Study of fusion architectures for target tracking with Kalman filtering (original) (raw)

Data fusion's goal is to improve decision's reliability in defense systems. Amongst all data fusion algorithms, many architectures can be used for target tracking. Our work consists in a study of four kinds of fusion architectures: centralized, distributed without feedback, distributed with feedback, and parallel distributed with feedback. Because of the feedback, we must take into acount the correlation at the level where feedback is done. The criteria used for evaluation are the radial-miss distance (RMD) and the covariance matrix (P) obtained by the central Kalman filter. Final results will be obtained as soon as the last two structures will be implemented, but our observations tend to prove that, in a maneuvering target scenario, the parallel distributed with feedback architecture has a miminum RMD compared to other distributed architectures. Résumé: L'objectif de la fusion de données est d'améliorer la fiabilité des décisions dans les systèmes de défense. Parmi tous les algorithmes de fusion, plusieurs architectures peuvent être utilisées pour l'étape du pistage de cibles. Notre travail consiste en l'étude de quatre architectures de fusion: centralisée, distribuée sans rétroaction, distribuée avec rétroaction et distribuée parallèle avec rétroaction. À cause de la rétroaction, nous devons tenir compte de la corrélation à divers niveaux, tout dépendant de l'architecture utilisée. Les critères utilisés pour la comparaison sont l'erreur quadratique moyenne (RMD) et la matrice de covariance (P) obtenue par le filtre de Kalman central. Des résultats finals seront obtenus dès que l'implentation des deux dernières architectures sera complétée. Toutefois, nos observations tendent à montrer que, dans un scénario où une cible manoeuvre, l'architecture distribuée parallèle avec rétroaction donne un RMD plus faible que les autres architectures distribuées.