forte non linearità dei modelli usati: Extended Kalman Filter (EKF), SecondOrder Extended Kalman Filter (SOEKF) e Unscented Kalman Filter (UKF). Il lavoro con metodi basati sul filtro di Kalman richiede un modello di previsione per l’evoluzione dello stato del bersaglio prima di essere corretto dalla misura fornita dal sensore radar. Sono stati adottati tre modelli di movimento per coprire i movimenti possibili che un bersaglio può realizzare: velocità costante (CV), accelerazione costante (CA) e rotazione orizzontale costante (HCT). Infine, per gestire manovre inaspettate, sono state implementate tecniche di stima di stato adattive per contrastare l’incertezza sul movimento reale del bersaglio. Da un lato, sono state esaminate due tecniche di adattamento del processo di rumore, una che opera una commutazione tra i livelli del processo di rumore e la seconda che viene eseguita in modo sequenziale sulla base di un meccanismo di rilevamento statistico dei guasti. D’altra parte, è stato implementato un modello multiplo interagente (IMM) che offre robustezza ai cambiamenti bruschi di movimento. I risultati mostrano che l’IMM si comporta meglio della tecnica del processo di rumore adattivo, che si comporta meglio del filtro standard a modello singolo.