레이더 Tracking 로직 & 퍼지논리
https://www.koreascience.or.kr/article/JAKO201310559989682.pdf
레이더의 추적 성능은, 임무 우선순위 선정을 위한 퍼지추론 시스템 기반의 기법이 추천된다고 한다..
1) 우선순위 결정트리 구성
2) 퍼지 집합으로 추적 안정도, 위험도, 접근성 선정
3) 퍼지 규칙을 통한 추적 임무의 우선순위 획득
우선순위 높게 책정 시, 추적주기를 변화시켜 추적의 정확도를 높인다.
퍼지 논리
http://www.aistudy.co.kr/robot/fuzzy_niku.htm#_bookmark_10911e8
https://m.blog.naver.com/PostView.naver?isHttpsRedirect=true&blogId=jerrypoiu&logNo=221178162267
퍼지 논리 (Fuzzy Logic)
0. 퍼지 논리(Fuzzy Logic)란? 사람들은 모호한 언어 규칙을 사용해서 단순하고 정확하게 전달할 수 있는...
blog.naver.com
1) 퍼지 집합 : 원소가 그 집합에 어느 정도 속하는지(DOM)를 나타냄
퍼지집합의 경계(Hedge)는 퍼지 집합의 의미집합 의미를 바꾸는 단항 연산자
소속도에 제곱을 함으로써, 이를 강화시킨다. 가령 A little 부사에는 1.3을 제곱하거나, Extremely에는 3을 제곱하거나.
이 제곱하는 수는 임의설정이 가능할 것이다.
언어변수는, 개념이나 영역을 질적으로 표현하기 위해 한개 이상의 퍼지집합을 합하는 것.
예를 들어, Mike는 느리다에서, 언어변수는 느리다라는 언어값
speed = {Slow, Normal, Fast}로의 표기가 가능하다.
이는 If 전건 then 후건으로 표기됨.
이런 식으로, 3개의 조건이 3개씩 있다 하면, 총 9개의 규칙이 있을 것이다.
예를 들어 speed = {느림, 보통, 빠름} && 거리 = {가까움, 보통, 멈} && 바람의 저항 = {약함, 보통, 셈}
이 각 규칙의 출력이 퍼지집합이다. 이는 역퍼지화해, 퍼지집합을 숫자 하나로 표현하게 됨.
퍼지 추론: 퍼지 집합론을 이용해 주어진 입력을 출력에 대응시키기
역퍼지화: 퍼지 출력값을 실제로 사용하기 위해, 등가의 정확한 값(crisp value)로 변환하는 과정.
예를 들어 에어컨 출력의 강도 설정을 꺼짐, 낮게, 중간, 최고로 퍼지화된다고 가정하자.
규칙기반 (rule base) 에서 평가한 결과값이 25%이면 낮게이고 75%는 중간이다.
역퍼지화는 에어컨 제어 시스템에 보낼 수 있는 단일값으로 변환하는 과정이다.
1) 맘다니형 퍼지추론:
1-1) 퍼지화: 크리스프 입력을 받고, 적합한 퍼지집합 각각에 어느정도 속하는지 결정
1-2) 규칙평가: 퍼지입력을 받아 퍼지규칙의 전건에 적용. 퍼지연산자(AND, OR)가 있다면, 사용해서 하나의 값을 받음.
후건의 소속함수는 전건의 진리값 수준으로 클리핑(전건 전리값 수준으로 자르기)되거나 스케일링(모든 소속도에 규칙전건의 진리값 곱하기)됨.
1-3) 규칙 후건의 통합: 모든 규칙의 출력을 단일화. 앞 과정에서 클러핑이나 스케일링된 모든 규칙후건의 소속함수를 퍼지집합 하나로 결합.
1-4) 역퍼지화: 통합출력된 퍼지집합을 하나의 숫자로 출력.
2) 스게노형 퍼지추론:
맘다니형은 연속적으로 변하는 함수를 집적해 2차원 모양의 무게중심을 찾아야 하며,
최적화에 문제가 있어 계산비용이 많다.
스게노형은 규칙 후건에 대한 소속함수로, 막대 하나로 된 단일체를 쓴다.
가중평균을 통해 구함.
3) 무게중심법:
3-1) 출력 소속집합에 대한 소속도와 출력집합의 단일값을 곱함.
3-2) 이전
예를 들면 에어컨 소속집합의 출력에서 얻어진 값들은 낮음이 0.4이고 중간이 0.6이며, 낮음에 대한 단일값은 30%, 중간은 최대 출력의 50%라고 가정하자. 에어컨의 출력값은 다음과 같다.
4) 최대화 평균:
가장 높은 신뢰도를 갖는 결과값의 평균을 구함
이는 결과값이 영역의 한 끝으로 편향될 수 있는데, 가장 높은것에 동등한 신뢰도만 고려하기 때문.
따라서, 최대값들 평균(average of maxima)로 고쳐쓴다.
각 결론값의 평균을 걷어, 그것의 신뢰되로 스케일을 조정하고 평균을 냄.
해당 논문에서는 퍼지 집합을 "추적 안정도", "위협도", "접근성"으로 구성하며, 각 하부에 3개의 퍼지변수를 지님.
추적 안정도 - 거리 오차, 속도 오차, 각도 오차의 퍼지변수를 지닌 퍼지집합의 추론결과를 비퍼지화한 결과
위험도 - 가속도, 거리, 속력 퍼지변수를 갖는 퍼지집합의 비퍼지화한 결과
접근성 - 거리, 속도, 진입각 퍼지집합의 비퍼지화 결과
이 세 개의 퍼지집합의 퍼지추론을 통해 우선순위를 결정.
퍼지 집 합의 각 요소가 그 집합에 소속되는 정도가 우선순위 선정결과에 가장 큰 영향을 끼치는데, 이 소속함수는 아래와 같음.
퍼지규칙은 if-then rule을 썼으며, 그 자세한 규칙이나 각 퍼지집합에 대한 규칙은 위의 논문홈피 참조.
퍼지 추론은 Mamdani의 Min-Max 방법을 사용했고, T-norm은 min, S-norm은 max, 함의함수(implication)은 min을 사용하고, 비퍼 지화는 무게중심법(centroid of area)을 사용했다고 한다...
비퍼지화에서, 퍼지 추론 결과를 시스템에 사용할 수 있는 입력값으로 변환한다. 우선순위 선정의 결과값이 도출되며,
임무우선순위를 높일지, 유지할지, 감소할지 나타낸다.
임무우선순위 선정은,
5. 위협 표적 추적(threat track update)
4. 재탐색/추적관리(track maintenance)
3. 플롯 확인(plot confirmation)
2. 추적 초기화(track initiation)
1. 추적 갱신(track update)
0. 탐색(surveillance) 으로, 높을수록 큰 값을 갖는다.
우선 순위 선정자가 우선 순위를 할당할 수 있는 것은 최상위 우선 순위의 “위협 표적 추적”이다.
즉, “추적 갱신” 또는 “재탐색/추적관리” 우선 순위의 임무가 수행될 때 퍼지 추론을 통해 최상위 우선 순위의 임무로 전환될 수 있으며, 반대로 최상위 우선 순위에서 “추적 갱신” 우선 순위로 전환될 수 있다.
이는 표적의 정보가 신뢰할 수 있는 수준으로 사용할 수 있는 임무단계가 추적이므로 우선 순위 선정시 신뢰성을 위해 제한적으로 적용해 보았다. 그림 5에 우선 순 위 선정 시 퍼지 추론 과정을 나타내었다... 고 한다.