Συστήματα υπέρυθρης έρευνας και παρακολούθησης IRST (IR Search & Track) – Mέρος Β΄

Υποναυάρχου (ε.α.) Γεωργίου Σάγου ΠΝ

Από το βιβλίο «Εισαγωγή στα Ηλεκτροοπτικά Συστήματα»

Εκδόσεις iWrite, 2017

ISBN 978-618-5218-78-2

Στο δεύτερο μέρος περιγράφονται οι βασικές φάσεις της διαδικασίας αυτόματης παρακολούθησης ενός οποιουδήποτε συστήματος MTT, όπως δηλαδή τα IRST, αν και σε κάποιες περιπτώσεις μπορεί να υπάρχουν διαφοροποιήσεις όσον αφορά στο συνδυασμό των αναφερόμενων σταδίων:

• Aνάθεση / υπολογισμός πύλης (gating formation/generation)

Αρχικά, έχουμε την αυτόματη, δοκιμαστική ανάθεση / υπολογισμό κάποιας πύλης (gating formation / generation), γύρω από κάθε ανίχνευση (παρατήρηση / μέτρηση), η οποία αργότερα θα χρησιμοποιηθεί για τη δημιουργία νέου ή για την ενημέρωση ήδη υφιστάμενου στόχου, αλλά και για την απάλειψη αυτών που προέρχονται από παράσιτα και θορύβους. Επίσης, πύλες υπολογίζονται και τοποθετούνται στις εκτιμώμενες (προβλεπόμενες) θέσεις των ήδη υφιστάμενων ιχνών, προκειμένου να ελεγχθούν οι επόμενες νέες ανιχνεύσεις.

Τυπικά, μια πύλη αποτελεί ελλειψοειδές, με κέντρο το σημείο πρόβλεψης / εκτίμησης. Το ακριβές σχήμα / μορφή και το μέγεθος μιας πύλης μπορεί να αυξομειώνεται σε κάθε επαναληπτικό κύκλο της διαδικασίας, με σκοπό να προσδιορίζεται ακριβέστερα ποιες υποψήφιες ανιχνεύσεις είναι έγκυρες για ενημέρωση υπαρχόντων ιχνών. Η ανάθεση μίας πύλης γύρω από την προβλεπόμενη θέση παρατήρησης ενός υφιστάμενου ίχνους βοηθά τόσο στην αποφυγή σύνδεσης/συσχέτισης του παρακολουθούμενου ίχνους με άλλες μη πιθανές παρατηρήσεις, όσο και στη μείωση περιττών υπολογισμών ανάθεσης ανιχνεύσεων σε ίχνη.

Σχήμα 9: Δημιουργία δοκιμαστικών πυλών επικύρωσης (σε δύο διαστάσεις), γύρω από τις προβλεπόμενες (εκτιμώμενες) θέσεις των υφιστάμενων στόχων / ιχνών P1, P2 και P3, με βάση τη σχετική συνδιακύμανση του καθενός. Από τις νέες παρατηρήσεις, η O4 θα αποτελέσει τη βάση δημιουργίας νέου ίχνους ή θα απαλειφθεί εντελώς ως ψευδοστόχος (θόρυβος), ενώ οι O5 και O6 θα χρησιμοποιηθούν για την ενημέρωση του στόχου P3. Oι παρατηρήσεις O1 και O2 θα ληφθούν υπόψη για την ενημέρωση του στόχου P1, ενώ οι παρατηρήσεις O1, O2, O3 για την ενημέρωση του στόχου P2.

Ειδικότερα, η λεγόμενη πύλη επικύρωσης (validation gate) κάποιου υφιστάμενου ίχνους, δηλαδή η περιοχή γύρω από την προβλεπόμενη μέτρηση στην οποία γίνεται αποδεκτή η σύζευξη των παρατηρήσεων με το παρακολουθούμενο ίχνος, σχηματίζεται χρησιμοποιώντας την προβλεπόμενη κατάσταση και τη σχετική συνδιακύμανση, έτσι ώστε οι ανιχνεύσεις με υψηλή πιθανότητα συσχέτισης να εμπίπτουν μέσα στην πύλη επικύρωσης του ίχνους. Μόνον οι ανιχνεύσεις εντός της πύλης ενός ίχνους λαμβάνονται υπόψη για αντιστοίχιση με το ίχνος. Ο αναλυτικός υπολογισμός του μεγέθους των τυπικά ελλειψοειδών πυλών βασίζεται σε κανονικοποιημένες στατιστικές αποστάσεις, που ακολουθούν κάποια κατανομή χ² (οι πίνακες κατανομής χ² αποδεικνύεται ότι αποτελούν το βέλτιστο σχήμα), μεγιστοποιώντας τη διαφορά μεταξύ του μέσου όρου ανίχνευσης στόχων εντός της πύλης και του μέσου αριθμού ψευδών μετρήσεων εντός της πύλης.

Είναι σχεδόν βέβαιο, ότι από το στάδιο αυτό, θα διέλθουν αδιευκρίνιστες ή εσφαλμένα διευκρινισμένες παρατηρήσεις / μετρήσεις, προερχόμενες τόσο από πραγματικούς στόχους όσο και από παράσιτα και θορύβους. Η τελική διευκρίνιση της προέλευσης των παρατηρήσεων, καθώς επίσης η εξάλειψη των ανεπιθύμητων παρατηρήσεων διεξάγεται στο επόμενο στάδιο της σύνδεσης των εισερχόμενων δεδομένων με ίχνη.

• Σύνδεση / συσχέτιση δεδομένων με ίχνη (observation / measurement-to-track association / correlation)

Μετά από τη δημιουργία / ανάθεση των δοκιμαστικών πυλών ακολουθεί το στάδιο σύνδεσης των παρατηρήσεων / μετρήσεων με ίχνη (observation / measurement-to-track association / correlation). Το στάδιο αυτό, παρουσιάζει απαιτητικό υπολογιστικό φορτίο, έως και το 90% της διαδικασίας ΜΤΤ, καθορίζοντας σε σημαντικό βαθμό τις επιδόσεις του συστήματος, συνολικά. Ουσιαστικά, λαμβάνονται οι μετρήσεις που αντιστοιχήθηκαν σε συγκεκριμένους στόχους από το προηγούμενο στάδιο (δοκιμαστικές πύλες) και καθορίζονται / διευκρινίζονται οι τελικές συνδέσεις / συσχετίσεις παρατηρήσεων – ιχνών, οι οποίες θα χρησιμοποιηθούν στο επόμενο στάδιο για την ενημέρωση της θέσης των πραγματικών ιχνών / στόχων (και της συνδιακύμανσης, η οποία περιλαμβάνει τα πιθανολογικά σφάλματα των μετρήσεων και εκτιμήσεων των παραμέτρων των στόχων), απορρίπτοντας παράσιτα και θορύβους.

Σε ένα περιβάλλον κορεσμένο από παρασιτικές ακτινοβολίες (clutter) και στόχους ευρισκόμενους σε κοντινές μεταξύ τους αποστάσεις, είναι πολύ πιθανό οι παρατηρήσεις να “πέφτουν” μέσα στις πύλες άλλων στόχων. Τα φαινόμενα αυτά, κατά τα οποία πολλαπλές μετρήσεις εμπίπτουν στην ίδια πύλη ή μία μέτρηση εμπίπτει σε πύλες πολλαπλών ιχνών ονομάζονται συγκρούσεις (conflicts). Για την επίλυση/διαχείριση των εν λόγω προβλημάτων, το στάδιο σύνδεσης δεδομένων λαμβάνει ως είσοδο την έξοδο κάθε πύλης του προηγούμενου σταδίου και αποφασίζει σε ποιο ίχνος ανήκει ποιος στόχος (πχ ανάλογα με τη μεταξύ τους απόσταση, μέγεθος, κτλ). Ειδικότερα, εκτελείται έλεγχος της θέσης του στόχου ως προς όλες τις υπάρχουσες πύλες παρακολούθησης (επίλυση αμφιβολίας στόχου).[1] Σε κάθε σάρωση, το σύστημα προσπαθεί να συσχετίσει όλα τα νεοεμφανιζόμενα ίχνη με ήδη υπάρχοντες στόχους υπό παρακολούθηση. Εάν κάποιο ίχνος δεν μπορεί να συσχετισθεί, τότε ανατίθεται σε αυτό μία πύλη απόκτησης (acquisition gate).

Επίσης, στο στάδιο αυτό, αναλόγως του εφαρμοζόμενου αλγορίθμου, απορρίπτονται ίχνη που προέρχονται από ανακλάσεις και ακτινοβολίες περιβάλλοντος (clutter).

Σε πολλές προσεγγίσεις, τα εισερχόμενα δεδομένα χρησιμοποιούνται για την ενημέρωση ενός μόνον ίχνους. Σε κάποιες προσεγγίσεις, τα ίδια δεδομένα μπορεί να χρησιμοποιηθούν για την ενημέρωση πολλών ιχνών, αναγνωρίζοντας έτσι την αβεβαιότητα σε ποιο ακριβώς ίχνος ανήκουν πραγματικά. Σε κάθε περίπτωση, στο στάδιο αυτό θα πρέπει να ενημερώνονται όλα τα υφιστάμενα ίχνη στον τρέχοντα χρόνο, προβλέποντας / εκτιμώντας τη νέα τους θέση με βάση την πιο πρόσφατη εκτίμηση κατάστασης (θέση, κατεύθυνση, ταχύτητα, επιτάχυνση, κτλ) και το υποτιθέμενο μοντέλο κίνησης στόχου (σταθερής ταχύτητας, σταθερής επιτάχυνσης, κτλ).

Η συσχέτιση / ανάθεση των εισερχόμενων δεδομένων (ανιχνεύσεων) σε ίχνη, μπορεί να γίνει με διάφορους τρόπους / τεχνικές, ανάλογα με τον τύπο των στόχων και των διατιθέμενων υπολογιστικών πόρων:

• Μη στατιστικές (μη Bayesian), ορίζοντας μια «πύλη απόκτησης» γύρω από την τρέχουσα θέση του ίχνους και στη συνέχεια, επιλέγοντας, πχ τα πλησιέστερα δεδομένα στην προβλεπόμενη θέση πύλης (του ίχνους), ή τα πιο ισχυρά δεδομένα μέσα στην πύλη. Αποτελούν “μη στατιστικές” / “μη πιθανολογικές” προσεγγίσεις, καθώς δεν υποθέτουν συγκεκριμένα μοντέλα για θόρυβο, clutter, ρυθμό ψευδών συναγερμών, κτλ. Τυπικά, πρόκειται για σχετικά απλούς αλγόριθμους συσχέτισης, όπως πχ του πλησιέστερου γείτονα NN (Nearest Neighbor)[2] και του ισχυρότερου γείτονα (Strongest Neighbor)[3] για την παρακολούθηση ενός στόχου (single target) ή του καθολικού / παγκόσμιου πλησιέστερου γείτονα GNN (Global NN) για την παρακολούθηση πολλαπλών στόχων (multiple  targets).

• Στατιστικές (Bayesian). Συνήθως, σε περιπτώσεις έντονου clutter προτιμάται η εφαρμογή κάποιας στατιστικής τεχνικής / προσέγγισης, η οποία επιλέγει την πιο πιθανή θέση δεδομένων (στόχου), μέσα από ένα στατιστικό συνδυασμό όλων των πιθανών θέσεων δεδομένων. Μερικά παραδείγματα αποτελούν το φίλτρο πιθανολογικής σύνδεσης δεδομένων PDA / PDAF (Probabilistic Data Association Filter),[4] η μέθοδος παρακολούθησης πολλαπλών υποθέσεων MHT (Multiple Hypothesis Tracker), ο αλγόριθμος VDA (Viterbi Data Association), το Bayesian Track Splitting Filter (TSF),[5] κτλ.

Για τη συσχέτιση/σύζευξη των ιχνών πολλών στόχων (multiple targets), προερχόμενων ακόμη και από διαφορετικές πλατφόρμες/αισθητήρες (data fusion),[6] οι αντίστοιχα εφαρμοζόμενοι στατιστικοί αλγόριθμοι είναι ο βέλτιστος εκτιμητής Bayes (Optimal Bayesian Filter),[7] η από κοινού (συνδυασμένη) πιθανολογική σύνδεση δεδομένων JPDAF (Joint Probabilistic Data Association Filter), Joint Likelihood (παραλλαγή του MHT), Multi-Target VDA, Multiple Hypothesis Joint Probabilistic (εξαιρετικά “βαριά” παραλλαγή του Bayesian TSF που εφαρμόζει από κοινού πιθανότητες μεταξύ πολλαπλών συσχετίσεων ιχνών για πολλαπλές υποθέσεις),[8] κτλ.

Η λειτουργία του τμήματος συσχέτισης είναι ιδιαίτερα σημαντική και κρίσιμη στα συστήματα παρακολούθησης πολλών στόχων (ΜΤΤ), αλλά και στα συστήματα συγχώνευσης ή σύντηξης στοιχείων / δεδομένων (data fusion) από πολλούς αισθητήρες / πηγές. Ο αλγόριθμος MHT αποτελεί μια πολύ ευέλικτη προσέγγιση στην επίλυση του προβλήματος συγχώνευσης ή σύντηξης δεδομένων πολλαπλών στόχων.

Η τεχνολογία MTT, συνδυαζόμενη με τεχνικές συγχώνευσης ή σύντηξης (fusion), μπορεί να επεξεργάζεται παρατηρήσεις από όλους τους διαθέσιμους αισθητήρες, από όλες τις συνεργαζόμενες μονάδες / πλατφόρμες και με διάφορες τεχνικές και αλγορίθμους να παράγει μία τελική, καθαρή και βέλτιστη εικόνα, από την οποία έχουν εξαλειφθεί οι θόρυβοι και το clutter. Ταυτόχρονα, παράγεται ένα κοινό αρχείο παρακολουθούμενων στόχων, περιορίζοντας την αβεβαιότητα και βελτιώνοντας την ακρίβεια παρακολούθησης, προσαρμοζόμενη στην προοριζόμενη χρήση, όπως πχ σε επίπεδο τακτικού συστήματος (πχ ±100 m) ή σε επίπεδο διεύθυνσης βολής οπλικού συστήματος (πχ ±10 m). Η προσαρμογή της ακρίβειας παρακολούθησης επιτυγχάνεται με διαφοροποιήσεις των παραμέτρων λειτουργίας των αισθητήρων, όπως του χρόνου επανεπίσκεψης του στόχου (target revisit), της κυματομορφής εκπομπής, του ρυθμού απόκτησης στοιχείων (data rate) και της διακριβωτικής ικανότητας (resolution). 

Σχήμα 10: Διάγραμμα συγχώνευσης ή σύντηξης δεδομένων / αισθητήρων (sensor fusion) του μαχητικού αεροσκάφους Eurofighter Typhoon, μέσω της μονάδας AIS (Attack Identification System), η οποία λαμβάνει δεδομένα από πολλές διαφορετικές πηγές, όπως το ραντάρ CAPTOR, το PIRATE (IRST / FLIR), το σύστημα ηλεκτρονικού πολέμου DASS (ES / RWR / MAW), τη ραδιοζεύξη MIDS (με συμμετοχή AEW&C ή/και άλλων Eurofighter), το IFF και τυχόν ατρακτίδια αναγνώρισης / σκόπευσης. Η συγχώνευση ή σύντηξη δεδομένων / αισθητήρων γίνεται αυτοματοποιημένα και δημιουργεί ενοποιημένα αρχεία ιχνών, υπερβαίνοντας κατ΄αυτόν τον τρόπο τις αδυναμίες κάθε μεμονωμένου αισθητήρα (πχ γωνιακή ανάλυση ή ανάλυση απόστασης), χρησιμοποιώντας στοιχεία από τους διαφορετικούς αισθητήρες και μειώνοντας το φόρτο εργασίας του χειριστή, στον οποίο παρουσιάζει μόνον τα απαραίτητα σύμβολα και ενδείξεις. Με την αξιοποίηση της συγχώνευσης δεδομένων καθίσταται δυνατός ο συνδυασμός, η διασύνδεση και η συσχέτιση πληροφοριών από πολλούς αισθητήρες / πηγές, με απώτερο σκοπό την αποτελεσματικότερη και ακριβέστερη εκτίμηση της θέσης του στόχου (κατ’ απόσταση & γωνία), βελτιστοποιώντας την επίγνωση της τακτικής κατάστασης.

Ο αλγόριθμος GNN αποτελεί ευρετική προσέγγιση (heuristic approach),[9] η οποία είναι περισσότερο διαδεδομένη και λίγο πιο περίπλοκη από τον τυπικό πλησιέστερο γείτονα (ΝΝ). Είναι σχετικά χαμηλού υπολογιστικού κόστους, με επαρκείς επιδόσεις για την παρακολούθηση πολλαπλών στόχων, οι οποίοι όμως είναι αραιά κατανεμημένοι (δεν παρέχεται η απαιτούμενη ακρίβεια συστημάτων διεύθυνσης βολής), μέσα σε περιβάλλον χαμηλού clutter. Ο αλγόριθμος εμφανίζει προβλήματα σε περίπτωση φαινομένου συγκρούσεων (conflicts), όπως πχ όταν πολλές παρατηρήσεις πέφτουν μέσα στην ίδια δοκιμαστική πύλη ενός στόχου ή όταν κάποια παρατήρηση πέφτει μέσα σε περισσότερες δοκιμαστικές πύλες στόχων. Επομένως, η μέθοδος GNN είναι κατάλληλη για εφαρμογές με χαλαρές επιχειρησιακές απαιτήσεις. Σε καταστάσεις χαμηλής πιθανότητας ανίχνευσης στόχων και υψηλής πιθανότητας ψευδών συναγερμών, η μέθοδος είναι αναξιόπιστη.

Η ακολουθούμενη προσέγγιση αφορά σε ένα παγκόσμιο ακέραιο πρόβλημα βελτιστοποίησης ελαχίστων τετραγώνων. Για απλούστευση των υπολογισμών, οι ανιχνεύσεις (παρατηρήσεις / μετρήσεις) χωρίζονται και επεξεργάζονται σε συστάδες (clusters), κάθε μια από τις οποίες αντιστοιχεί σε ένα ίχνος. Η ανάθεση γίνεται εξετάζοντας όλες τις πιθανές συσχετίσεις εντός των παραγόμενων πυλών, υπό τον περιορισμό ότι μια ανίχνευση (παρατήρηση / μέτρηση) μπορεί να συνδεθεί το πολύ με ένα ίχνος.

Σε αντιδιαστολή με την απλή μέθοδο ΝΝ, στη GNN είναι πιθανό η παρατήρηση που χρησιμοποιείται για την σύνδεση με ένα  ίχνος να μην είναι η πλησιέστερη, αλλά κάποια άλλη από τις παρατηρήσεις μέσα στην πύλη του ίχνους. Η προσέγγιση GNN είναι γνωστή επίσης με τις ονομασίες παρακολούθηση απλής υπόθεσης (single hypothesis tracking) ή σειριακή παρακολούθηση της πλέον πιθανής υπόθεσης (sequential most probable hypothesis tracking), επειδή επεξεργάζεται τα στοιχεία από τη δοκιμαστική πύλη σειριακά, καθορίζοντας μία μοναδιαία πιθανή σχέση σύνδεσης, κατά την οποία μία παρατήρηση χρησιμοποιείται το πολύ για να συνδεθεί με ένα στόχο ή για τη δημιουργία ενός πιθανού νέου στόχου (hard decision). Για να καθορισθεί η εν λόγω μοναδιαία σχέση σύνδεσης χρησιμοποιούνται διάφορες προσεγγίσεις, όπως πχ της μικρότερης στατιστικής απόστασης  μεταξύ παρατηρήσεων και εκτιμώμενων θέσεων στόχων ή της πλέον πιθανής (maximum likelihood) παρατήρησης για κάποιο στόχο.

Ο αλγόριθμος ελαχιστοποιεί τη λεγόμενη συνάρτηση κόστους ομάδας της κατανομής των μετρήσεων, μια συνάρτηση συνολικής απόστασης που λαμβάνει υπόψη όλες τις εκχωρήσεις ανιχνεύσεων σε ίχνη, με βάση την οποία γίνεται και η λήψη απόφασης. Ουσιαστικά, ο GNN προσομοιάζει με αλγόριθμο παρακολούθησης πολλαπλών υποθέσεων μηδενικής σάρωσης, με την έννοια ότι επιδιώκει να επιλέξει το βέλτιστο συνδυασμό αμοιβαίων αποκλειστικών συσχετίσεων μετρήσεων-ιχνών, εξετάζοντας μόνον την πιο πρόσφατη σάρωση. Η προσπάθεια βελτιστοποίησης είναι να βρεθεί και να διαδοθεί η περισσότερο πιθανή υπόθεση σε κάθε σάρωση. Όμως, σφάλματα σύνδεσης του ίχνους σε κάποιο κύκλο της διαδικασίας δεν διορθώνονται και παραμένουν στους επόμενους κύκλους.

Σχήμα 11: Παράδειγμα εφαρμογής συσχέτισης δεδομένων στην περίπτωση μιας τυπικής σύγκρουσης μεταξύ δύο ιχνών. Οι πύλες γύρω από τις προβλεπόμενες θέσεις (P1, P2) των ιχνών καλύπτονται από τρεις παρατηρήσεις (O1, O2, O3). Η μέθοδος συσχέτισης GNN βρίσκει την πιθανότερη ανάθεση εισερχόμενων παρατηρήσεων σε υπάρχοντα ίχνη, πχ την O1 στο ίχνος 1 και την O2 στο ίχνος 2. Η χρήση του όρου καθολικός (παγκόσμιος) αναφέρεται στο γεγονός ότι η ανάθεση γίνεται λαμβάνοντας υπόψη όλες τις πιθανές (εντός των πυλών) συσχετίσεις, υπό τον περιορισμό ότι μια παρατήρηση μπορεί να συσχετιστεί με το πολύ ένα ίχνος. Αυτό, διακρίνει το GNN από την απλούστερη προσέγγιση NN, στην οποία ένα ίχνος ενημερώνεται με την πλησιέστερη παρατήρηση, ακόμη κι αν αυτή μπορεί επίσης να χρησιμοποιηθεί και από άλλο ίχνος.

Ο GNN είναι ικανός να επεξεργάζεται ανιχνεύσεις (παρατηρήσεις / μετρήσεις) πολλών στόχων από πολλούς αισθητήρες. Το τμήμα παρακολούθησης αρχικοποιεί, επιβεβαιώνει, προβλέπει, διορθώνει και διαγράφει ίχνη. Επίσης, εκτιμά το διάνυσμα κατάστασης και τον πίνακα συνδιακύμανσης του διανύσματος κατάστασης για κάθε ίχνος. Κάθε ανίχνευση (παρατήρηση / μέτρηση) εκχωρείται το πολύ σε ένα ίχνος. Εάν δεν μπορεί να αντιστοιχιστεί / συνδεθεί σε κανένα ίχνος, τότε δημιουργείται νέο (έναρξη παρακολούθησης νέου ίχνους). Οποιοδήποτε νέο ίχνος ξεκινά σε δοκιμαστική (tentative) κατάσταση. Εάν έχουν εκχωρηθεί αρκετές ανιχνεύσεις (παρατηρήσεις / μετρήσεις) σε κάποιο δοκιμαστικό ίχνος, η κατάστασή του αλλάζει σε επιβεβαιωμένη. Εάν η ανίχνευση έχει ήδη μια γνωστή ταξινόμηση, το ίχνος αυτό επιβεβαιώνεται αμέσως. Εάν οι ανιχνεύσεις δεν έχουν εκχωρηθεί στο ίχνος μετά από καθορισμένο αριθμό ενημερώσεων, το ίχνος διαγράφεται.

Σχήμα 12: Η αντιστοίχιση μεταξύ ενός ίχνους και μιας μεμονωμένης μέτρησης μπορεί να είναι προβληματική, λόγω του φαινομένου αποπλάνησης του ίχνους, από έντονα παρασιτικά σήματα (clutter) ή άλλα ίχνη, με αποτέλεσμα να μην επιτυγχάνεται σωστή συσχέτιση με την πρόβλεψη. Εάν αυτό συμβαίνει επαναλαμβανόμενα, τότε το ίχνος μπορεί να αποκλίνει σημαντικά από την πραγματικότητα. Με τη μέθοδο PDA, αντί να διεξάγεται μια σταθερή ανάθεση σε κάθε κύκλο επανάληψης, υπολογίζεται η πιθανότητα εκχώρησης κάθε μέτρησης σε κάποιο συγκεκριμένο στόχο. Στη συνέχεια, διαδίδεται το μέτρο αυτών των συλλογικών πιθανοτήτων, ώστε να μετριαστεί η ενδεχόμενη αποπλάνηση του ίχνους.

Ο αλγόριθμος JPDA αποτελεί ψευδο-Bayesian ή υποβέλτιστη (sub–optimal) Bayesian προσέγγιση, για την παρακολούθηση και σύνδεση πολλαπλών αντικειμένων (στόχων) ΜΤΤ, εφαρμόζοντας ένα πιθανολογικό πλαίσιο εκτίμησης της κατάστασης κάθε αντικειμένου και συσχέτισής του με τις ανιχνεύσεις / παρατηρήσεις, σε πραγματικό χρόνο. Ειδικότερα, ο αλγόριθμος εξετάζει την πιθανότητα κάθε παρατήρησης να ανήκει σε καθέναν από τους στόχους που παρακολουθούνται, λαμβάνοντας υπόψη την αβεβαιότητα των μετρήσεων και της κίνησης των στόχων και παράγει ένα σύνολο πιθανοτήτων που αντικατοπτρίζουν την πιθανότητα κάθε παρατήρηση να σχετίζεται με κάθε στόχο. Οι ανεπαρκείς επιδόσεις της προσέγγισης PDA στην περίπτωση πολλών στόχων μέσα σε clutter οδήγησαν στην εισαγωγή της μεθόδου JPDA (η μέθοδος προτάθηκε το 1975 από τον Y. Bar–Shalom). Είναι προσαρμοζόμενος αναδρομικός αλγόριθμος παρακολούθησης πολλών στόχων (multiple target tracking), από πολλούς αισθητήρες, υψηλότερης υπολογιστικής πολυπλοκότητας και ακριβείας (track resolution) ως προς τους GNN και PDA. Επίσης, είναι ταχύτερος και λιγότερο περίπλοκος του MHT. Σε περιβάλλον clutter, συνήθως παρουσιάζει υψηλότερες επιδόσεις από τους GNN και PDA. Ο αλγόριθμος αποτελεί επέκταση του PDA για πολλούς στόχους, στην οποία υπολογίζονται οι κοινές εκ των υστέρων πιθανότητες συσχέτισης για κάθε στόχο, σε κάθε σάρωση. Συναντάται σε εφαρμογές ραντάρ και σόναρ, όπου μπορούν να ανιχνευθούν πολλαπλοί στόχοι σε περιβάλλον θορύβου και έντονου clutter. Χρησιμοποιείται επίσης σε εφαρμογές όρασης υπολογιστών και ρομποτικής, πχ για την παρακολούθηση κινούμενων αντικειμένων σε ροές video ή παρακολούθηση ανθρώπων και οχημάτων σε συνωστισμένο περιβάλλον.

Ο αλγόριθμος JPDA λειτουργεί κατασκευάζοντας έναν πίνακα που περιέχει τις κοινές πιθανότητες όλων των πιθανών συσχετίσεων μεταξύ μετρήσεων και στόχων. Αυτός ο πίνακας χρησιμοποιείται στη συνέχεια για τον υπολογισμό των πιθανοτήτων κάθε στόχου να συσχετίζεται με κάθε μέτρηση της κοινής συσχέτισης. Ο αλγόριθμος επιλέγει τους συσχετισμούς που μεγιστοποιούν τη συνολική πιθανότητα της κοινής συσχέτισης.

Τόσο ο PDA όσο και ο JPDA χρησιμοποιούν το ίδιο σταθμισμένο (ζυγισμένο) άθροισμα υπολογισμού των πιθανοτήτων σύνδεσης παρατηρήσεων-ιχνών, με βασική διαφορά στον τρόπο υπολογισμού των βαρών. Ενώ, ο PDA αντιμετωπίζει ως clutter όλες τις μετρήσεις εκτός από μία εντός της περιοχής επικύρωσης (πύλης), ο JPDA αντιμετωπίζει όλους τους αλληλεπιδρώντες στόχους (μιας συστάδας) ως συνδεδεμένους. Έτσι, ο JPDA επιτρέπει τη συμμετοχή σε περισσότερες παρατηρήσεις / μετρήσεις στην ενημέρωση ενός συγκεκριμένου στόχου (χρησιμοποιεί όλες τις μετρήσεις εντός της πύλης του ίχνους). Ταυτόχρονα, οι ίδιες παρατηρήσεις / μετρήσεις μπορεί να χρησιμοποιηθούν για την ενημέρωση περισσότερων στόχων / ιχνών, αρκεί αυτές να βρίσκονται μέσα στις αντίστοιχες πύλες.

Έτσι, ενώ το φίλτρο PDA εκχωρεί την πιο πιθανή μέτρηση / παρατήρηση σε ένα στόχο (ή δηλώνει ότι ο στόχος δεν ανιχνεύτηκε ή ότι η μέτρηση αποτελεί ψευδή συναγερμό), ο JPDA λαμβάνει το μέσο τετραγωνικό σφάλμα (MMSE) για την κατάσταση κάθε στόχου. Κάθε φορά, διατηρεί την εκτίμησή του για την κατάσταση στόχου, ως μέσο όρο και πίνακα συνδιακύμανσης μιας κανονικής κατανομής πολλών μεταβλητών.

Μια από τις απλοποιητικές παραδοχές της προσέγγισης JPDA είναι ότι ο αριθμός στόχων είναι γνωστός. Οι υπόλοιπες παρατηρήσεις θεωρούνται ψευδοστόχοι (ψευδείς συναγερμοί), κατανεμημένοι ομοιόμορφα μέσα στην περιοχή επικύρωσης. Αυτό, σημαίνει πρόσθετο χρόνο υπολογισμού, για την αξιολόγηση όλων των μετρήσεων σαν να ήταν ορθές.

Ο αλγόριθμος JPDA εφαρμόζει μια “μαλακή” / “ομαλή” ανάθεση (soft decision), στην οποία πολλαπλές ανιχνεύσεις (μετρήσεις) εντός της πύλης επικύρωσης ενός ίχνους μπορούν όλες να συνεισφέρουν κατάλληλα σταθμισμένες στο ίχνος, με βάση την πιθανότητα συσχέτισής τους. Η σύνδεση μεταξύ μετρήσεων-ιχνών βασίζεται σε ζυγισμένες μέσες τιμές όλων των μετρήσεων της τρέχουσας σάρωσης (αλγόριθμος single-scan). Ειδικότερα, ο αλγόριθμος δημιουργεί πολλές διαφορετικές υποθέσεις σύνδεσης, που αντιστοιχούν σε όλους τους πιθανούς συνδυασμούς παρατηρήσεων – στόχων. Για κάθε υπόθεση σύνδεσης υπολογίζονται οι πιθανότητες να είναι ορθή, λαμβάνοντας υπόψη την πιθανότητα ανίχνευσης του στόχου, την πιθανότητα η μέτρηση να πέφτει εντός της πύλης, τη στατιστική απόσταση παρατηρήσεων – εκτιμώμενων θέσεων στόχων, αλλά και τα σφάλματα μετρήσεων και εκτιμώμενων θέσεων, όπως υπολογίζονται από τα φίλτρα παρακολούθησης. Ο αλγόριθμος χρησιμοποιεί κοινή πιθανολογική σύνδεση δεδομένων για να εκχωρήσει ανιχνεύσεις (παρατηρήσεις / μετρήσεις) σε κάθε ίχνος, σε κάθε σάρωση (συνδυασμένες πιθανότητες, ότι μία συγκεκριμένη παρατήρηση ανατίθεται σε κάποιο στόχο). Για τον υπολογισμό των από κοινού πιθανοτήτων σύνδεσης εκμεταλλεύεται όλες τις τρέχουσες ανιχνεύσεις (δεν απορρίπτει καμία), εφαρμόζοντας κατάλληλους συντελεστές βαρύτητας (ζύγισης), και για όλους τους στόχους. Αποτελεί επομένως στατιστική προσέγγιση, στην οποία όλες οι ανιχνεύσεις που είναι υποψήφιες για συσχέτιση με το συγκεκριμένο στόχο συνδυάζονται σε μία και μοναδική στατιστικά την πιο πιθανή διορθωμένη / ανανεωμένη τιμή, λαμβάνοντας υπόψη τη στατιστική κατανομή των σφαλμάτων παρακολούθησης και του clutter.

Δεδομένου ότι ο JPDA υπολογίζει από κοινού πιθανότητες σύνδεσης για όλους τους συνδυασμούς μετρήσεων-ιχνών μέσα σε μια συστάδα (cluster), οι υπολογιστικές απαιτήσεις αυξάνονται εκθετικά με τον αριθμό των ιχνών και των μετρήσεων. Επίσης, ο JPDA υποφέρει από το ίδιο, εξαιρετικά ανεπιθύμητο πρόβλημα συνένωσης των ιχνών (για στόχους που βρίσκονται σε κοντινές μεταξύ τους αποστάσεις), όπως και ο PDA.

Στον τελικό υπολογισμό των εκτιμωμένων θέσεων λαμβάνονται υπόψη και όλες οι άλλες υποθέσεις σύνδεσης, με συντελεστές βαρύτητας ανάλογους με τις ανωτέρω επιμέρους πιθανότητες. Έτσι, εκτός από μέθοδος σύνδεσης παρατηρήσεων – ιχνών, ο αλγόριθμος JPDA αποτελεί και φίλτρο παρακολούθησης που παράγει και μία συνδυασμένη φιλτραρισμένη θέση. Το τμήμα παρακολούθησης αρχικοποιεί, επιβεβαιώνει, διορθώνει, προβλέπει, εφαρμόζει τεχνική coasting και διαγράφει ίχνη. Επίσης, εκτιμά το διάνυσμα κατάστασης και τον πίνακα συνδιακύμανσης σφάλματος της εκτιμώμενης κατάστασης για κάθε ίχνος. Κάθε ανίχνευση  (παρατήρηση / μέτρηση) εκχωρείται σε τουλάχιστον ένα ίχνος. Εάν η ανίχνευση δεν μπορεί να αντιστοιχιστεί σε οποιοδήποτε υπάρχον ίχνος, τότε δημιουργείται ένα νέο. Οποιοδήποτε νέο ίχνος ξεκινά σε δοκιμαστική (tentative) κατάσταση. Εάν έχουν εκχωρηθεί αρκετές ανιχνεύσεις σε ένα δοκιμαστικό ίχνος, τότε η κατάστασή του αλλάζει σε επιβεβαιωμένη. Εάν η ανίχνευση έχει ήδη μια γνωστή ταξινόμηση, τότε το ίχνος αυτό επιβεβαιώνεται αμέσως. Εάν οι ανιχνεύσεις δεν έχουν εκχωρηθεί στο ίχνος μέσα σε έναν καθορισμένο αριθμό ενημερώσεων, το ίχνος διαγράφεται.

Σχήμα 13: Απεικόνιση πυλών συσχέτισης με βάση τη συνδιακύμανση, για την παρακολούθηση αντικειμένων σε κοντινή μεταξύ τους απόσταση: (α) Εφαρμόζοντας την τεχνική συσχέτισης δεδομένων PDA, η οποία αναπτύχθηκε για την παρακολούθηση ενός μεμονωμένου αντικειμένου, μέσα σε περιβάλλον clutter. Ειδικότερα, υπολογίζεται η πιθανότητα ότι κάθε παρατήρηση προήλθε από το αντικείμενο ενδιαφέροντος και χρησιμοποιείται σε ένα φίλτρο (PDAF) για την εκτέλεση μιας σταθμισμένης ενημέρωσης σε όλες τις παρατηρήσεις (σε αντίθεση με την τεχνική του πλησιέστερου γείτονα, η οποία θα εκτελούσε μια πλήρη ενημέρωση μόνο στην πλησιέστερη παρατήρηση). (β) Στην περίπτωση κατά την οποία υπάρχουν δύο αντικείμενα ενδιαφέροντος, τα οποία εμφανίζονται με δύο μετρήσεις αβέβαιης προέλευσης, σχετιζόμενες με ένα ή και με τα δύο αντικείμενα, εφαρμόζεται η τεχνική JPDA (επέκταση της PDA). Ο JPDA μπορεί να επεκταθεί, ώστε κάθε αντικείμενο να αντιπροσωπεύεται από πολλαπλές υποθέσεις (MHΤ-JPDAF). Η ενημερωμένη στάθμιση των υποθέσεων του MHT είναι ίδια με αυτήν πολλαπλών αλληλεπιδρώντων μοντέλων (IMM).

Σχήμα 13(γ): Όταν υπάρχουν πολλοί στόχοι ταυτόχρονα και θέλουμε να επιτύχουμε μια καθολική συνεπή συλλογή συσχετίσεων PDA, με τον ίδιο περίπου τρόπο όπως και του GNN, τότε μπορούμε να εφαρμόσουμε το φίλτρο κοινής πιθανολογικής σύνδεσης δεδομένων (JPDA). Όπως και με τον PDA, ο αλγόριθμος JPDA υπολογίζει υποθέσεις για κάθε ζεύγος μέτρησης και ίχνους. Η πιθανότητα μιας υπόθεσης μέτρησης-ίχνους υπολογίζεται από το άθροισμα των κανονικοποιημένων υπό συνθήκη πιθανοτήτων, όπου κάθε άλλο ίχνος συσχετίζεται με κάθε άλλη μέτρηση (συμπεριλαμβανομένης και της απολεσθείσας ανίχνευσης).

Οι αναφερθέντες συμβατικοί αλγόριθμοι συσχέτισης δεδομένων, όπως ο παγκόσμιος πλησιέστερος γείτονας (GNN) και η από κοινού πιθανολογική σύνδεση (JPDA) έχουν ικανοποιητικές επιδόσεις όταν οι στόχοι είναι χωρικά διαχωρισμένοι, δηλαδή χωρίς επικαλυπτόμενες πύλες και η πυκνότητα παρασιτικών επιστροφών (clutter) είναι χαμηλή (δεν παρουσιάζουν ικανοποιητικές επιδόσεις σε χαμηλές τιμές SNR). Ο αλγόριθμος GNN επιλέγει την πιο πιθανή υπόθεση για όλες τις παρελθοντικές μετρήσεις (hard decision). Η προσέγγιση JPDA αποτελεί “ήπιας / χαλαρής” απόφασης προσέγγιση (soft decision). Και οι δύο μέθοδοι δεν διατηρούν υποθέσεις από σάρωση σε σάρωση (single scan). Ως εκ τούτου, οι ασάφειες που προκύπτουν σε κάθε σάρωση, λόγω πολλαπλών από κοινού μετρήσεων για παραπλήσια κινούμενα ίχνη ή σε περιβάλλον υψηλού clutter, δεν επιλύονται με βέλτιστο τρόπο. Αυτό, έχει ως αποτέλεσμα ανακριβείς κινηματικές εκτιμήσεις της κατάστασης των ιχνών και την απώλεια αυτών  (η προσέγγιση JPDA θεωρείται ακριβέστερη του GNN).

Ο αλγόριθμος MHT αποτελεί προσέγγιση MAP (Maximum-A-Posteriori), o οποίος στη βασική του μορφή παρακολουθεί έναν και μοναδικό στόχο. Είναι υπολογιστικά εντατικός και χρονοβόρος, καθώς παρακολουθεί τη θέση και την κίνηση ενός αντικειμένου, δημιουργώντας πολλαπλά δυνητικά ίχνη (πολλαπλές υποθέσεις) και στη συνέχεια εφαρμόζοντας Bayesian συμπερασματολογία ενημερώνει και σταθμίζει τις πιθανότητες κάθε υπόθεσης με την πάροδο του χρόνου. Σε περιπτώσεις όπου υπάρχει αβεβαιότητα / ασάφεια στις λαμβανόμενες παρατηρήσεις από τους αισθητήρες, όπως πχ σε συνωστισμένο περιβάλλον με πολλά κινούμενα αντικείμενα και έντονο clutter είναι ακριβέστερος από όλους τους προηγούμενους (ΝΝ, GNN, PDA, JPDA, κτλ). Αναπτύχθηκε, με τον ίδιο τρόπο όπως και οι PDA/JPDA, σύμφωνα με δύο κύριες παραδοχές, ότι το πολύ μία μέτρηση μπορεί να προέρχεται από κάθε στόχο σε κάθε σάρωση και ότι ένας στόχος μπορεί να μην εμφανίζεται απαραίτητα σε κάθε σάρωση (P_d<1). Η τεχνική MHT, μεταξύ άλλων χρησιμοποιείται στην επιτήρηση, στην όραση υπολογιστών, στα αυτόνομα οχήματα και στη ρομποτική για την παρακολούθηση αντικειμένων σε δυναμικά περιβάλλοντα.

Για κάθε νέα μέτρηση (παρατήρηση) υπάρχουν πολλές πιθανές υποθέσεις ως προς την ακριβή φύση της συσχέτισης (συνδυασμοί παρατηρήσεων – στόχων), όποτε συμβαίνουν συγκρουσιακές καταστάσεις μεταξύ παρατηρήσεων και ιχνών, από τις οποίες μια είναι η σωστή υπόθεση. Η μέτρηση μπορεί, πχ να συνδεθεί με κάποιο υφιστάμενο ίχνος της τρέχουσας σάρωσης, με ένα νέο ίχνος ή με κανένα ίχνος. Σε αντίθεση με άλλους αλγορίθμους (όπως ο JPDA) που συνδυάζουν τις υποθέσεις αυτές, ο MHT ακολουθεί προσέγγιση αναβαλλόμενης απόφασης, η οποία δημιουργεί και διατηρεί το πλήρες σύνολο των πιθανών συσχετίσεων δεδομένων (εναλλακτικές πιθανές υποθέσεις σχετικά με τη θέση και την ταχύτητα του αντικειμένου), καθώς λαμβάνονται νέες μετρήσεις εντός της πύλης, αναβάλλοντας (μεταθέτοντας) τις σκληρές αποφάσεις για τις δύσκολες καταστάσεις συσχέτισης (για το ποια μέτρηση θα επιλεγεί), έως ότου ληφθούν περισσότερες πληροφορίες, που θα ξεκαθαρίσουν την αβεβαιότητα και θα επιτρέψουν την επιλογή της σωστής υπόθεσης. Το βασικό πλεονέκτημα του MHT είναι ότι επιτρέπει στις ασάφειες συσχέτισης δεδομένων, να επιλύονται φυσικά με την πάροδο του χρόνου, δημιουργώντας συχνά πιο ακριβή και καθαρά ίχνη, από έναν αλγόριθμο μεμονωμένων υποθέσεων. Ο αριθμός των πολλαπλών υποθέσεων που σχηματίζονται και διαδίδονται από σάρωση σε σάρωση, μπορεί να αυξηθεί εντυπωσιακά. Σε κάθε υπόθεση δίνεται βαθμολογία, εξαρτώμενη από την πιθανότητα (συνάρτηση πιθανοφάνειας) για το πόσο η μέτρηση ταιριάζει στο μοντέλο και η υπόθεση είναι σωστή. Η βαθμολογία συγκεντρώνεται για την αξιολόγηση των συνδυασμών διαδοχικών μετρήσεων. Όλες οι υποθέσεις μπορούν να διατηρηθούν από την μια σάρωση στην άλλη ή μπορούν να κλαδευτούν οι λιγότερο πιθανές επιλογές ιχνών (υποθέσεις). Για το λόγο αυτό, ο MHT είναι υπολογιστικά πολύ απαιτητικός αλγόριθμος, που χρειάζεται μεγάλη μνήμη.

Ο ΜΗΤ αποτελεί Bayesian τεχνικήπαρακολούθησης, γενικότερη της JPDA, στην οποία όμως αντί να επιλέγεται απ’ ευθείας η υπόθεση με την υψηλότερη πιθανότητα, σε κάθε κύκλο ανανέωσης παράγεται για κάθε μετρούμενο ίχνος ένας νέος αριθμός “εύλογων”/“έγκυρων” υποψήφιων υποθέσεων παρακολούθησης (πολλών δυνατών εκτιμήσεων ιχνών), οι οποίες επαναξιολογούνται καθώς λαμβάνονται περισσότερα δεδομένα / παρατηρήσεις (track splitting – αλγόριθμος multi-scan). Δηλαδή, ο MHT επιτρέπει σε κάθε πιθανό ίχνος να ενημερώνεται με περισσότερες παρατηρήσεις / δεδομένα (plot) σε κάθε νέα σάρωση, δημιουργώντας πολλαπλά πιθανά ίχνη.  Με την πάροδο του χρόνου, το ίχνος διακλαδίζεται σε πολλές πιθανές κατευθύνσεις.

Ο MHT υπολογίζει την εκτιμώμενη κατάσταση, τη συνδιακύμανση (covariance) και το λόγο πιθανοφάνειας (likelihood ratio) των παραγόμενων υποθέσεων παρακολούθησης, κάθε πιθανού ίχνους. Υπολογίζοντας την πιθανότητα για το κάθε ίχνος επιλέγει μόνον το πιο πιθανό ενδεχόμενο σύνδεσης (αποκόπτοντας τα υπόλοιπα) με βάση τις μετρήσεις (εκτίμηση MAP). Για λόγους πεπερασμένης υπολογιστικής μνήμης και ισχύος, συνήθως εφαρμόζεται κάποια προσέγγιση διαγραφής των λιγότερο πιθανών ενημερώσεων ιχνών. Με αυτόν τον τρόπο αυξάνεται η πιθανότητα ανίχνευσης και μειώνεται η πιθανότητα ψευδών συναγερμών. Η εκτιμώμενη μελλοντική θέση κάθε ίχνους βασίζεται στο ιστορικό συγκεκριμένου/σταθερού αριθμού προηγούμενων θέσεων. Γύρω από την εκτιμώμενη  θέση δημιουργείται ένα γωνιακό παράθυρο παρακολούθησης (angular gate), μεγέθους ανάλογου των στοιχείων κίνησης του στόχου.

Ο ΜΗΤ επιλέγεται σε περιπτώσεις στις οποίες το μοντέλο κίνησης του στόχου είναι πολύ απρόβλεπτο και θα πρέπει να εξετάζονται όλα τα πιθανά ενδεχόμενα. Είναι ιδανικά κατάλληλος για την εκμετάλλευση πληροφοριών υψηλότερης τάξης, όπως μακροπρόθεσμα μοντέλα κίνησης και εμφάνισης, καθώς ολόκληρη η υπόθεση ενός ίχνους μπορεί να ληφθεί υπόψη κατά τον υπολογισμό της πιθανότητας (υπολογίζεται η πιθανότητα κάθε ίχνους και επιλέγεται ο πιο πιθανός συνδυασμός ιχνών). Μειονέκτημα αποτελεί το γεγονός ότι μπορεί να είναι πολύ αργός (ανήκει στην κατηγορία προβλημάτων NP-hard), ιδιαίτερα στην περίπτωση παρακολούθησης πολλών στόχων ταυτόχρονα (η υπολογιστική πολυπλοκότητα αυξάνεται εκθετικά με την αύξηση των στόχων).

Η προσέγγιση MHT εξετάζει πολλαπλές υποθέσεις συσχέτισης σε πολλές διαδοχικές σαρώσεις N, τυπικά από 3 έως 5, υποθέτοντας ότι οποιαδήποτε αβεβαιότητα επιλύεται τέλεια μετά από N χρονικά βήματα. Υπάρχουν δύο κύριες παραλλαγές του MHT, με προσανατολισμό στις μετρήσεις / υποθέσεις (Measurement / Hypothesis Oriented)[10] και με προσανατολισμό στα ίχνη TO (Track Oriented).[11]

Σε αντίθεση με την προσέγγιση προσανατολισμένη στις υποθέσεις, ο αλγόριθμος MHT-TO δεν διατηρεί τις υποθέσεις από σάρωση σε σάρωση. Όταν λαμβάνονται νέες μετρήσεις, το υφιστάμενο σύνολο ιχνών διευρύνεται χρησιμοποιώντας όλες τις πιθανές αναθέσεις μέσα σε κάθε πύλη. Τα ίχνη που σχηματίζονται σε κάθε σάρωση αναδιαρθρώνονται σε υποθέσεις και τα ίχνη που επιβιώνουν των διαγραφών διατηρούνται για την επόμενη σάρωση, όπου συνεχίζεται η διαδικασία. Επομένως, η μέθοδος δεν διατηρεί κάποιο σύνολο υποθέσεων μεταξύ των σαρώσεων, αλλά διατηρεί ένα σύνολο μη συμβατών ιχνών (που μοιράζονται κοινές παρατηρήσεις), το οποίο χρησιμοποιείται για να δημιουργηθούν οι υποθέσεις.

Ειδικότερα, ο ΜΗΤ-ΤΟ χρησιμοποιεί μια δομή δεδομένων που ονομάζεται δέντρο ίχνους για να αναπαραστήσει τις πιθανές υποθέσεις (σε αντίθεση με τη ρητή απεικόνιση του MHT-ΗΟ). Αυτό, επιτρέπει στον ΜΗΤ-ΤΟ να αναπαραστήσει ένα πολύ μεγαλύτερο σύνολο υποθέσεων. Σε ένα δέντρο ίχνους, κάθε κόμβος αντιστοιχεί σε μια παρατήρηση, ενώ κάθε διακλάδωση αντιπροσωπεύει ένα πιθανό ίχνος. Καθώς φτάνουν νέες σαρώσεις, τα υπάρχοντα δέντρα ιχνών επεκτείνονται για να συμπεριλάβουν τις νέες παρατηρήσεις και δημιουργούνται νέα δέντρα για να αντιπροσωπεύσουν πιθανούς νέους στόχους. Σε κάθε σάρωση περιλαμβάνονται ψευδοπαρατηρήσεις για να αναπαραστήσουν χαμένες ανιχνεύσεις και διαγραφές.

O ΜΗΤ-ΤΟ επεξεργάζεται και εκχωρεί ανιχνεύσεις πολλαπλών στόχων από πολλούς αισθητήρες. Το τμήμα παρακολούθησης αρχικοποιεί, επιβεβαιώνει, προβλέπει, διορθώνει και διαγράφει ίχνη. Επίσης, εκτιμά το διάνυσμα κατάστασης και τον πίνακα συνδιακύμανσης του διανύσματος κατάστασης για κάθε ίχνος. Οποιοδήποτε νέο ίχνος ξεκινά σε δοκιμαστική (tentative) κατάσταση. Εάν έχουν εκχωρηθεί αρκετές ανιχνεύσεις σε ένα δοκιμαστικό ίχνος, τότε η κατάστασή του αλλάζει σε επιβεβαιωμένη. Εάν η ανίχνευση έχει ήδη μια γνωστή ταξινόμηση, αυτό το ίχνος επιβεβαιώνεται αμέσως. Εάν οι ανιχνεύσεις δεν έχουν εκχωρηθεί στο ίχνος μέσα σε έναν καθορισμένο αριθμό ενημερώσεων, το ίχνος διαγράφεται.

Σχήμα 14(α): Η λογική δομή της αυτόματης διαδικασίας παρακολούθησης πολλαπλών υποθέσεων MHT (Multi-Hypothesis Tracker), με προσανατολισμό στα ίχνη (ΤΟ). Ο αλγόριθμος διαμορφώνει / αναμορφώνει παγκόσμιες υποθέσεις, με βάση τα πρόσφατα ενημερωμένα ίχνη σε κάθε σάρωση και συνήθως διατηρεί ένα σύνολο πιθανών ιχνών χρησιμοποιώντας τη δομή δέντρου ιχνών. Τα ίχνη που επιβιώνουν από το κλάδεμα προβλέπονται στην επόμενη σάρωση, όπου συνεχίζεται η διαδικασία. Η υπολογιστική του πολυπλοκότητα είναι σχετικά χαμηλότερη για χρήση σε εφαρμογές πραγματικού χρόνου.

Σχήμα 14(β): Παράδειγμα εφαρμογής του αλγορίθμου MHT, με προσανατολισμό στα ίχνη (Track Oriented), χρησιμοποιώντας δέντρα ιχνών. Τα δύο αρχικά ίχνη (1 & 2) αντιπροσωπεύονται από τα δύο πιο αριστερά δέντρα. Οι κόμβοι αριθμούνται σύμφωνα με τη μέτρηση (1,2 & 3), με την οποία έχει συσχετιστεί το ίχνος στην τρέχουσα σάρωση. Ας υποθέσουμε ότι το ίχνος 1 σχετίζεται με τη μέτρηση 2, ενώ  το ίχνος 2 σχετίζεται με τη μέτρηση 1 στην προηγούμενη σάρωση. Υπάρχουν 4 πιθανές αντιστοιχίσεις για το ίχνος 1. Η τιμή 0 δηλώνει ότι το ίχνος δεν έχει αντιστοιχιστεί σε καμία μέτρηση στην τρέχουσα σάρωση. Τα σχηματισμένα ίχνη μπορούν να αναπαρασταθούν στον πίνακα, δεξιά. Αντίθετα με την προσέγγιση MHT προσανατολισμένη στις υποθέσεις, κάθε ίχνος αντιπροσωπεύεται από ένα δέντρο και οι εναλλακτικές υποθέσεις συσχέτισης αντιπροσωπεύονται από τους διαφορετικούς κόμβους στο δέντρο στόχο. Κάθε κόμβος μέσα στο δέντρο είναι ασύμβατος με όλα τα άλλα ίχνη του δέντρου, επομένως το σύνολο των ιχνών στο ίδιο δέντρο μπορεί να αντιπροσωπεύει το πολύ έναν στόχο.

Κατά το παρελθόν, είχε υποστηριχθεί ο ΜΗΤ-ΤΟ, ως αποδοτικότερος του MHT-ΗΟ, επειδή δημιουργεί αναδρομικά μόνον ίχνη, χωρίς να παράγει τάξεις μεγέθους μεγαλύτερο πλήθος υποθέσεων από τον αριθμό των στόχων, ενώ βρίσκει τη βέλτιστη υπόθεση συσχέτισης μόνον όταν χρειάζεται. Με κάθε νέο σύνολο μετρήσεων σε μια σάρωση, ο αλγόριθμος δημιουργεί ανεξάρτητες δυνατές συσχετίσεις με ίχνη. Σε αυτό το στάδιο, πολλά ίχνη μπορούν να ενημερωθούν με την ίδια μέτρηση. Με αυτόν τον τρόπο, ο αριθμός των ιχνών εξακολουθεί να αυξάνεται ταχέως με τον αριθμό των πλαισίων (καρέ) / σαρώσεων. Δεδομένου ότι η εκτίμηση πιθανότητας και κατάστασης πρέπει να παράγονται για κάθε ίχνος, η αποδοτική διαχείριση των ιχνών είναι αναγκαία. Έτσι, εκτός από τις τεχνικές διαχείρισης υποθέσεων MHT-ΗΟ, το κλάδεμα N-σαρώσεων αποτελεί μια συνήθη μέθοδο που εφαρμόζεται σχεδόν σε όλους τους αλγόριθμους MHT-ΤΟ. Επίσης, για κάθε ίχνος υπολογίζεται ο λογαριθμικός λόγος πιθανοφάνειας, ο οποίος συγκρίνεται με κάποιο όριο. Τα ίχνη που δεν ξεπεράσουν αυτό το όριο κλαδεύονται αμέσως. Αφού βρεθεί μια προτιμότερη υπόθεση, τα ίχνη στην υπόθεση χρησιμοποιούνται για το κλάδεμα των ιχνών που δεν μοιράζονται μαζί τους προγονικούς κόμβους. Ακόμη, όπως και στον MHT-ΗΟ, η δημιουργία συστάδων (clustering) αποσυνθέτει το πρόβλημα συσχέτισης δεδομένων σε ανεξάρτητα προβλήματα. Η επεξεργασία σε κάθε συστάδα μπορεί να γίνει ανεξάρτητα, οπότε χρησιμοποιώντας παράλληλη επεξεργασία, η κάθε συστάδα μπορεί να ανατεθεί σε διαφορετικό επεξεργαστή.

Μια επιπρόσθετη λειτουργία είναι η συνένωση όμοιων ιχνών. Η ομοιότητα ιχνών μπορεί να καθοριστεί με όρους κοινών παρατηρήσεων ή/και παρόμοιων εκτιμήσεων διανυσμάτων κατάστασης. Η λειτουργία της συνένωσης μπορεί να πραγματοποιηθεί χρησιμοποιώντας το κοινό ιστορικό παρατηρήσεων, πριν σχηματιστούν και αποτιμηθούν οι υποθέσεις ώστε λιγότερα ίχνη (και υποθέσεις) να χρειαστεί να ληφθούν υπόψη. Ένας τυπικός κανόνας είναι η συνένωση των ιχνών που έχουν κοινές τις τελευταίες N παρατηρήσεις (πχ N ≥ 3). Επίσης, συνένωση ιχνών βασισμένη σε εκτιμήσεις διανυσμάτων κατάστασης είναι δυνατό να πραγματοποιηθεί μετά το φιλτράρισμα Kalman.

Ο αλγόριθμος MHT-ΤΟ δεν απαιτεί αξιολόγηση υποθέσεων σε κάθε πλαίσιο, σε αντίθεση με τον MHT-ΗΟ. Ωστόσο, είναι χρήσιμο να εκτιμηθεί η πιθανότητα της βέλτιστης υπόθεσης. Οι πιθανότητες των βέλτιστων αυτών υποθέσεων, μπορούν να χρησιμοποιηθούν για τον υπολογισμό της πιθανότητας ενός ίχνους.

Ο αλγόριθμος MHT-ΤΟ μαθαίνει τις τροχιές όλων των στόχων που είναι ορατοί στο σύστημα του αισθητήρα. Τα ίχνη αρχίζουν να ενημερώνονται και να αποθηκεύονται πριν διαμορφωθούν σε υποθέσεις. Για την επιβεβαίωση ή τη διαγραφή ενός ίχνους, εφαρμόζεται διαδικασία βαθμολόγησης που συνίσταται στη σύγκριση της πιθανότητας ότι το ίχνος αντιπροσωπεύει πραγματικό στόχο, έναντι της πιθανότητας ότι αποτελεί συλλογή ψευδών συναγερμών. Έτσι, τα λιγότερο πιθανά ίχνη μπορούν να διαγραφούν πριν από το επόμενο στάδιο στο οποίο τα ίχνη διαμορφώνονται σε υποθέσεις.

Σχήμα 15: Ο αλγόριθμος MHT καθυστερεί τις αποφάσεις συσχέτισης δεδομένων, διατηρώντας έγκυρες πολλαπλές υποθέσεις μέχρι να επιλυθούν οι ασάφειες. Έτσι, διατηρεί πολλαπλά δέντρα παρακολούθησης ιχνών, καθένα από τα οποία αντιπροσωπεύει όλες τις υποθέσεις που προέρχονται από μία μόνο παρατήρηση. (α) Υποθέσεις ιχνών μετά τη δοκιμαστική πύλη κατά τη χρονική στιγμή k. Για απλότητα, απεικονίζεται μόνον ένα υποσύνολο υποθέσεων ιχνών. (β) Δημιουργία περιοχών πύλης για δύο υποθέσεις ιχνών, με διαφορετικά κατώφλια απόστασης. (γ) Τα αντίστοιχα δέντρα ιχνών, όπου κάθε κόμβος σχετίζεται με μια από τις μετρήσεις / παρατηρήσεις στο (α).

O ΜΗΤ-HΟ διατηρεί τη δομή των υποθέσεων από σάρωση σε σάρωση, επεκτείνοντας και διαγράφοντας συνεχώς τις υποθέσεις καθώς καταφθάνουν νέα ίχνη. Σε κάθε σάρωση, μεταφέρεται από την προηγούμενη μια ομάδα / λίστα υποθέσεων, κάθε δυνατής προέλευσης, η οποία αποτελεί συλλογή συμβατών ιχνών, δηλαδή ιχνών που δεν μοιράζονται κάποια κοινή παρατήρηση. Με τη λήψη νέων δεδομένων / μετρήσεων, κάθε υπόθεση επεκτείνεται σε μια ομάδα νέων υποθέσεων, λαμβάνοντας υπόψη όλες τις αναθέσεις παρατήρησης σε ίχνος που ανήκουν στην υπόθεση. Έτσι, κάθε νέα παραγόμενη ομάδα / λίστα υποθέσεων περιλαμβάνει τα ήδη υπάρχοντα ίχνη, νεα δοκιμαστικά ίχνη (για αρχικοποίηση) και ψευδείς συναγερμούς. Καθώς νέες υποθέσεις σχηματίζονται, διατηρείται ο περιορισμός συμβατότητας μέσα σε μια υπόθεση.

Στη δεκαετία του 1970 υπήρχε μεγάλο ενδιαφέρον σε τεχνικές συσχέτισης για θαλάσσια επιτήρηση, όπου η σύνδεση μόνο με κινηματικά δεδομένα είναι δύσκολη, επειδή οι παρατηρήσεις είναι διάσπαρτες. Έτσι, ο MHT καθυστερεί τις αποφάσεις συσχέτισης, έως ότου διατεθούν ποιοτικά δεδομένα χαρακτηριστικών. Ο MHT-HO περιλαμβάνει αναδρομική δημιουργία, αξιολόγηση και διαχείριση υποθέσεων. Ειδικότερα, δημιουργεί αναδρομικά υποθέσεις σχετικά με την προέλευση των μετρήσεων και υπολογίζει την πιθανότητα κάθε υπόθεσης.

Δεδομένου ότι ο αριθμός των υποθέσεων αυξάνεται πολύ γρήγορα με κάθε νέο πλαίσιο / σάρωση απαιτούνται τεχνικές διαχείρισης υποθέσεων, ώστε ο αναδρομικός αλγόριθμος MHT να είναι πρακτικά εφαρμόσιμος και να αποφευχθεί η υπολογιστική υπερφόρτωση του συστήματος.[12] Για τον περιορισμό των υπολογισμών,  κάποιες από τις εφραμοζόμενες τεχνικές αποτελούν το κλάδεμα των χαμηλής πιθανότητας υποθέσεων κάτω από κάποιο όριο (περιορίζοντας έτσι την εκθετική ανάπτυξη του δέντρου υποθέσεων με την πάροδο του χρόνου), ο συνδυασμός (σύζευξη) υποθέσεων με παρόμοια ίχνη και η αποσύνθεση (ομαδοποίηση) στόχων και μετρήσεων σε συστάδες (clusters), που μπορούν να επιλυθούν ανεξάρτητα. Το κλάδεμα υποθέσεων απαιτεί την εύρεση αυτών με τις μεγαλύτερες πιθανότητες που θα μεταφερθούν στην επόμενη σάρωση. Αρχικά, χρησιμοποιήθηκαν ευρετικές μέθοδοι και τεχνικές αναζήτησης, αλλά τα αποτελέσματα συχνά δεν ήταν ικανοποιητικά. Ο MHT-HO έγινε πρακτικά εφαρμόσιμος, όταν αναπτύχθηκαν αποτελεσματικές τεχνικές, ώστε η εκθετική ανάπτυξη υποθέσεων να μπορεί να περιοριστεί, διατηρώντας μόνο τις Ν προτιμότερες (Ν-best) υποθέσεις από κάθε σάρωση, χρησιμοποιώντας τον αλγόριθμο του Murty. Αυτός, μειώνει τον αριθμό των υποθέσεων μικρής πιθανότητας που σχηματίζονται αχρείαστα για να διαγραφούν στη συνέχεια.

Η εκτίμηση των ορίων για τις πιθανότητες της υπόθεσης είναι χρήσιμη για την επικύρωση της ορθότητας της υλοποίησης. Η πιθανότητα ενός ίχνους, μπορεί να υπολογιστεί ως το άθροισμα των πιθανοτήτων όλων των υποθέσεων που περιέχουν το ίχνος. Δεδομένου ότι μπορεί να είναι πολύ δύσκολο να απαριθμηθούν και να αξιολογηθούν όλες οι υποθέσεις, ο υπολογισμός της πιθανότητας παρακολούθησης διεξάγεται σχεδόν πάντα κατά προσέγγιση.

Μετά από τον περιορισμό του αριθμού των υποθέσεων, υπολογίζονται εκ νέου οι πιθανότητες των εναπομεινάντων υποθέσεων, ενώ επιτελούνται και άλλες λειτουργίες, όπως ο υπολογισμός της εκτιμώμενης θέσης των ιχνών για την επόμενη σάρωση, καθώς επίσης και η αναγνώριση στόχων. Επομένως, ο αλγόριθμος MHT, πέραν της σύνδεσης μετρήσεων-ιχνών, λειτουργεί και ως φίλτρο παρακολούθησης, αποφασίζοντας ακόμη και για την έναρξη/διακοπή της παρακολούθησης των ιχνών.

Σχήμα 16: Παράδειγμα εφαρμογής του αλγορίθμου MHT, με προσανατολισμό στις υποθέσεις (Hypothesis Oriented), χρησιμοποιώντας διακλαδώσεις δέντρου υποθέσεων για κάθε υποψήφιο στόχο. Στην απεικονιζόμενοι σάρωση υπάρχουν δύο προηγούμενοι στόχοι (Τ1, Τ2) και τρεις νέες μετρήσεις (Μ1, Μ2, Μ3). Kάθε στόχος θεωρείται ότι παράγει ένα μόνον ίχνος. Η εφαρμογή των πυλών απομακρύνει τους λιγότερο πιθανούς συνδυασμούς. Επίσης, για απλούστευση των υπολογισμών, οι υποθέσεις χωρίζονται και επεξεργάζονται ανεξάρτητα σε συστάδες (clusters), σε κάθε μια από τις οποίες αντιστοιχεί ένα ίχνος.[13] Στο παράδειγμα θεωρούμε ότι αρχικά έχουμε δύο ίχνη (1 & 2) και στην επόμενη σάρωση έχουμε τρία ίχνη (3, 4 & 5). Η ρίζα του δέντρου είναι η αρχική υπόθεση ότι υπάρχουν δύο ίχνη (1 & 2). Η πρώτη διακλάδωση του δέντρου υποθέσεων γίνεται χρησιμοποιώντας όλες τις πιθανές εκχωρήσεις της πρώτης μέτρησης. Οι αριθμοί στους κόμβους υποδεικνύουν σε ποιο ίχνος έχει εκχωρηθεί η μέτρηση. Σχετικά με την προέλευση της μέτρησης 1, μπορούν να γίνουν 4 υποθέσεις: i) ψευδής συναγερμός (μηδενικό ίχνος), ii) νέο ίχνος (3) , iii) και iv) ανάθεση σε υπάρχοντα ίχνη 1 και 2. Με τον ίδιο τρόπο δημιουργείται το υπόλοιπο δέντρο. Το βάθος του δέντρου είναι ίσο με τον αριθμό των μετρήσεων στην τρέχουσα σάρωση. Από την άποψη της υλοποίησης, είναι πιο πρακτικό να αναπαραστήσουμε το σύνολο των υποθέσεων σε μορφή πίνακα. Αφού ληφθεί υπόψη η πρώτη μέτρηση, ο πίνακας υποθέσεων είναι ένας πίνακας (στήλη) 4×1. Οι σκιασμένες γραμμές του πίνακα είναι υποθέσεις που δεν περιέχουν συμβατές αναθέσεις (αντιστοιχούν σε ίχνη που εκχωρούνται σε περισσότερες από μία μετρήσεις), επομένως αυτές οι γραμμές του πίνακα υποθέσεων (κλαδιά δέντρου) πρέπει να διαγραφούν. Στον πίνακα υποθέσεων, ανάλογα με τη συσχέτιση που έχει θεωρηθεί σωστή, η εκτίμηση κατάστασης του ίχνους δεν είναι η ίδια για διαφορετικές υποθέσεις. Για παράδειγμα, για το ίχνος 2, οι εκτιμήσεις στις υποθέσεις [2 4 5], [1 2 5] και [1 0 5] είναι διαφορετικές σε κάθε ανανέωση του ίχνους με διαφορετική μέτρηση.

Σχήμα 17: Η συνοπτική λογική δομή της αυτόματης διαδικασίας παρακολούθησης πολλαπλών υποθέσεων MHT (Multi-Hypothesis Tracker), με προσανατολισμό στις υποθέσεις (ΗΟ). Ο αλγόριθμος διατηρεί και μεταδίδει άμεσα παγκόσμιες υποθέσεις. Η υπολογιστική πολυπλοκότητα της αντιμετώπισης παγκόσμιων υποθέσεων καθιστά δύσκολη τη χρήση του σε εφαρμογές πραγματικού χρόνου. Μέσα σε έναν υπολογιστικό κύκλο, αφού συλλεχθούν τα δεδομένα των παρατηρήσεων, δημιουργούνται δοκιμαστικές πύλες, σχηματίζονται όλες τις υποθέσεις σύνδεσης παρατηρήσεων με υπάρχοντα ίχνη, μειώνεται ο αριθμός των υποθέσεων αλλά και προστίθενται νέα ίχνη και δημιουργούνται νέες υποθέσεις για τα ίχνη που δεν συνδέονται με τις παρατηρήσεις, υπολογίζονται οι πιθανότητες για όλες τις δημιουργούμενες νέες πιθανές υποθέσεις, υπολογίζονται οι εκτιμώμενες θέσεις των ιχνών για την επόμενη σάρωση και τέλος επιλέγεται η υπόθεση με τη μεγαλύτερη πιθανότητα. Κατά τις επόμενες σαρώσεις χρησιμοποιούνται κάποια στοιχεία για να διευκρινισθούν αβεβαιότητες προκειμένου να διατηρηθεί (ή να καταρριφθεί) η πλέον πιθανή υπόθεση.

Πίνακας 1: Σύγκριση μεταξύ των εναλλακτικών προσεγγίσεων εφαρμογής της μεθόδου ΜΗΤ

ΜΗΤ-ΗΟ (Reid) (με προσανατολισμό στις υποθέσεις)	ΜΗΤ-ΤΟ (Kurien) (με προσανατολισμό στα ίχνη)
Διατηρεί από σάρωση σε σάρωση τις υποθέσεις υψηλής πιθανότητας	Διατηρούνται μόνον τα ίχνη υψηλής πιθανότητας
Οι τρέχουσες υποθέσεις γεννούν νέες υποθέσεις	Οι υποθέσεις αναδιαρθρώνονται αφότου σχηματιστούν τα ίχνη
Διαγράφονται οι υποθέσεις χαμηλής πιθανότητας	Διαγράφονται τα ίχνη χαμηλής πιθανότητας

Οι μέθοδοι παρακολούθησης πολλαπλών υποθέσεων (MHT) είναι σχετικά ακριβείς, αλλά υπολογιστικά περίπλοκες, καθώς ο αριθμός των στόχων που πρέπει να παρακολουθούνται (μετρήσεων με δυνατότητες συσχέτισης στόχου) αυξάνεται δραματικά μέσα σε περιβάλλον clutter ή όταν οι στόχοι κινούνται πολύ κοντά μεταξύ τους (πχ παράκτια ύδατα). Παρόλα αυτά, λειτουργούν ικανοποιητικά ακόμη και με 10-100 φορές χαμηλότερες τιμές SNR.

Πίνακας 2: Συγκριτικά χαρακτηριστικά τυπικών αλγορίθμων σύνδεσης δεδομένων (data association)

	ΝΝ	PDAF	JPDAF	MHT
Παρακολούθηση στόχων με απότομες μεταβολές / απρόβλεπτη κίνηση	όχι			ναι
Παρακολούθηση κοντινών μεταξύ τους  (διασταυρούμενων) ιχνών	όχι	όχι	ναι	ναι
Υψηλή ταχύτητα έναρξης παρακολούθησης (track initiation)	ναι	όχι	όχι	ναι
Διατήρηση παρακολούθησης (track maintenance)		ναι	ναι	ναι
Επιδόσεις σε περιβάλλον clutter	όχι	ναι	ναι	ναι
Στενό φασματικό εύρος επικοινωνιακών ζεύξεων για συστήματα κατανεμημένης επεξεργασίας (data fusion)	ναι	ναι		όχι
Πολυπλοκότητα επεξεργασίας	όχι	όχι	ναι	ναι

Μετά από την ολοκλήρωση της διαδικασίας σύνδεσης, κάποια δεδομένα θα παραμείνουν μη συσχετισμένα με τα υπάρχοντα ίχνη και κάποια ίχνη μπορεί να παραμείνουν χωρίς ενημερώσεις / ανανεώσεις. Αυτό, οδηγεί στο επόμενο στάδιο διαχείρισης των ιχνών (έναρξης, διατήρησης, κτλ).

• Διαχείριση ιχνών (track management)

Το στάδιο διαχείρισης ιχνών(track management) δέχεται τα αποτελέσματα σύνδεσης των παρατηρήσεων με τα ίχνη και είναι υπεύθυνο για την έναρξη (αρχικοποίηση) της παρακολούθησης νέων στόχων (track initiation), τη διατήρηση/επιβεβαίωση των ήδη παρακολουθούμενων στόχων (track maintenance / confirmation), τη συνένωση ιχνών (track merging) ή το διαχωρισμό ιχνών (track splitting) και την απάλειψη / διαγραφή τυχόν παλαιών εξασθενημένων στόχων (track deletion).

Με διάφορες τεχνικές, στο συγκεκριμένο στάδιο παράγεται το αρχείο ιχνών, με τρόπο ώστε να διατηρείται ένα ίχνος για κάθε στόχο, όπως επίσης κάθε στόχος να ανήκει σε ένα μοναδικό ίχνος (με αντίστοιχους χαρακτηριστικούς αριθμούς για κάθε παρακολουθούμενο αντικείμενο). Το τελευταίο, επιδιώκεται επίσης και από τη διαδικασία συγχώνευσης δεδομένων / ιχνών (track fusion), από διαφορετικούς αισθητήρες ή πλατφόρμες. Το αρχείο ιχνών τροφοδοτεί το επόμενο στάδιο των φίλτρων παρακολούθησης (πρόβλεψης και εξομάλυνσης), αλλά και το τακτικό σύστημα της πλατφόρμας, για την υποστήριξη των  διαδικασιών λήψης απόφασης. Η διαχείριση του αρχείου ιχνών είναι δυνατή είτε σε τοπικό επίπεδο με στοιχεία από τους αισθητήρες της πλατφόρμας ή σε κεντρικό επίπεδο με στοιχεία από τους αισθητήρες περισσότερων πλατφορμών. Πάντοτε υπάρχει η πιθανότητα ασάφειας, δύο ή περισσότερα ίχνη να ανήκουν στον ίδιο στόχο.

Κατά την έναρξη κάποιας νέας παρακολούθησης (track initiation), αρχικά δημιουργούνται δοκιμαστικά ή επικείμενα ίχνη (tentative tracks) για κάθε πρωτοεμφανιζόμενη ανίχνευση (παρατήρηση), που δεν σχετίζεται με υπάρχοντα ίχνη / υποτυπωμένα δεδομένα (plots). Μόνον εκείνα τα δεδομένα που δεν μπόρεσαν να χρησιμοποιηθούν για την ενημέρωση υπαρχόντων ιχνών και δεν αποτελούν clutter ή παρεμβολές χρησιμοποιούνται για τη δημιουργία νέων. Τα δοκιμαστικά ίχνη δεν εμφανίζονται αμέσως στο χειριστή, πριν από την οριστικοποίηση/επιβεβαίωσή τους. Τυπικά, τα δοκιμαστικά ίχνη θα πρέπει να έχουν συσχετισθεί επιτυχώς με το νέο ίχνος, τουλάχιστον 3 φορές για τους 5 τελευταίους κύκλους ανανέωσης / σάρωσης (κανόνας m από n). Πιο περίπλοκα κριτήρια εφαρμόζουν στατιστικές προσεγγίσεις, πχ ένα νέο ίχνος επιβεβαιώνεται όταν, για παράδειγμα, ο πίνακας συνδιακύμανσης του μειωθεί σε συγκεκριμένο μέγεθος. Ειδικότερα, για την αυτόματη έναρξη μιας νέας παρακολούθησης (track initiation):

• Η προσέγγιση GNN ξεκινά νέα δοκιμαστικά ίχνη σε παρατηρήσεις που δεν έχουν αντιστοιχιστεί (συνδεθεί) σε υπάρχοντα ίχνη.
• Η προσέγγιση JPDA ξεκινά νέα δοκιμαστικά ίχνη σε παρατηρήσεις με πιθανότητα ανάθεσης χαμηλότερη από ένα καθορισμένο όριο.
• Η προσέγγιση MHT-ΤΟ ξεκινά νέα δοκιμαστικά ίχνη σε παρατηρήσεις των οποίων οι αποστάσεις από τα υπάρχοντα ίχνη είναι μεγαλύτερες από ένα καθορισμένο όριο. Το τμήμα παρακολούθησης χρησιμοποιεί τα επακόλουθα δεδομένα για να προσδιορίσει ποια από αυτά τα νέα / πρόσφατα δοκιμαστικά ίχνη είναι έγκυρα.[14]

Η απόφαση για την έναρξη παρακολούθησης, τη συνέχιση παρακολούθησης (associated plot / hit) ή τη διαγραφή κάποιου παλαιού ίχνους (non-associated plot / miss), μπορεί να λαμβάνεται είτε αυτόματα είτε από το χειριστή του συστήματος. Για κάθε παρακολουθούμενο ίχνος / στόχο δημιουργείται ένα αρχείο (track file), στο οποίο αποθηκεύονται τα ιστορικά και τρέχοντα στοιχεία της πύλης παρακολούθησης (θέση, χρόνος παρατήρησης, ταχύτητα μεταβολής διόπτευσης, κτλ). Επίσης, στο εν λόγω αρχείο μπορεί να αποθηκεύονται και άλλες σημαντικές πληροφορίες, πχ “ship” ή “aircraft”, χαρακτηρισμός που είναι χρήσιμος για τον καθορισμό των παραμέτρων της πύλης παρακολούθησης.

Μετά από την έναρξη παρακολούθησης ενός νέου ίχνους και τη δημιουργία του αντίστοιχου αρχείου, σε κάθε νέα σάρωση είναι απαραίτητη η (συσχέτιση) του εν λόγω ίχνους με τα σωστά εισερχόμενα δεδομένα (plots), προκειμένου από το επόμενο στάδιο του φίλτρου παρακολούθησης να διεξάγεται ανανέωση της τρέχουσας κατάστασης και εκτίμηση της μελλοντικής. Για την ορθή σύνδεση των ιχνών με τα νέα εισερχόμενα δεδομένα, οι ψευδοσυναγερμοί θα πρέπει να ελαχιστοποιούνται. Μετά από τη δημιουργία ενός δοκιμαστικού ίχνους, η εφαρμοζόμενη λογική επιβεβαίωσης (track maintenance / confirmation) για τον προσδιορισμό της κατάστασής του, μπορεί να είναι σύμφωνα με κάποια από τα ακόλουθα κριτήρια απόφασης:

• Λογική ιστορικού: Ένα ίχνος επιβεβαιώνεται συγκρίνοντας δεδομένα από πολλές παρελθούσες σαρώσεις και ειδικότερα όταν έχει αντιστοιχιστεί σε ανίχνευση (παρατήρηση / μέτρηση) για τουλάχιστον m από τις τελευταίες n ενημερώσεις / σαρώσεις, πχ 2 από 3. Οι αλγόριθμοι GNN και JPDA χρησιμοποιούν αυτήν τη λογική.
• Λογική βαθμολογίας ίχνους: Ένα ίχνος επιβεβαιώνεται, όταν η βαθμολογία του είναι υψηλότερη από κάποιο καθορισμένο όριο. Μια υψηλότερη βαθμολογία σημαίνει ότι το ίχνος είναι πιο πιθανό να είναι έγκυρο. Η βαθμολογία είναι ο λόγος της πιθανότητας ότι το ίχνος αντιστοιχεί σε κάποιον πραγματικό στόχο προς την πιθανότητα ότι το ίχνος είναι ψευδές. Οι αλγόριθμοι GNN και MHT-ΤΟ χρησιμοποιούν αυτήν τη λογική.
• Ολοκληρωμένη λογική: Ένα ίχνος επιβεβαιώνεται, όταν η ολοκληρωμένη πιθανότητα ύπαρξής του είναι υψηλότερη από ένα όριο. Ο αλγόριθμος JPDA χρησιμοποιεί αυτήν τη λογική.

Είναι δυνατόν, ένα παρακολουθούμενο ίχνος από προηγούμενα στάδια να μην καταφέρει να συσχετισθεί με τα νέα εισερχόμενα δεδομένα (non-associated plot / miss). Η απόφαση αυτόματης διαγραφής / τερματισμού ενός ήδη παρακολουθούμενου ίχνους (track deletion / termination) βασίζεται σε παρόμοια με τα προαναφερθέντα κριτήρια επιβεβαίωσης:

• Λογική ιστορικού: Ένα ίχνος διαγράφεται, όταν δεν έχει αντιστοιχιστεί σε ανίχνευση (παρατήρηση / μέτρηση) για τουλάχιστον m από τις τελευταίες n ενημερώσεις / σαρώσεις, πχ 2 από 3.
• Λογική βαθμολογίας ίχνους: Ένα ίχνος διαγράφεται, όταν η βαθμολογία του μειωθεί από τη μέγιστη βαθμολογία κατά ένα καθορισμένο όριο.
• Ολοκληρωμένη λογική: Ένα ίχνος διαγράφεται, όταν η ολοκληρωμένη πιθανότητα ύπαρξής του είναι μικρότερη υψηλότερη από ένα καθορισμένο όριο.

Γενικά, ένα ίχνος διαγράφεται, εφόσον εξακολουθεί να μην εμφανίζονται δεδομένα (plot), με τα οποία θα μπορούσε να συσχετισθεί για συγκεκριμένο αριθμό συνεχόμενων κύκλων / σαρώσεων ανανέωσης  ή σε περίπτωση που έχει αυξηθεί ο βαθμός αβεβαιότητας (αύξηση πίνακα συνδιακύμανσης πέραν ενός συγκεκριμένου ορίου), υπερβαίνοντας κάποιο κατώφλι (χαμηλός συντελεστής ποιότητας παρακολούθησης). Όπως και οι άλλες λειτουργίες, έτσι και η διαγραφή ενός ίχνους μπορεί να διεξάγεται χειροκίνητα (λειτουργία drop track), ενώ η απεικόνιση συμβόλου απολεσθέντος στόχου (lost target) μπορεί να εξακολουθεί να υπάρχει ως αναφορά.

Το στάδιο διαχείρισης ιχνών περιλαμβάνει επίσης τη διεργασία σύνδεσης ίχνους με ίχνος (track-to-track association), κατά την οποία εξετάζεται εάν δύο ίχνη αναφέρονται στο ίδιο ή σε διαφορετικό αντικείμενο (στόχο). H σύνδεση ίχνους με ίχνος αποτελεί επίσης επεξεργασία συγχώνευσης ή σύντηξης ιχνών (track fusion), για την εξαγωγή ενός κοινού ίχνους ή όχι (track merging / splitting). Η σύνδεση ίχνους με ίχνος εφαρμόζει παρόμοιες τεχνικές με τη σύνδεση παρατηρήσεων–ιχνών, όπως πχ ο αλγόριθμος MHT, αλλά σε κάποιο κοινό σύστημα συντεταγμένων και χρόνο. Προβλήματα ασάφειας παρουσιάζονται κατά το διαχωρισμό / απομάκρυνση ιχνών (split / diverging tracks) που βρίσκονται μέσα στο ίδιο στιγμιαίο οπτικό πεδίο του αισθητήρα. Παρόμοια ασάφεια εμφανίζεται όταν δύο γειτονικοί αισθητήρες, με διαφορετική διακριβωτική ικανότητα (resolution) αντιλαμβάνονται την απομάκρυνση σε διαφορετικούς χρόνους, οπότε δημιουργούν δύο διαφορετικά νέα ίχνη.  Με την ανταλλαγή στοιχείων μέσω δικτύου δεδομένων για το ίδιο ίχνος δημιουργούνται διαφορετικά ίχνη, τα οποία προκαλούν σύγχυση και μείωση της ακρίβειας παρακολούθησης. Επίσης, στην περίπτωση κατά την οποία δύο ίχνη βρίσκονται σε κοντινή μεταξύ τους απόσταση ή έχουν διασταυρούμενες τροχιές, μπορεί να εμφανιστεί ανταλλαγή στοιχείων παρακολούθησης ιχνών (track swap). Έτσι, δύο αισθητήρες που ανταλλάσσουν στοιχεία μέσω δικτύου, αλλά αυτά αναφέρονται σε διαφορετικό χρόνο και δεν συμπίπτουν, μπορεί να προκαλέσουν πιθανή ανταλλαγή ιχνών. Τέλος, στην περίπτωση κατά την οποία κάποια από τις συνεργαζόμενες μονάδες δηλώσει απώλεια ίχνους (lost track), αυτό δεν σημαίνει υποχρεωτικά απώλεια ίχνους και για το σύστημα MTT, αφού ενδέχεται το ίχνος να διατηρείται ακόμη από άλλες μονάδες. Το ίχνος διαγράφεται (track deletion), μόνον εφόσον δεν υπάρχει κάποια εναλλακτική μονάδα αναφοράς.

Στο στάδιο διαχείρισης ιχνών, μπορεί ακόμη να περιλαμβάνεται και η διεργασία διαχείρισης χαρακτηριστικών αριθμών των ιχνών (track number management), δηλαδή ανάθεση, συντήρηση και διαγραφή, όπως επίσης και η διεργασία διαχείρισης ταυτοτήτων των ιχνών (track identity management), δημιουργώντας τον πίνακα πιστευτών ταυτοτήτων (Identity Belief Matrix) με βάση στοχαστικές και άλλες ειδικές παραμέτρους που περιγράφουν την ταυτότητα κάθε στόχου και οι οποίες ανανεώνονται σε κάθε νέα σάρωση. Στη διαχείριση ταυτοτήτων συμβάλλουν σημαντικά οι δυνατότητες αναγνώρισης στόχων (target recognition), οι οποίες συναντώνται πλέον σε πολλά μοντέρνα ραντάρ MFR/AESA, μεταξύ των οποίων είναι η αναγνώριση της ηλεκτρομαγνητικής τους υπογραφής, για κάθε τύπο στόχου. Τελικά, οι χαρακτηριστικοί αριθμοί ιχνών μετατρέπονται σε αριθμούς στόχων (target numbers), δημιουργώντας πίνακα υποθέσεων συσχέτισης (Correlation Hypothesis Table), όπου τα ίχνη συνδέονται με τους στόχους με όλες τις πιθανές συνδυασμένες υποθέσεις. Στην συνέχεια υπολογίζονται οι πιθανότητες κάθε συνδυασμένης υπόθεσης και τελικά η υπόθεση με την μεγαλύτερη πιθανότητα υπερισχύει στην ανάθεση του αριθμού στόχου.

• Φίλτρο παρακολούθησης (prediction & update filter)

Σε αυτό το σημαντικό βήμα, κάποιο φίλτρο παρακολούθησης (prediction & update filter), το οποίο αποτελεί κατάλληλο μαθηματικό αλγόριθμο, διεξάγει με βάση τις μετρήσεις / παρατηρησεις:

• Την πρόβλεψη της κίνησης των ιχνών / στόχων. Ειδικότερα, το φίλτρο προβλέπει την επόμενη / νέα θέση της πύλης παρακολούθησης (positioning) που αναφέρθηκε προηγουμένως (κέντρο και μέγεθος).
• Την εξομάλυνση/διόρθωση/ανανέωση (track smoothing/correction) της τελευταίας πρόβλεψης των ιχνών, μέσω συνδυασμού τους με τα νέα εισερχόμενα συσχετισμένα δεδομένα / παρατηρήσεις, αυτά δηλαδή που έχουν αντιστοιχηθεί (συνδεθεί) σε βεβαιωμένα ίχνη / στόχους (track association).

Ο τύπος των στόχων (πχ αέρος ή επιφανείας) και οι εξισώσεις κίνησης αυτών, έστω και σε προσεγγιστική μορφή θα πρέπει να υπάρχουν μέσα στο φίλτρο, για ακριβέστερους υπολογισμούς πρόβλεψης και εξομάλυνσης. Παραδοσιακά, τόσο οι χειρισμοί ενός στόχου όσο και ο θόρυβος των μετρήσεων μοντελοποιούνται ως τυχαίες μεταβλητές κανονικής κατανομής (Gaussian), μηδενικής μέσης τιμής.

Για όλα τα ίχνη διεξάγονται προβλέψεις της κατάστασης για την επόμενη χρονική στιγμή μετρήσεων και ανάλογα με το προηγούμενο ιστορικό (track history) υπολογίζεται ένας συντελεστής ποιότητας της παρακολούθησης και το απαιτούμενο μέγεθος της πύλης παρακολούθησης για την επόμενη σάρωση. Η συνδιακύμανση πρόβλεψης ενός φίλτρου Kalman παρέχει την αβεβαιότητα (αναθεωρημένη εκτίμηση των σφαλμάτων) στην εκτίμηση της προβλεπόμενης κατάστασης, που απαιτείται για τις διαδικασίες πύλης και συσχέτισης.

Για το στάδιο αυτό, υπάρχει μεγάλη ποικιλία αλγορίθμων / φίλτρων, διαφορετικής πολυπλοκότητας και υπολογιστικού φορτίου, που μπορούν να χρησιμοποιηθούν για τη συγκεκριμένη διαδικασία. Το απλούστερο φίλτρο παρακολούθησης που μπορεί να εφαρμόζεται στο στάδιο αυτό, είναι ο παλαιός αλγόριθμος α-β.[15] Όμως, τα συμβατικά συστήματα παρακολούθησης, συνήθως χρησιμοποιούν κάποια έκδοση του αλγορίθμου / φίλτρου Kalman[16] είτε στην απλή του μορφή είτε σε κάποια νεότερη μη γραμμική[17] εκδοχή (EKF[18], UKF,[19] κτλ). Ειδικότερα, ο αλγόριθμος πολλαπλών υποθέσεων (MHT) αποτελεί ολοκληρωμένο πακέτο σύνδεσης/συσχέτισης παρατηρήσεων-ιχνών και διαχείρισης της παρακολούθησης (έναρξης, διατήρησης, διακοπής, κτλ).[20] Οι αλγόριθμοι συσχέτισης PDAF & JPDAF χρειάζονται ανεξάρτητα τμήματα έναρξης και διατήρησης της παρακολούθησης. Ο λεγόμενος πολικός μετασχηματισμός Hough μπορεί να εφαρμοσθεί στο τμήμα έναρξης παρακολούθησης συστημάτων που εφαρμόζουν μεθοδολογία TBD (Track-Before-Detect), για την ανίχνευση της παρουσίας στόχων στα δεδομένα αισθητήρων, προσδιορίζοντας χαρακτηριστικά μοτίβα ή σχήματα μέσα σε μια εικόνα, τα οποία σχετίζονται με το στόχο. Ωστόσο, τα μοντέρνα συστήματα εφαρμόζουν την ευέλικτη προσέγγιση των πολλαπλών αλληλεπιδρώντων μοντέλων (IMM), κατά την οποία λειτουργούν παράλληλα πολλά φίλτρα Kalman, συντονισμένα σε διαφορετικούς τύπους ελιγμών στόχων. Μια άλλη κατηγορία, τα ΜΜΑΕ (Multiple Model Adaptive Estimator) αποτελούν επίσης συνδυασμό περισσοτέρων φίλτρων Kalman, καθένα από τα οποία παρακολουθεί στόχους με διαφορετικές κινητικές παραμέτρους. Νεότερη τεχνολογία που ίσως υποκαταστήσει τα φίλτρα Kalman, είναι τα σωματιδιακά φίλτρα (particle filters).[21] Αυτά, μετά από τις πρώτες μετρήσεις / παρατηρήσεις του στόχου αρχίζουν να κατασκευάζουν την πιθανολογική κατανομή των σφαλμάτων και των αβεβαιοτήτων, η οποία μπορεί να μην είναι Gaussian.

Πολλές φορές στην πράξη απαιτούνται αλγόριθμοι με δυνατότητα ταυτόχρονης παρακολούθησης πολλών στόχων MTT (Multiple Target Tracking), μέσα σε περιβάλλον ισχυρών παρασιτικών ακτινοβολιών (clutter). Οι τεχνικές παρακολούθησης MTT λαμβάνουν υπόψη την ύπαρξη περισσότερων του ενός στόχων ταυτόχρονα διαδικασίες σύνδεσης στις μετρήσεις τους. Θεωρητικά, οι αλγόριθμοι MTT είναι ικανοί να παρακολουθούν στόχους σε κοντινή μεταξύ τους απόσταση και στόχους που διασταυρώνονται. Οι πιο προηγμένοι αλγόριθμοι μπορούν να ανιχνεύουν και να παρακολουθούν αποτελεσματικά, πολλούς μικρούς και ταχέως ελισσόμενους στόχους. Αντίθετα, στις  τεχνικές παρακολούθησης ενός στόχου μοντελοποιείται η κατάσταση ενός μόνο στόχου. Οι ανιχνεύσεις από άλλους στόχους θεωρείται ότι είναι ψευδείς συναγερμοί, δημιουργώντας προβλήματα κατά την παρακολούθηση στόχων σε κοντινή απόσταση ή τη διασταύρωση αυτών.

Η παρακολούθηση πολλών στόχων (MTT) από ένα σύστημα επιτήρησης παρουσιάζει πολλές προκλήσεις, πχ λόγω της αβέβαιης συσχέτισης δεδομένων, της απρόβλεπτης κίνησης των στόχων, του πυκνού clutter και των απαιτήσεων επεξεργασίας σε πραγματικό χρόνο. Πολλές προσεγγίσεις ΜΤΤ έχουν προταθεί για την αντιμετώπιση των προκλήσεων αυτών, οι οποίες γενικά ταξινομούνται σε δύο μεγάλες ομάδες, της παρακολούθησης μετά την ανίχνευση (TAD) και της παρακολούθησης πριν από την ανίχνευση (TBD).

Η κλασσική / παραδοσιακή μεθοδολογία υλοποίησης φίλτρων παρακολούθησης, γνωστή και ως διαδικασία TAD (Track-After-Detect), ουσιαστικά βασίζεται στην παρακολούθηση ενός αντικειμένου ενδιαφέροντος αφού προηγουμένως έχει ανιχνευθεί μέσω εφαρμογής κάποιου κατωφλίου ανίχνευσης (thresholding) στα δεδομένα κάθε σάρωσης (πχ μιας εικόνας).[22] Αυτό, μπορεί να οδηγήσει σε απώλεια πληροφορίας (αφού ενδέχεται σε κάποιες σαρώσεις ο στόχος ενδιαφέροντος να μην υπερβεί το κατώφλι ανίχνευσης). Οι πιο προηγμένες διαδικασίες υλοποίησης αλγορίθμων παρακολούθησης TAD μπορούν να λειτουργούν ικανοποιητικά με υψηλό κατώφλι ανίχνευσης, τυπικά SNR ≥ 9.5 έως 10 dB. Σε χαμηλότερα κατώφλια,  οι αυξημένοι ψευδείς συναγερμοί εμποδίζουν την επιβεβαίωση του ίχνους (track confirmation).

Ειδικότερα, οι αλγόριθμοι μιας σάρωσης (single scan) εκτιμούν τις τρέχουσες καταστάσεις των στόχων με βάση τις προηγούμενες εκτιμώμενες καταστάσεις τους και την τρέχουσα σάρωση μετρήσεων. Οι αλγόριθμοι απλής σάρωσης συνήθως χρησιμοποιούν μια εξαιρετικά απλουστευμένη προσεγγιστική αναπαράσταση της εκτίμησης της μεταγενέστερης κατάστασης. Οι στόχοι ανιχνεύονται και καταγράφεται η θέση τους, ανεξάρτητα σε κάθε σάρωση, ενώ η διεξαγόμενη αρχική επεξεργασία περιορίζεται σε μεμονωμένες σαρώσεις. Ακολούθως, εφαρμόζονται αλγόριθμοι συσχέτισης των ιχνών (track association algorithms) για την εξαγωγή/προσδιορισμό της κίνησης των στόχων. Η μεθοδολογία TAD δεν είναι αποτελεσματική, όταν δεν υπάρχουν αρκετές πληροφορίες στις μεμονωμένες σαρώσεις για τη διάκριση των στόχων (target discriminants), ιδιαίτερα μέσα σε περιβάλλον έντονου clutter.

Οι μέθοδοι παρακολούθησης πολλαπλών στόχων TAD μπορούν να ταξινομηθούν στις προσεγγίσεις που βασίζονται σε συσχετίσεις δεδομένων μετρήσεων-ιχνών και στις προσεγγίσεις που βασίζονται στη στατιστική πεπερασμένου συνόλου FISST (finite set statistics) και χρησιμοποιούν συναρτήσεις πυκνότητας πολλαπλών στόχων, τυχαία πεπερασμένα σύνολα και λειτουργικά παράγωγα Volterra.

Σχήμα 18: Διάγραμμα παραδοσιακών διαδικασιών τεχνικών ΜΤΤ, που βασίζονται στη συσχέτιση δεδομένων, που καθορίζουν ρητά τη σχέση μεταξύ μετρήσεων και ιχνών, διακρίνοντας τη συσχέτιση δεδομένων, που φέρει το κύριο υπολογιστικό βάρος, από την εκτίμηση κατάστασης (κλασσικοί αλγόριθμοι TAD). Συχνά όμως, η συσχέτιση δεδομένων και η εκτίμηση κατάστασης είναι προβλήματα που συνδέονται μεταξύ τους, έτσι ώστε το ένα δεν μπορεί να λυθεί χωρίς το άλλο.

Η νεότερη προσέγγιση παρακολούθησης FISST αφορά κυρίως σε προβλήματα εκτίμησης πολλαπλών στόχων με πολλούς αισθητήρες, στα οποία ο αριθμός των στόχων είναι επίσης μια τυχαία μεταβλητή. Η μέθοδος χρησιμοποιεί τυχαία πεπερασμένα σύνολα και αποφεύγει τη συσχέτιση δεδομένων στο φιλτράρισμα. Όμως, εξακολουθεί να χρειάζεται η διατήρηση αρχείων με τις ταυτότητες των στόχων για το σχηματισμό συνεχών ιχνών (λειτουργία συσχέτισης διαδρομής-εκτίμησης). Οι συμβατικές συναρτήσεις μάζας πιθανότητας αντικαθίστανται από συναρτήσεις μάζας πεποίθησης, τα ολοκληρώματα αντικαθίστανται από ολοκληρώματα συνόλων, κτλ. Η μεθοδολογία περιλαμβάνει επίσης τον αποδεικτικό συλλογισμό Dempster-Schafer.

Σχήμα 19: Διάγραμμα διαδικασιών τεχνικών ΜΤΤ που βασίζονται στην προσέγγιση FISST.

Για την παρακολούθηση ασθενών ιχνών (στόχων), για τους οποίους δεν περιέχονται αρκετές πληροφορίες σε ένα και μοναδικό πλαίσιο / καρέ (σάρωση) απαιτείται βελτίωση της χαμηλής τιμής SNR, πριν εφαρμοσθεί η διαδικασία της ανίχνευσης (detection). Εφόσον η τιμή SNR δεν μπορεί να αυξηθεί περαιτέρω μέσω διαφόρων τεχνικών επεξεργασίας/επαύξησης του σήματος, τότε για τη βελτίωση της διάκρισης μεταξύ στόχων και υποβάθρου, μπορεί να εφαρμοσθεί η μεθοδολογία TBD (Track-Before-Detect).[23] Εδώ, οι διαδικασίες ανίχνευσης και παρακολούθησης συνδυάζονται μεταξύ τους (διεξάγονται ταυτόχρονα), χωρίς να εφαρμόζεται thresholding ούτε η κλασσική αλληλουχία ανίχνευση-συσχέτιση-παρακολούθηση. Σε αυτήν την προσέγγιση, το αδύναμο σήμα (ίχνος) ενός ή περισσότερων αισθητήρων (ραντάρ, IRST, κτλ) παρακολουθείται από κοινού ως δοκιμαστικό ίχνος (tentative track), πχ μέσω φίλτρων Kalman, φίλτρων σωματιδίων, κτλ, για την πρόβλεψη θέσης στο επόμενο πλαίσιο, πριν κάποια στιγμή δηλωθεί η παρουσία του, ως πραγματικός στόχος,[24] χρησιμοποιώντας αριθμό πλαισίων (σαρώσεων) για τη συγκέντρωση επαρκών πληροφοριών βεβαιωμένης ανίχνευσης για όλους τους ενδεχόμενους στόχους.

Ουσιαστικά, οι TBD αποτελούν αλγόριθμους πολλαπλής σάρωσης (multi–scan), που εκτιμούν τις τρέχουσες καταστάσεις των στόχων με βάση τις προηγούμενες εκτιμώμενες καταστάσεις, τις πολλαπλές προηγούμενες σαρώσεις και την τρέχουσα σάρωση μετρήσεων. Μπορούν να επανεξετάσουν τις προηγούμενες σαρώσεις κατά την επεξεργασία κάθε νέας σάρωσης και, ως εκ τούτου, μπορούν να αναθεωρήσουν προηγούμενες εκτιμήσεις.

Προηγμένα συστήματα IRST εφαρμόζουν αλγόριθμους ανίχνευσης και παρακολούθησης TBD ή αλλιώς λεγόμενες τεχνικές ad hoc, οι οποίες βασίζονται στο αποτέλεσμα πολλών σαρώσεων (power/energy integration over time). Συνδυάζοντας τα δεδομένα από πολλά διαδοχικά πλαίσια πριν την ανίχνευση, επιτυγχάνεται υψηλότερη πιθανότητα ανίχνευσης (P_d) για συγκεκριμένο επίπεδο πιθανότητας ψευδών συναγερμών (P_fa).[25] Οι εφαρμοζόμενοι αλγόριθμοι απορρίπτουν το clutter περιβάλλοντος, χρησιμοποιώντας πολλές διαδοχικές σαρώσεις της σκηνής μέσα σε χρόνο μερικών (λίγων) δευτερολέπτων. Σε αυτό το χρονικό διάστημα, όλοι οι πιθανοί στόχοι άνω κάποιου χαμηλού κατωφλίου (low threshold) παρακολουθούνται. Εφόσον ορισμένοι από αυτούς υπερβούν το κανονικό κατώφλι ανίχνευσης (detection threshold) για κάποιο συγκεκριμένο αριθμό διαδοχικών σαρώσεων (τυπικά τριών), τότε ενεργοποιείται η διαδικασία παρακολούθησης TAD, χρησιμοποιώντας ακόμη και τα ίχνη πριν από την υπέρβαση της τιμής του κατωφλίου ανίχνευσης.

Σχήμα 20: Προηγμένος αλγόριθμος ανίχνευσης και παρακολούθησης TBD των ιχνών πραγματικού ενδιαφέροντος, με βάση ένα πολυστρωματικό τεχνητό νευρωνικό δίκτυο. Η απεικονιζόμενη διαδικασία εκτελείται ανεξάρτητα για κάθε κλάση ταχύτητας στόχων ενδιαφέροντος, με εντελώς άγνωστο το στατιστικό τους μοντέλο. Το στρώμα D αποτελεί τις μονάδες νευρώνων εισόδου (input layer). Όλες οι παρεχόμενες έξοδοι από τις μονάδες νευρώνων του στρώματος Α (output layer) καταλήγουν ταυτόχρονα σε μία απεικόνιση/αποτέλεσμα. Όλες οι υπόλοιπες μονάδες ανήκουν στα ενδιάμεσα κρυμμένα στρώματα (hidden layers). Μεταξύ δύο γειτονικών στρωμάτων είναι δυνατός ο οποιοσδήποτε τρόπος διασύνδεσης.

Η μεθοδολογία TBD μπορεί να υλοποιείται, πχ με τη βοήθεια τεχνητών νευρωνικών δικτύων (artificial neural networks), μειώνοντας τους ψευδείς συναγερμούς έως και 1000 φορές και επιτρέποντας την παρακολούθηση πολύ ασθενών στόχων (τυπικές τιμές SNR από 0 έως 10 dB ή λιγότερο), ακόμη δηλαδή και σε περιβάλλον υπερβολικά υψηλού clutter. Επίσης, η μεθοδολογία TBD μπορεί να υλοποιηθεί και με πολλούς διαφορετικούς άλλους τρόπους, όπως πχ

• Batch τεχνικές (μη αναδρομικές): Αποτελούν πρώιμες προσεγγίσεις, όπου όλες οι μετρήσεις (ανιχνεύσεις) από διαδοχικές σαρώσεις συλλέγονται και επεξεργάζονται μαζί. Όσο περισσότερες ανιχνεύσεις συλλέγονται, τόσο ακριβέστερη η λύση, όμως αυξάνονται οι υπολογιστικές απαιτήσεις, καθιστώντας τη μεθοδολογία μη πρακτική και δύσχρηστη για τα περισσότερα συστήματα επιτήρησης (κάθε φορά που συλλέγεται μια νέα μέτρηση, όλες οι προηγούμενες μετρήσεις χρησιμοποιούνται για να υπολογίσουν τη νέα κατάσταση). Παραδείγματα αποτελούν ο πολικός μετασχηματισμός Hough,[26] το 3DMF (3D Matched Filter), ο δυναμικός προγραμματισμός (dynamic programming),[27] κτλ. Δεν αποδίδουν ικανοποιητικά σε ελισσόμενους στόχους, αλλά σε στόχους σταθερής ταχύτητας.

• Αναδρομικές τεχνικές (πρόβλεψης-διόρθωσης) Bayesian: Είναι οι συνηθέστερες τεχνικές, κατά τις οποίες για την πρόβλεψη της κατάστασης και την ενημέρωση των αποτελεσμάτων της προηγούμενης επεξεργασίας εφαρμόζεται στατιστική επεξεργασία σε κάθε σάρωση, χρησιμοποιώντας δεδομένα μόνον από την προηγούμενη κατάσταση και από την τρέχουσα σάρωση (μέτρηση).[28] Παραδείγματα αλγορίθμων είναι ο παράλληλης τράπεζας φίλτρων ταχύτητας (velocity filter bank),[29] BFT (Bayesian Field Tracker),[30] Bayesian Track Splitting Filter (TSF), Multiple Hypothesis Tracker (MHT), φίλτρο πολλαπλών αλληλεπιδρώντων μοντέλων IMM (Interacting Multiple Model), σωματιδιακά φίλτρα (particle filters), κτλ.

Σχήμα 21: Διάγραμμα διαδικασιών μη Bayesian τεχνικών TBD. Η χρονική ενέργεια των στόχων, σε διαδοχικά λαμβανόμενες σαρώσεις, αθροίζεται με βάση το χαρακτηριστικό της ταχύτητας και στη συνέχεια εφαρμόζεται ένας αλγόριθμος βελτιστοποίησης για την εύρεση όλων των πραγματικών ιχνών στόχου.

Σχήμα 22: Διάγραμμα διαδικασιών Bayesian τεχνικών TBD. Η μοντελοποίηση της κίνησης του στόχου βασίζεται σε προηγούμενη γνώση. Η κατάσταση στόχου και οι μετρήσεις περιγράφονται από τη συνάρτηση πυκνότητας πιθανότητας και χρησιμοποιείται αναδρομικό φιλτράρισμα Bayes για να παραχθεί η εκτίμηση της κατάστασης στόχου. Στη συνέχεια, ένα σημαντικό βήμα είναι η δημιουργία της πιθανολογικής οντότητας για τις μετρήσεις στην περιοχή επιτήρησης. Τέλος, η κατανομή της κατάστασης στόχου εκτιμάται με φιλτράρισμα Bayes.  

Ειδικότερα, το ιεραρχικό φιλτράρισμα Bayes HBF (Hierarchical Bayesian Filtering) με μοντέλα κίνησης χρησιμοποιεί ένα ιεραρχικό πλαίσιο Bayes για την εκτίμηση της κατάστασης του αντικειμένου και για την ανίχνευση νέων αντικειμένων.

O αλγόριθμος παρακολούθησης πολλαπλών υποθέσεων με πυκνότητα υπόθεσης πιθανοτήτων MHT-PHD (Multiple Hypothesis Tracking with Probability Hypothesis Density) χρησιμοποιεί ένα πιθανολογικό πλαίσιο για την ταυτόχρονη παρακολούθηση πολλαπλών αντικειμένων (ΜΤΤ) και για την ανίχνευση νέων. Ο MHT-PHD αποτελεί μια επέκταση του φίλτρου πυκνότητας υπόθεσης πιθανοτήτων (PHD), το οποίο υπολογίζει τον αριθμό των στόχων σε δεδομένη περιοχή με βάση τις μετρήσεις κάποιου θορυβώδους αισθητήρα. Ειδικότερα, λαμβάνει υπόψη το γεγονός ότι μπορεί να υπάρχουν πολλοί στόχοι στη δεδομένη περιοχή και ότι οι τροχιές τους μπορεί να τέμνονται και να συγχωνεύονται με την πάροδο του χρόνου. Ο αλγόριθμος διατηρεί πολλαπλές υποθέσεις σχετικά με τις πιθανές ταυτότητες και τις τροχιές κάθε στόχου και ενημερώνει αυτές τις υποθέσεις με βάση τις νέες μετρήσεις του αισθητήρα. Το τμήμα PHD του αλγορίθμου εκτιμά τον αριθμό των στόχων που υπάρχουν στην περιοχή, ενώ το τμήμα MHT παρακολουθεί τους μεμονωμένους στόχους και επιλύει τις συγκρούσεις μεταξύ των υποθέσεων. Ο MHT-PHD είναι ιδιαίτερα χρήσιμος σε καταστάσεις όπου υπάρχει υψηλό επίπεδο clutter και μεγάλη αβεβαιότητα / ασάφεια στις μετρήσεις των αισθητήρων, καθώς είναι σε θέση να χειρίζεται πολλαπλούς στόχους και να διατηρεί πολλαπλές υποθέσεις σχετικά με τις ταυτότητες και τις τροχιές τους. Εφαρμόζεται σε ευρύ φάσμα πεδίων, συμπεριλαμβανομένης της παρακολούθησης ραντάρ και σόναρ, αυτόνομων οχημάτων και ρομποτικής.

Το φιλτράρισμα σωματιδίων με εκτίμηση πυκνότητας πρότασης PF-PDE (Particle Filtering with Proposal Density Estimation) χρησιμοποιεί κάποιο φίλτρο σωματιδίων PF για την παρακολούθηση του αντικειμένου και έναν αλγόριθμο εκτίμησης πυκνότητας πρότασης PDE για την ανίχνευση νέων αντικειμένων. Η μέθοδος αποτελεί τύπο φίλτρου Bayes που χρησιμοποιεί ένα σύνολο σωματιδίων για να αναπαραστήσει τη συνάρτηση πυκνότητας πιθανότητας της κατάστασης. Τα σωματίδια λαμβάνονται ως δείγματα από μια συνάρτηση πυκνότητας πρότασης και στη συνέχεια ζυγίζονται ανάλογα με το πόσο ικανοποιητικά ταιριάζουν στις παρατηρήσεις. Η συνάρτηση πυκνότητας πρότασης εκτιμάται χρησιμοποιώντας κάποιο ανεξάρτητο μοντέλο της δυναμικής του συστήματος. Αυτό το μοντέλο είναι συνήθως μια μερική διαφορική εξίσωση (PDE) που περιγράφει πώς εξελίσσεται η κατάσταση του συστήματος με την πάροδο του χρόνου. Στη συνέχεια εκτιμάται η συνάρτηση πυκνότητας πρότασης λύνοντας αριθμητικά τη μερική διαφορική εξίσωση. Η χρήση της μερικής διαφορικής εξίσωσης για την εκτίμηση της προτεινόμενης συνάρτησης πυκνότητας έχει το πλεονέκτημα ότι επιτρέπει την ακριβέστερη μοντελοποίηση της δυναμικής του συστήματος. Αυτό μπορεί να είναι ιδιαίτερα χρήσιμο σε καταστάσεις όπου το σύστημα είναι πολύπλοκο και η δυναμική δεν είναι κατανοητή.

O IMM είναι ισχυρός αλγόριθμος παρακολούθησης περισσότερο ευέλικτος από το συμβατικό Kalman και μικρότερης υπολογιστικής πολυπλοκότητας από τον MHT. Η ανάπτυξή του άρχισε από τη δεκαετία του 1980 και σήμερα εφαρμόζεται για την ακριβή, ταυτόχρονη παρακολούθηση πολλών στόχων (MTT), κινούμενων ακόμη και με δραστικές αλλαγές πορείας πολλών g, μέσα σε περιβάλλον clutter. Μεταξύ άλλων εφαρμόζεται και σε συστήματα ραντάρ με φασικές στοιχειοκεραίες και ηλεκτροοπτικά IRST. Βασίζεται στην ταυτόχρονη/παράλληλη λειτουργία δύο, τριών ή περισσότερων “προσαρμοζόμενων” φίλτρων  Kalman, το καθένα από τα οποία χρησιμοποιεί διαφορετικές παραμέτρους, ώστε να αντιπροσωπεύει τα πιθανά μοντέλα κίνησης των στόχων (το πλήθος και το είδος των χρησιμοποιούμενων μοντέλων κίνησης εξαρτώνται από την εφαρμογή). Ο ΙΜΜ παράγει ένα βέλτιστο σταθμισμένο (ζυγισμένο) άθροισμα των εξόδων όλων των φίλτρων, το οποίο προσαρμόζεται ταχέως στο μοντέλο ελιγμών του στόχου, σύμφωνα με κάποια αλυσίδα Markov (η τελευταία διευκρινίζει την πιθανότητα ότι ο στόχος ανήκει σε κάποιο από τα μοντέλα κίνησης). Η αλυσίδα Markov (ή Μαρκοβιανή διαδικασία) αποτελεί στοχαστικό σύστημα / μοντέλο, που περιγράφεται από μια πυκνότητα πιθανότητας πολλών μεταβλητών (καταστάσεων), της οποίας το διάγραμμα ανεξαρτησίας αποτελεί αλυσίδα, με τις μεταβλητές να είναι διατεταγμένες με τρόπο ώστε κάθε μια να εξαρτάται μόνον από τις γειτονικές της, όντας υπό συνθήκη ανεξάρτητη από τις υπόλοιπες (η πιθανότητα κάθε κατάστασης εξαρτάται μόνον από την προηγούμενη κατάσταση). Οι πιθανότητες ενημερώνονται σε κάθε νέα μέτρηση και οι προκύπτοντες παράγοντες στάθμισης χρησιμοποιούνται στον υπολογισμό της κατάστασης. Στην περίπτωση στόχων κινούμενων με εξαιρετικά δραστικούς ελιγμούς σε περιβάλλον ισχυρού clutter, ο IMM μπορεί για μεγαλύτερη αποτελεσματικότητα να συνδυασθεί με τον JPDAF (υβριδικός αλγόριθμος ΙΜΜ-JPDAF). O IMM μπορεί να χρησιμοποιηθεί και από τον MHT (IMM-MHT). Ενώ, o MHT ή ο JPDAF χειρίζονται τη συσχέτιση και τη συντήρηση των ιχνών, ο IMM βοηθά να αποκτήσουν φιλτραρισμένη εκτίμηση της θέσης των στόχων.

Η έξοδος της μεθοδολογίας TBD, μπορεί μετά από κάποια στιγμή να μεταπίπτει σε έναν πιο παραδοσιακό ή πιο εξειδικευμένο αλγόριθμο παρακολούθησης TAD (Track-After-Detection), πχ α-β tracker, Kalman filtering, Extended Kalman filtering (EKF), φίλτρου σωματιδίων (PF), Dempster-Shafer,[31] κτλ.

Για ακόμη μεγαλύτερη αποτελεσματικότητα σε περιβάλλον clutter, είναι δυνατό να εφαρμόζονται υβριδικοί αλγόριθμοι, δηλαδή συνδυασμοί όπως πχ IMM-JPDAF, ΙΜΜ-ΜΗΤ, κτλ. Ενώ, οι αλγόριθμοι MHT ή JPDAF χειρίζονται τη συσχέτιση και τη διατήρηση του κάθε ίχνους, ο IMM τους βοηθά στην απόκτηση μιας φιλτραρισμένης εκτίμησης της θέσης του στόχου.

Για την ελαχιστοποίηση των ψευδών συναγερμών, ένας αλγόριθμος ανίχνευσης θα πρέπει να διαθέτει τεχνική αντιστάθμισης jitter, επομένως προτιμάται κάποιος προσαρμοζόμενος χωροχρονικός αλγόριθμος, όπως πχ ο IMM-EM (Expectation-Maximization), ο οποίος είναι σχετικά γρήγορος, κατάλληλος για εφαρμογές σε πραγματικό χρόνο. Αυτός ο αλγόριθμος, είναι ταχύτερος από τον JPDAF και μπορεί να αντιμετωπίσει με επιτυχία στόχους δραστικών ελιγμών και μη, ταυτόχρονα. O IMM-EM χωρίζεται σε δύο κύρια μέρη. Στο πρώτο μέρος, η κατάσταση του συστήματος φιλτράρεται με χρήση αλγόριθμου προσδοκίας-μεγιστοποίησης EM[32] και υπολογίζεται το στατιστικό μοντέλο πιθανοφάνειας (προσδιορίζονται οι παράμετροι μέγιστης πιθανοφάνειας). Ακολουθεί ένα βήμα IMM, το οποίο ενημερώνει τη συνδυασμένη εκτίμηση κατάστασης, την πιθανότητα του στατιστικού μοντέλου και προβλέπει την κατάσταση για την επόμενη στιγμή. Το κεντροειδές των μετρήσεων χρησιμοποιείται για την αξιολόγηση της πιθανότητας του στατιστικού μοντέλου.

Όμως, η προσέγγιση της μηχανικής μάθησης (machine learning) των αλγορίθμων τεχνητής νοημοσύνης παρέχει σημαντικά πλεονεκτήματα βελτιωμένων επιδόσεων και υψηλής ευελιξίας, σε σχέση με πιο παραδοσιακές προσεγγίσεις αλγορίθμων ανίχνευσης και παρακολούθησης.

Η βελτίωση των επιδόσεων επιτυγχάνεται με την πλήρη χρήση όλων των διαθέσιμων δεδομένων. Όταν η είσοδος σε μια διαδικασία λήψης αποφάσεων είναι πολυδιάστατη, όπως σε μια εικόνα υψηλής ανάλυσης, είναι αδύνατο να γνωρίζουμε εκ των προτέρων, μόνο θεωρητικά, πώς να αποφασίσουμε ποιο από τα πολλά εμφανιζόμενα ίχνη είναι πραγματικός στόχος ενδιαφέροντος. Η δυσκολία επιδεινώνεται από τις μεταβαλλόμενες περιβαλλοντικές συνθήκες και τη μεγάλη ποικιλία εμφανίσεων στόχων. Ακόμη κι αν ήταν δυνατό να μοντελοποιηθεί φυσικά η συμπεριφορά ενός είδους μέτρησης, πχ ταχύτητας ή ραδιομετρικής έντασης, η θεωρητική μοντελοποίηση της περίπλοκης αλληλεπίδραση μεταξύ δύο ή περισσότερων διαφορετικών ποσοτήτων διαφορετικών παραμέτρων είναι σχεδόν αδύνατη. Έτσι, ο μόνος πρακτικός τρόπος μοντελοποίησης τέτοιων αλληλεπιδράσεων είναι η εξαγωγή τους από τα δεδομένα και η μηχανική μάθηση παρέχει τα πρακτικά εργαλεία για τη χρήση των δεδομένων για τη δημιουργία ισχυρών ταξινομητών υψηλών επιδόσεων.

Η ευελιξία των συστημάτων IRST είναι πολύ σημαντική, αφού με την πάροδο του χρόνου εμφανίζονται νέες απειλές με διαφορετική συμπεριφορά, οι επιχειρησιακές απαιτήσεις αλλάζουν και ποικίλλουν μεταξύ διαφορετικών σεναρίων και μεταξύ διαφορετικών τελικών χρηστών. Επίσης, όλο και περισσότερα δεδομένα συλλέγονται κατά τη διάρκεια ζωής ενός συστήματος, από τα οποία θα μπορούσαμε να επωφεληθούμε, οι απαιτήσεις μπορεί να μεταβάλλονται σε κάποιο βαθμό, ενώ μέρη του συστήματος (υλικό και λογισμικό) μπορεί να αναβαθμίζονται. Ένας παραδοσιακός αλγόριθμος δεν αποδίδει πλέον τα αναμενόμενα και η προσαρμογή του στις νέες συνθήκες είναι δύσκολη και χρονοβόρα εργασία. Η μηχανική μάθηση παρέχει μια γρήγορη και συστηματική λύση σε αυτό το πρόβλημα, εκπαιδεύοντας εκ νέου τον ταξινομητή στα πιο πρόσφατα δεδομένα, τα οποία πιθανώς έχουν επαναπροσδιοριστεί για να αντικατοπτρίζουν τις νέες λειτουργικές απαιτήσεις.

Ένα άλλο σημαντικό πλεονέκτημα της μηχανικής μάθησης είναι η ικανότητα αξιολόγησης των επιδόσεων του αλγορίθμου με συστηματικό τρόπο. Σε ρεαλιστικά προβλήματα, αυτό που έχει σημασία είναι η μείωση του κόστους των εσφαλμένων κατηγοριοποιήσεων. Όταν ένα μοντέλο αφομοιώνει τις ιδιαιτερότητες των δεδομένων εκπαίδευσης και δεν καταγράφει τις γενικότερες σχέσεις που περιγράφουν τα δεδομένα, τότε παρουσιάζει υπεργενίκευση / υπερπροσαρμογή (overfitting). Όταν ένας αλγόριθμος έχει σχεδιαστεί χρησιμοποιώντας όλα τα διαθέσιμα δεδομένα, τότε μετριάζεται η αξιοπιστία των επιδόσεών του σε νέα δεδομένα. Η υπερπροσαρμογή τεχνητής νοημοσύνης αποτελεί κοινό πρόβλημα, που παρουσιάζεται όταν κάποιο μοντέλο μηχανικής μάθησης εκπαιδεύεται υπερβολικά σε συγκεκριμένο σύνολο δεδομένων. Η υπερπροσαρμογή συμβαίνει όταν το μοντέλο γίνεται πολύ περίπλοκο και αρχίζει να ταιριάζει με το θόρυβο στα δεδομένα και όχι με το υποκείμενο μοτίβο. Το μοντέλο παρουσιάζει τότε ικανοποιητικές επιδόσεις στα δεδομένα εκπαίδευσης, αλλά δεν συμβαίνει το ίδιο με νέα ή μη ορατά δεδομένα. Η υπερπροσαρμογή μπορεί να συμβεί σε οποιονδήποτε αλγόριθμο μηχανικής μάθησης, συμπεριλαμβανομένης της βαθιάς μάθησης και των νευρωνικών δικτύων. Συχνά, αυτό οφείλεται στην πολυπλοκότητα του συστήματος και ως αποτέλεσμα έχουμε πολύ υψηλές επιδόσεις στο γνωστό σύνολο δεδομένων εκπαίδευσης και πολύ χαμηλές σε νέα δεδομένα.

Όμως, κατά τη μηχανική μάθηση μπορεί να εφαρμόζονται κάποιες μέθοδοι αποτροπής της υπερπροσαρμογής, για την αξιολόγηση των επιδόσεων (ικανότητας) του αλγορίθμου να κατατάσσει σωστά άγνωστες παρατηρήσεις, σε νέες μη εμφανείς περιπτώσεις. Αυτές οι μέθοδοι βασίζονται στην επανάληψη του κύκλου εκπαίδευσης και δοκιμής πολλές φορές, κάτι που δεν αποτελεί πρακτική πρόταση για χειροκίνητες προσεγγίσεις. Έτσι, διευκολύνεται επίσης και η σύγκριση μεταξύ διαφορετικών αλγορίθμων, επιτρέποντάς την αξιολόγηση της χρησιμότητας νέων χαρακτηριστικών στην είσοδο του ταξινομητή. Μερικά παραδείγματα μεθόδων αποτροπής της υπερπροσαρμογής αποτελούν η αύξηση του όγκου των δεδομένων εκπαίδευσης, η χρήση τεχνικών κανονονικοποίησης (πχ L1 και L2, η απόρριψη και η πρόωρη διακοπή), η απλοποίηση του μοντέλου (μειώνοντας τον αριθμό των χαρακτηριστικών ή την πολυπλοκότητα του μοντέλου), η διασταυρούμενη επικύρωση[33] (μπορεί να βοηθήσει στον εντοπισμό της υπερπροσαρμογής αξιολογώντας το μοντέλο σε διαφορετικά υποσύνολα δεδομένων), αλλά και διάφορες μέθοδοι συνόλου (ensemble methods), όπως πχ bagging, boosting και bootstrap[34] (μπορούν να βοηθήσουν στη βελτίωση των επιδόσεων του μοντέλου και στη μείωση της υπερπροσαρμογής).

Η επιλογή όμως του πιο κατάλληλου ταξινομητή και αλγορίθμου μάθησης δεν αποτελεί καθόλου εύκολη διαδικασία. Αν και υπάρχουν πολλοί δημοφιλείς ταξινομητές, οι περισσότεροι από αυτούς δεν χειρίζονται επαρκώς τις προκλήσεις που προκύπτουν από τη συγκεκριμένη εργασία ταξινόμησης. Η αναλογία μεταξύ του αριθμού των ιχνών πραγματικών στόχων ενδιαφέροντος (ο οποίος σε τυπικές συνθήκες είναι χαμηλός) και των ψευδών συναγερμών, μπορεί να αλλάξει δραματικά κατά τη λειτουργία ενός συστήματος. Αυτό, καθιστά το σετ εκπαίδευσης του αλγορίθμου εξαιρετικά ανισόρροπο, με αποτέλεσμα να αποτυγχάνουν πολλοί αλγόριθμοι μηχανικής μάθησης.

Σχήμα 23: Παράδειγμα μοντέλου επιτηρούμενης μηχανικής μάθησης, που μπορεί να εφαρμοσθεί σε αλγόριθμο ταξινόμησης / αναγνώρισης ιχνών ενός συστήματος IRST. Στο συγκεκριμένο μοντέλο, αρχικά παρέχεται ένα εκπαιδευτικό σύνολο επισημασμένων παραδειγμάτων (training set / labeled tracks). Κάθε παράδειγμα εκπαίδευσης αποτελεί ζεύγος (x, y), όπου x είναι ένα διάνυσμα αριθμητικών μετρήσεων συγκεκριμένων χαρακτηριστικών που σχετίζονται με το παράδειγμα, ενώ  y είναι η σωστή ετικέτα, πχ πραγματικός στόχος ή ψευδής συναγερμός. Στην περίπτωση του IRST, το διάνυσμα χαρακτηριστικών αποτελεί μετρήσεις ραδιομετρικών, γεωμετρικών, κινηματικών και συναφών ιδιοτήτων των ιχνών ενδιαφέροντος (σημειακών πηγών). Ο σκοπός του αλγόριθμου μάθησης είναι να χρησιμοποιήσει το σύνολο εκπαίδευσης για να δημιουργήσει έναν ταξινομητή (συνάρτηση ταξινόμησης), που αντιστοιχίζει μια νέα είσοδο χωρίς ετικέτα σε μια από τις πιθανές ετικέτες. Έχοντας ολοκληρώσει τη διαδικασία εκπαίδευσης, κάθε φορά που παρατηρούμε μια νέα είσοδο x, την τροφοδοτούμε στον ταξινομητή, ο οποίος παρέχει την προβλεπόμενη ετικέτα. Ως ενδιάμεσο βήμα, πολλοί ταξινομητές υπολογίζουν μια συνεχή βαθμολογία των εισόδων, από την οποία η προβλεπόμενη ετικέτα υπολογίζεται με μια απλή δοκιμή κατωφλίου.

4. Μειονεκτήματα των συστημάτων IRST

             Γενικά, τα συστήματα IRST, όπως και τα FLIR, έχουν τα ακόλουθα μειονεκτήματα / περιορισμούς:

• Επηρεάζονται δυσμενώς από βροχή, ομίχλη, χαλάζι, σκόνη και καπνό (απώλειες λόγω υδρατμών, διοξειδίου του άνθρακα, μεθανίου και όζοντος).
• Δεν διαπερνούν εύκολα τα σύννεφα, ιδιάιτερα τους σωρειτομελανίες (cumulonimbus), τις βροχοπτώσεις και τις φυλλωσιές.
• Οι αποστάσεις ανίχνευσης και ταυτοποίησης εξαρτώνται και από τη θερμική υπογραφή του στόχου, η οποία επηρεάζεται από  το ύψος και την ταχύτητά του.
• Διαθέτουν σχετικά περιορισμένη γωνία θέασης / παρατήρησης. Για να ερευνήσουν ευρεία περιοχή του χώρου, απαιτούν κάποιο μηχανισμό σάρωσης ή πολλές μεγάλου μεγέθους σταθερές (ατενίζουσες) διατάξεις φωτοανιχνευτών.
• Δεν διαθέτουν από μόνα τους τη δυνατότητα απευθείας / άμεσης εξαγωγής του στοιχείου απόστασης των στόχων. Σε πολλές περιπτώσεις μπορεί να διαθέτουν παθητικές δυνατότητες εκτέλεσης τριγωνισμών (πχ το Sirius της Thales Nederland) ή κινηματικής αποστασιομέτρησης (για τα εναέρια συστήματα). Επίσης, μπορεί να συνεργάζονται με κάποιο σχετικά περιορισμένης εμβέλειας αποστασιόμετρο laser, γεγονός όμως που μπορεί επίσης να συνεγείρει το στόχο.

Σχήμα 24: Παθητικός προσδιορισμός θέσης στόχου, με τριγωνισμό μεταξύ δύο διαφορετικών φορέων  θερμικών αισθητήρων που χρησιμοποιούν ασύρματη ζεύξη δεδομένων (data linking).

Όλοι οι εντοπιζόμενοι στόχοι, μετά από κατάλληλη επεξεργασία απεικονίζονται πάνω σε οθόνη. Εφόσον δεν διεξάγεται απευθείας ενεργή αποστασιομέτρηση από κάποιο συνεργαζόμενο σύστημα laser (LRF) ή ραντάρ (για μεγαλύτερες αποστάσεις), τότε για τον προσδιορισμό της θέσης είναι δυνατό να εφαρμόζονται ορισμένες εντελώς παθητικές τεχνικές, όπως:

α) Τριγωνισμοί διοπτεύσεων (triangulation), μέσω εκμετάλλευσης ασύρματης ζεύξης δεδομένων (data linking) μεταξύ δύο ή περισσότερων διαφορετικών φορέων (σε δικτυοκεντρικό περιβάλλον). Στην περίπτωση του τριγωνισμού, δηλαδή της ανταλλαγής δεδομένων μεταξύ δύο ή περισσότερων φορέων παθητικών συστημάτων (IRST ή FLIR) απαιτείται ικανός μεταξύ τους γωνιακός διαχωρισμός. Κάτω από τις κατάλληλες συνθήκες, η μέθοδος παρέχει σχετικά ακριβή αποτελέσματα.

β) Κινηματική αποστασιομέτρηση (kinematic ranging), μέσω δραστικών αλλαγών πορείας κίνησης του εναέριου φορέα του αισθητήρα (η τεχνική προέρχεται από τον υποβρυχιακό πόλεμο). Στην περίπτωση αυτή, ένα και μοναδικό αεροσκάφος εκτελεί συγκεκριμένους χειρισμούς zig-zag (κατ’ ελάχιστο δύο ελιγμούς 90° δεξιά και αριστερά της πορείας του), έτσι ώστε αυξάνοντας το γωνιακό άνοιγμα των λαμβανόμενων διοπτεύσεων του στόχου σε κατάλληλες χρονικές στιγμές, και σε συνδυασμό με τη γνωστή ταχύτητα της πλατφόρμας να μπορεί να υπολογίζει την απόσταση με τη βοήθεια αλγορίθμου παρακολούθησης Kalman. Ουσιαστικά, η μέθοδος βασίζεται στη χρήση της γωνίας παράλλαξης για τον προσδιορισμό της απόστασης, συγκρίνοντας τη θέση του στόχου στο οπτικό πεδίο του αισθητήρα σε δύο διαφορετικούς χρόνους. Η γωνία παράλλαξης, είναι η γωνία που υποτείνεται από το παρατηρούμενο αντικείμενο προς δύο διαφορετικές θέσεις του αισθητήρα, σε διαφορετικές χρονικές στιγμές. Η ακρίβεια του υπολογισμού εξαρτάται από το ρυθμό μεταβολής των διοπτεύσεων (αζιμουθίου), αλλά και από το ότι ο στόχος πρέπει να διατηρεί σταθερή πορεία και ταχύτητα. Η μέθοδος είναι σχετικά αργή και μέτριας ακρίβειας, ενώ εκθέτει την πλευρά του αεροσκάφους, παρουσιάζοντας στον αντίπαλο υψηλότερη τιμή RCS. Εάν η αρχική εκτίμηση της πορείας και ταχύτητας του στόχου δεν είναι πολύ κοντά στην πραγματικότητα (με σφάλμα 0.5-1%), το αποτέλεσμα δεν θα είναι ικανοποιητικό για στοχοποίηση πέραν του ορίζοντα (BVR). Επίσης, απαιτείται ο στόχος να διατηρεί συνεχώς την ίδια πορεία, ταχύτητα και ύψος.  Για την παθητική αποστασιομέτρηση και σε πραγματικό χρόνο παρακολούθηση στόχων αποκλειστικά και μόνο μέσω διοπτεύσεων συνηθίζεται η χρήση κάποιου μοντέλου IMM (Interactive Multiple Model) με τράπεζα μη γραμμικών αναδρομικών φίλτρων (EKF, UKF, φίλτρα σωματιδίων, κτλ). H κινηματική αποστασιομέτρηση συνδυάζεται ταυτόχρονα στο αζιμούθιο και καθ’ ύψωση, έτσι ώστε να παρέχει εκτίμηση της απόστασης στον τρισδιάστατο χώρο. Η εκτιμώμενη απόσταση του στόχου χρησιμοποιείται κυρίως για τη βελτιστοποίηση της τροχιάς και για τις παραμέτρους του ερευνητή του κατευθυνόμενου βλήματος αναχαίτισης (επίλυση του προβλήματος βολής).

γ) TMA (Target Motion Analysis), με βάση πως μεταβάλλονται οι μετρήσεις γωνιακής κατεύθυνσης (αζιμουθίου) του στόχου. Υπάρχουν διάφορες παραλλαγές TMA, πχ Ekelund, διασταυρούμενων μετρήσεων για στόχους μικρής ταχύτητας ή χρήση φίλτρων που βασίζονται σε TMA για δυναμικά κινούμενους στόχους. Κάποιες άλλες τεχνικές βασίζονται στο πως μεταβάλλεται το φαινόμενο μέγεθος του στόχου (για μη σημειακούς στόχους) και σε κάποιο μοντέλο ατμοσφαιρικής μετάδοσης (πχ MODTRAN, IRΤool, ARTEAM, IRBLEM, κτλ). Στην τελευταία περίπτωση απαιτείται η γνώση πολλών μετεωρολογικών στοιχείων. H χρήση του μεγέθους και του σχήματος της υπέρυθρης υπογραφής του στόχου για την εκτίμηση της απόστασης, βασίζεται στο γεγονός ότι τα μεγαλύτερα αντικείμενα εκπέμπουν συνήθως περισσότερη υπέρυθρη ακτινοβολία από τα μικρότερα. Όμως, η συγκριση του μεγέθους του στόχου με γνωστά μεγέθη αεροσκαφών, λόγω της ατμοσφαιρικής παραμόρφωσης και των χαμηλών αναλύσεων σε μεγάλη απόσταση, μπορεί να είναι αρκετά αναξιόπιστη.

Όταν για την αποστασιομέτρηση χρησιμοποιείται laser ή ραντάρ, όπως είναι φυσικό χάνεται το πλεονέκτημα του αιφνιδιασμού των παθητικών συστημάτων.

Επίσης, χωρίς διαθλεσιμη την πληροφορία απόστασης, τα βλήματα αέρος-αέρος δεν μπορούν να βελτιστοποιήσουν τις διαδρομές πτήσης τους, με αποτέλεσμα είτε να μην έχουν επαρκές βεληνεκές (υποθέτοντας αρχικά ότι ο στόχος ήταν εντός του μέγιστου βεληνεκούς), είτε να πετάνε πολύ ψηλά και να χρειάζεται να καταναλώνουν πάρα πολύ από την κινητική τους ενέργεια στην προσπάθεια μη υπέρβασης του στόχου.

5. Παραδείγματα ναυτικών συστημάτων IRST

Σήμερα, τα συστήματα IRST βρίσκουν πολλές εφαρμογές: εναέρια επιτήρηση για έγκαιρη ανίχνευση και παρακολούθηση επερχόμενων αεροσκαφών, επίγεια συστήματα αεράμυνας εντοπισμού και παρακολούθησης χαμηλά ιπτάμενων στόχων (αεροσκαφών ή βλημάτων cruise), εγκατεστημένα συστήματα σε πλοία επιφανείας, κτλ. Τα εγκατεστημένα επί των πλοίων συστήματα IRST υπερτερούν των κλασσικών ραντάρ, ακόμη και των παλμικών ραντάρ Doppler, κυρίως στον εντοπισμό και παρακολούθηση χαμηλά ιπτάμενων στόχων, λόγω της αποφυγής ειδώλων, πολλαπλών διαδρομών διάδοσης (multipaths), μηδενισμών σήματος, παρασιτικών ακτινοβολιών (clutter) και φαινομένων παγίδευσης των κυμάτων (evaporation duct). Ταυτόχρονα, παρέχουν τα πλεονεκτήματα της παθητικής λειτουργίας, δηλαδή δεν προειδοποιούν τον αντίπαλο, δεν παρεμβάλλονται ηλεκτρονικά και δεν είναι ευάλωτα σε βλήματα αντι-ακτινοβολίας (anti-radiation), όπως δηλαδή είναι τα ραντάρ. Επίσης, παρέχουν σημαντικά υψηλότερη γωνιακή ακρίβεια παρακολούθησης (<0.5-1 mrad έναντι 1°-2° των συστημάτων ραντάρ), ιδιαίτερα στο παράκτιο περιβάλλον επιχειρήσεων (littoral environment), γεγονός που επιταχύνει την κατεύθυνση των οπλικών συστημάτων, χωρίς την απώλεια κρίσιμου χρόνου σε καταστάσεις εμπλοκής με πολλαπλούς, υπερηχητικούς στόχους που εκτελούν ελιγμούς. Επειδή, η ανάπτυξη κατευθυνόμενων βλημάτων και αεροσκαφών τεχνολογίας stealth (πολύ χαμηλής τιμής RCS) επιδρά αρνητικά στην αποτελεσματικότητα των κλασσικών συστημάτων ραντάρ, προσδίδεται ένας ακόμη ιδιαίτερα σημαντικός ρόλος στα συστήματα IRST.

Σχήμα 25: Εφαρμογή ναυτικού συστήματος IRST (σε πλοίο επιφανείας), με ατενίζουσες συστοιχίες (staring sensors), για την έρευνα για ανίχνευση, επιβεβαίωση και παρακολούθηση επερχόμενων κατευθυνόμενων βλημάτων.

Σχήμα 26(α): Το ναυτικό IRST σύστημα ARTEMIS (Advanced Reliable Third generation Electro-optical Multiplexing Infrared Search and track) της Thales, διαθέτει ατενίζουσες IRFPA (3-5 μm). Xρησιμοποιεί 3 ή 4 σταθερές υψηλής ανάλυσης κάμερες MWIR 640×512 pixels (κάθε μία αζιμουθιακής κάλυψης 120º και καθ’ ύψος 12º ή 25º), ρυθμού ανανέωσης (update rate) 10 Hz, για τον εντοπισμό μικρών εναέριων στόχων σε μεγάλες αποστάσεις (παρακολουθεί ταυτόχρονα έως και 200 ίχνη), διατηρώντας εντυπωσιακή ικανότητα αναγνώρισης στόχων επιφανείας ακόμη και κατά τη νύκτα.

Τα ναυτικά θερμικά συστήματα έρευνας και παρακολούθησης SIRST (Ship IRST) χρησιμοποιούν τις φασματικές περιοχές 3-5 μm και 8-12 μm, ενώ επιτυγχάνουν τυπική εμβέλεια ανίχνευσης 20 – 30 km για μεγάλα πλοία επιφανείας και μέχρι 10 – 30 km για μαχητικά αεροσκάφη και υποηχητικά κατευθυνόμενα βλήματα. Τα υπερηχητικά κατευθυνόμενα βλήματα ανιχνεύονται σε ακόμη μεγαλύτερες αποστάσεις από τα αντίστοιχα υποηχητικά (τυπικά στα 25 – 35 km). Το τελευταίο συμβαίνει, λόγω της υψηλότερης αεροδυναμικής θέρμανσης[35] και της μεγαλύτερης παραγόμενης ποσότητας καυσαερίων. Τα υποηχητικά με κινητήρα turbofan, όπως πχ πολλά βλήματα cruise, παρουσιάζουν μικρότερη θερμική υπογραφή από τα αντίστοιχα με πυραυλοκινητήρα.

Στην πράξη, έχει βρεθεί ότι για την πλειοψηφία των τυπικών εναέριων στόχων (αεροσκαφών και βλημάτων) και για τις περισσότερες περιπτώσεις συνθηκών, ιδιαίτερα για τα εναέρια συστήματα IRST, το καταλληλότερο υπέρυθρο παράθυρο λειτουργίας είναι το 8-12 μm (επηρεάζεται λιγότερο από τα νέφη σε χαμηλές θερμοκρασίες περιβάλλοντος, επιτυγχάνοντας μεγαλύτερες αποστάσεις ανίχνευσης).[36] Σε συνθήκες όμως τροπικού καλοκαιριού (υψηλή θερμοκρασία και υγρασία), η απόδοση του παραθύρου 3-5 μm υπερέχει στην ανίχνευση υπερηχητικών βλημάτων. Στο συγκεκριμένο παράθυρο ευνοείται η ανίχνευση των εξερχόμενων καυσαερίων (450°C) των εναέριων στόχων, ως θερμών σημείων (hot spots). Επισημαίνεται, ότι η διάδοση στο παράθυρο 3-5 μm επηρεάζεται λιγότερο από την υγρασία, σε θερμοκρασίες άνω των 20°C. Οι επιδόσεις όμως στο παράθυρο αυτό μειώνονται απότομα σε χαμηλότερες θερμοκρασίες περιβάλλοντος, ενώ επίσης επηρεάζονται περισσότερο από την ανακλώμενη / σκεδαζόμενη ηλιακή ακτινοβολία πάνω στη θαλάσσια επιφάνεια (sun glint).

Σχήμα 26(β): Το ναυτικό ηλεκτροοπτικό σύστημα Gatekeeper της Thales παρέχει περιφερειακή εγγύς οπτική κάλυψη ασφαλείας, ως προς ασύμμετρες απειλές, που αφορούν πχ στην πειρατεία ή στην τρομοκρατία. Χρησιμοποιεί συνδυασμό καμερών LWIR (μη ψυχόμενων βολομετρικών 8-12 μm, ανάλυσης 640×480 pixels, FOV = 35°x 27°) και υψηλής ανάλυσης εγχρώμων TV (CCD > 4000×3000 pixels, FOV = 35°x 27°), για την επιτήρηση, ανίχνευση, παρακολούθηση και αναγνώριση ασύμμετρων απειλών επιφανείας σε μικρές αποστάσεις (έως και 7 km). Ειδικότερα, για την 360º πανοραμική κάλυψη απαιτούνται 4 κεφαλές αισθητήρων, κάθε μία από τις οποίες καλύπτει FOV = 100°x 27°. Το σύστημα προγραμματίζεται να εγκατασταθεί στις νέες φρεγάτες F126 του Γερμανικού Ναυτικού.

Σχήμα 27: Το μηχανικής σταθεροποίησης (3D) και περιστροφής IRST ναυτικό σύστημα μεγάλης εμβέλειας Sirius (2004) της Thales Nederland λειτουργεί ταυτόχρονα στα δύο διαφορετικά υπέρυθρα παράθυρα 3-5 μm & 8-10 μm.

Οι τρέχουσες τάσεις και εξελίξεις των μοντέρνων ναυτικών IRST επί πολεμικών πλοίων αφορούν στην ολοκλήρωση με τα συστήματα διαχείρισης μάχης (επιτρέποντας την απρόσκοπτη κοινή χρήση δεδομένων και την ολοκλήρωση με άλλες εισόδους αισθητήρων, ενισχύοντας την αποτελεσματικότητα των συνολικών αμυντικών δυνατοτήτων του πολεμικού πλοίου), καθώς επίσης και στη συγχώνευση ή σύντηξη πολλαπλών αισθητήρων (με ραντάρ, συστήματα ηλεκτρονικού πολέμου, κτλ, για μεγιστοποίηση της επίγνωσης της κατάστασης, μειώνοντας τους ψευδείς συναγερμούς και βελτιώνοντας την αναγνώριση των στόχων, την επιτυγχανόμενη εμβέλεια ανίχνευσης και παρακολούθησης, όπως επίσης τη δυνατότητα λήψης αποφάσεων).

Μερικά παραδείγματα από τα εγκαθιστούμενα IRST συστήματα επί πλοίων, είναι:

• Sirius των Thales Nederland (πρώην Signaal) και DRS Technologies Canada, διπλής μπάντας (3-5 μm και 8-12 μm). Φέρεται από τις Ολλανδικές φρεγάτες De Zeven Provinciën, τις Καναδικές φρεγάτες Halifax και και τις Γερμανικές φρεγάτες Sachsen («fitted for but not with»). Διαθέτει δύο 2^ης γενιάς IR FPA CMT (CMOS readout), με TDI: μία 300×10 στοιχείων στα 3-5 μm και μία 300×8 στοιχείων στα 8-10 μm, ψυχόμενες από μηχανή Stirling κλειστού κύκλου στους 80 Κ. Η διάμετρος του ανοίγματος εισόδου (συλλογής) ακτινοβολίας είναι 15 cm (pupil diameter), οπότε και σε συνδυασμό με την εφαρμοζόμενη τεχνική TDI επιτυγχάνεται εξαιρετική ευαισθησία λήψης. Καλύπτει 3.8° κατακόρυφο οπτικό πεδίο FOV (Field of View) με δυνατότητα μηχανικής σάρωσης καθ’ ύψος από -4° έως +68°. Διαθέτει ταχύτητα σάρωσης (scanning speed) 60 rpm και ρυθμό ανανέωσης (update rate) 1 Hz. Έχει δυνατότητα παρακολούθησης έως και 1500 στόχων (128 ανά σάρωση), ενώ ανιχνεύει κατευθυνόμενα βλήματα και μαχητικά αεροσκάφη σε αποστάσεις από 20 έως 40 km (για P_d = 50%), ανάλογα με το είδος του στόχου και τις επικρατούσες περιβαλλοντικές συνθήκες. Για υψηλότερες τιμές P_d οι αποστάσεις ανίχνευσης μειώνονται περίπου στο μισό. Αποτελεί LR (Long Range) IRST, το οποίο σχεδιάστηκε να ανιχνεύει και να παρακολουθεί αεροσκάφη και κατευθυνόμενα βλήματα κατά πλοίων στον ορίζοντα ή και πέρα απ΄ αυτόν. Το σύστημα δεν σχεδιάστηκε για την επιτήρηση της περιοχής κοντά στο πλοίο, όπως πχ για την ανίχνευση κολυμβητών και τη διάκρισή τους από άλλα αντικείμενα.

• DIBV-2A VAMPIR MB (Veille Air-Mer Panoramique Infra-Rouge Modular Bispectral) της Sagem, διπλής μπάντας 3-5 μm και 8-12 μm. Φέρεται από τις Ιταλικές φρεγάτες Horizon (προγραμματίζεται να αντικατασταθεί με το νεότερο SASS), όπως επίσης και από κάποιες φρεγάτες της  Ν. Κορέας (προγραμματίζεται να αντικατασταθεί από το τρίτης γενιάς SAQ-600K IRST της Hanwha Systems). Η κεφαλή του VAMPIR MB περιστρέφεται μηχανικά στο αζιμούθιο με ταχύτητα 90 rpm, καλύπτοντας 5° κατακόρυφο FOV με δυνατότητα μηχανικής παρατήρησης καθ’ ύψος από -20° έως +45° (FOR – Field Οf Regard). Διαθέτει συνολικά 4 IRFPA CMT (IRCCD) της Sofradir με TDI, των 288×4 στοιχείων η κάθε μία (δεύτερης γενιάς), ψυχόμενες από μηχανή Stirling κλειστού κύκλου. Παρακολουθεί έως και 100 στόχους ταυτόχρονα, ενώ επιτυγχάνει τυπικές αποστάσεις ανίχνευσης 14 – 27 km για υπερηχητικά και 9 – 16 km για υποηχητικά κατευθυνόμενα βλήματα. Επίσης, 7 – 10 km για ελικόπτερα και 10 – 25 km για μαχητικά αεροσκάφη.

Nεότερα ναυτικά συστήματα IRST τρίτης & τέταρτης γενιάς είναι:

• PIRI (Panoramic IR Imaging) της Aselsan, με διπλούς σταθερούς αισθητήρες MWIR (640×512 pixels) / LWIR (640×512 pixels) και δυνατότητα κίνησης καθ’ ύψος (-10° έως +45°), εγκατεστημένο σε τουρκικές φρεγάτες (Barbaros & I-class), καθώς επίσης στο πλοίο αμφιβίων επιχειρήσεων Anadolu.

• VAMPIR NG (Veille Air-Mer Panoramique Infra-Rouge Nouvelle Generation) της Safran (πρώην Sagem) αποτελεί εξέλιξη του VAMPIR MB. Διαθέτει γυροσκοπικά σταθεροποιημένους αισθητήρες υπερύθρων τρίτης γενιάς, στο παράθυρο MWIR (3-5 μm). Παρέχει αυτοπροστασία σε πλοία έναντι κατευθυνόμενων βλημάτων, μαχητικών αεροσκαφών, μη επανδρωμένων αεροχημάτων (UAV) και μικρών ταχύπλοων σκαφών επιφανείας. Φέρεται από κάποιες ναυτικές μονάδες της N. Κορέας (αντιτορπιλικά κλάσης KDX-III) και της Αυστραλίας (αναβαθμισμένες φρεγάτες Anzac και αντιτορπιλικά κλάσης Hobart).

• ARTEMIS (Advanced Reliable Third-generation Electro-optical Multiplexing Infrared Search and track) της Thales, διαθέτει ατενίζουσες IRFPA (640×512 pixels). Xρησιμοποιεί 3 ή 4 σταθερές υψηλής ανάλυσης κάμερες MWIR (3-5 μm), κάθε μία αζιμουθιακής κάλυψης 120º και καθ’ ύψος 12º ή 25º, υψηλού ρυθμού ανανέωσης (update rate) 10 Hz. Η ενσωματωμένη ηλεκτρονική σταθεροποίηση εικόνας εξαλείφει το μηχανικό σύστημα σταθεροποίησης στις κεφαλές των αισθητήρων. Φέρεται από το Γαλλικό αεροπλανοφόρο Charles de Gaulle, όπως επίσης από τις Γαλλικές, Μαροκινές και Αιγυπτιακές φρεγάτες FREMM (Future European Multi Roles Frigates). H Thales και η DRS Technologies Canada συνεργάζονται για να αναπτύξουν και να προωθήσουν το σύστημα OMNISTARE, ένα επαυξημένο παράγωγο του ARTEMIS, για τις νέες φρεγάτες του προγράμματος Canadian Surface Combatant.

• SASS (Silent Acquisition and Surveillance System) της Leonardo (πρώην Galileo Avionica), λειτουργεί στα παράθυρα 3.7-4.2 / 4.5-5 μm και 7.75-10.25 μm, με δυνατότητα ανίχνευσης και παρακολούθησης 100 στόχων αέρος και επιφανείας. Το σύστημα υποστηρίζει την αξιολόγηση των απειλών, παρέχοντας μια στατιστική ταξινόμηση των ιχνών. Φέρεται από το Ιταλικό αεροπλανοφόρο Cavour, τις Ιταλικές φρεγάτες FREMM, όπως επίσης από κάποια μικρότερα πολεμικά πλοία του Κατάρ. Το μεγάλης εμβέλειας SASS περιστρέφεται μηχανικά στο αζιμούθιο με 78 rpm και ρυθμό ανανέωσης > 1 Hz. Διαθέτει αισθητήρες HgCdTe IRFPA LLA (Long Linear Array) με 6xTDI. Έχει δυνατότητα σάρωσης καθ’ ύψος FOR από -20° έως +45°, με κατακόρυφο FOV > 5° και οριζόντια γωνιακή ανάλυση 0.16 mrad.

• DSS-IRST (Distributed Static Staring-InfraRed Search and Tracking System), της Leonardo, με 4 μηχανικά σταθεροποιημένες, στατικές κεφαλές αναζήτησης περιμετρικά του πλοίου (καλύπτει η κάθε μία οριζόντιο τομέα 90°) και 3 επιπρόσθετες κατευθυντικές ηλεκτροοπτικές κεφαλές επιβεβαίωσης των αποκτηθέντων ιχνών, γεγονός που ελαχιστοποιεί τους ψευδείς συναγερμούς και βοηθά στην αναγνώριση και αποστασιομέτρηση, παθητική και ενεργή (YAG eye safe laser 1.75 μm). Ενσωματώνοντας τεχνητή νοημοσύνη και επεξεργασία μεγάλων δεδομένων είναι σε θέση να ανιχνεύει και να παρακολουθεί ταυτόχρονα διαφορετικούς τύπους στόχων, όπως πχ κατευθυνόμενα βλήματα, μικρά σκάφη, κτλ, εφαρμόζοντας αυτόματα το βέλτιστο αλγόριθμο για κάθε περίπτωση. Λειτουργεί στο παράθυρο MWIR (1280×1024 pixels), με ρυθμό πλαισίων 50 Hz και IFOV<1 mrad.  Το σύστημα φέρεται από τις νέες μονάδες PPA (Pattugliatore Polivalente d’Altura) του Ιταλικού Ναυτικού.

• Sea Spotter της Rafael, με δύο κεφαλές σταθερών αισθητήρων (staring sensors), η κάθε μία από τις οποίες καλύπτει οπτικό πεδίο 190° σε αζιμούθιο και 18° καθ’ ύψος, με InSb αισθητήρες MWIR (3-5 μm) υψηλής ανάλυσης και υψηλού ρυθμού ανανέωσης video, για έρευνα και ανίχνευση. Οι κεφαλές σταθεροποιούνται γωνιακά κάτω από το μέγεθος του IFOV (sub-pixel), προκειμένου να αποτρέπονται φαινόμενα smearing του ειδώλου του στόχου λόγω της κίνησης του πλοίου και να διατηρείται το πλεονέκτημα της υψηλής ανάλυσης, για τη διάκριση σημειακών στόχων χαμηλής αντίθεσης πάνω από τον ορίζοντα. Το Sea Spotter μπορεί επίσης να περιλαμβάνει και μια κεφαλή επιβεβαίωσης (investigation unit), στενού οπτικού πεδίου (ορατό / NIR / SWIR / MWIR / eye safe LRF), ελεγχόμενη από το χειριστή. Ουσιαστικά, η συγκεκριμένη μονάδα ανήκει στο ναυτικό ηλεκτροοπτικό σύστημα (EO/IR) πρόσκτησης ιχνών και διεύθυνσης βολής TopLite της Rafael, το οποίο μεταξύ άλλων στην τυπική του έκδοση φέρει FLIR ατενίζουσας FPA InSb στα 3-5 μm. Το Sea Spotter επιτυγχάνει πιθανότητα ανίχνευσης P_d ≥ 95%, FAR (False Alarm Rate) ≤ 1 ανά 24 ώρες.[37] Στην κονσόλα του χειριστή απεικονίζεται πανοραμική άποψη 360° του περιβάλλοντος, μαζί με τα δεδομένα των στόχων που παρακολουθούνται. Το σύστημα, ενδεχομένως φέρεται από τις Ισραηλινές κορβέτες Sa΄ar 6.

• IRST i110 των Indra/Tecnobit/Oesia, επί των νέων Ισπανικών φρεγατών F-110 (κλάσης Bonifaz). Μέσω ενός σταθερού συστήματος, χωρίς κινούμενα μέρη, προσφέρει ταυτόχρονη επιτήρηση 360º, ανά πάσα στιγμή, καλύπτοντας το ορατό και υπέρυθρο φάσμα. Διαθέτει επίσης και δυνατότητα τηλεμετρίας. Η αποστολή του είναι να ανιχνεύει, να αναγνωρίζει και να προσδιορίζει οποιοδήποτε αντικείμενο είναι πιθανό να αντιπροσωπεύει απειλή.

Σχήμα 28: Συγκριτική απεικόνιση επιδόσεων απόστασης ανίχνευσης λειτουργιών IRST μεταξύ των ναυτικών συστημάτων PASEO IRST, EOMS NG και VAMPIR NG, της Safran.

Μια σχετικά χαμηλότερου κόστους επιλογή, η οποία μεταξύ των άλλων υποστηρίζει λειτουργίες IRST αποτελεί το EOMS–NG της Safran (MWIR), εγκατεστημένο σε πολλές μονάδες επιφανείας του Γαλλικού ναυτικού και κάποιες των ΗΑΕ, για επιτήρηση και διεύθυνση βολής πυροβόλων.

Νεότερη εξέλιξη του EOMS-NG ναυτικού ηλεκτροοπτικού συστήματος αποτελεί το PASEO / PASEO XLR (eXtra Long Range) της Safran (SWIR / MWIR), το οποίο χρησιμοποιείται για επιτήρηση και διεύθυνση βολής πυροβόλων διαφόρων διαμετρημάτων, με κάμερα εμβέλειας άνω των 25 km, χωρίς όμως να διαθέτει εξειδικευμένους αλγόριθμους αυτόματης αναγνώρισης στόχων / απειλών. Στην έκδοση PASEO IRST υποστηρίζει μεταξύ άλλων και λειτουργίες IRST. Το Γαλλικό Ναυτικό εγκαθιστά το προηγμένο, εξαιρετικά μεγάλης εμβέλειας PASEO XLR EO/IR σε όλες τις φρεγάτες FREΜΜ και Air Defense FREMM, καθώς επίσης στα αντιτορπιλικά Horizon, για την αντιμετώπιση της αυξανόμενης απειλής των καμικάζι USV και UAV. Το σύστημα είναι ήδη εγκατεστημένο σε φρεγάτες των Φιλιππίνων. Ένα σημαντικό χαρακτηριστικό του Paseo XLR είναι η ευελιξία του στη λειτουργία σε διαφορετικά μήκη κύματος, παρέχοντας αξιόπιστες δυνατότητες αναγνώρισης κάτω από διάφορες μετεωρολογικές συνθήκες, τόσο την ημέρα όσο και τη νύχτα. Το PASEO XLR επιτρέπει τη χειροκίνητη ή αυτόματη επιτήρηση τομέα, την αυτόματη παρακολούθηση στόχων, την οπτική αναγνώριση, την αποστασιομέτρηση laser και τη μετάδοση ή τη λήψη τρισδιάστατων δεδομένων στόχου. Όταν είναι εξοπλισμένο με τον προαιρετικό βαλλιστικό υπολογιστή του, το PASEO XLR είναι σε θέση να ελέγχει ταυτόχρονα πολλά πυροβόλα διαφορετικού διαμετρήματος.

(α)

(β)

Σχήμα 29: (α) Η κεφαλή του EOMS-NG (Electro-Optical Multifunction System) της Safran. (β) Η κεφαλή του του διαρκώς εξελισσόμενου ναυτικού IRST συστήματος Vampir NG (τέταρτης γενιάς) της Safran (ταχύτητα περιστροφής 360°/sec). Το συγκεκριμένο εφαρμόζει τεχνικές συγχώνευσης ή σύντηξης δεδομένων (data fusion) και τεχνητής νοημοσύνης / βαθιάς μάθησης (deep learning).

Το ναυτικό σύστημα παθητικής επιτήρησης ευρείας περιοχής Spynel-X 8000 της HGH, αναφέρεται ως IRST. Ουσιαστικά, παρέχει ασφάλεια σε πραγματικό χρόνο 24/7, έναντι συμβατικών και ασύμμετρων απειλών (συμπεριλαμβανομένων UAVs). Χρησιμοποιεί μια συμπαγή, υψηλής ταχύτητας (0.5 rps) μηχανικά περιστρεφόμενη θερμική κάμερα MWIR (ψυχόμενου αισθητήρα), υψηλής ανάλυσης HD (120 Mpixels), με ρυθμό ανανέωσης 0.5, 1 ή 2 Hz. Θεωρείται ότι μπορεί να ανιχνεύσει άνθρωπο στο νερό σε απόσταση έως και 8 km, φουσκωτό σκάφος άκαμπτου κύτους (RHIB) έως 15 km και πλοίο σε απόσταση έως 30 km. Τα συστήματα Spynel χρησιμοποιούνται από τις φρεγάτεςLaFayetteτου Γαλλικού Ναυτικού. Μειωμένων δυνατοτοτήτων, για μικρότερες πλατφόρμες είναι τα Spynel-X 3500 και Spynel-X 6000, με ανάλυση εικόνας 30 Μpixels και 60 Mpixels, αντίστοιχα. Το Spynel-X 3500 μπορεί να ανιχνεύσει άνθρωπο σε απόσταση έως και 3.5 km, RHIB έως και 7 km και πλοίο σε απόσταση έως και 21 km. Το Spynel-X 6000, μεσαίας εμβέλειας, μπορεί να ανιχνεύσει άνθρωπο σε απόσταση έως και 6 km, RHIB σε απόσταση έως και 12 km και πλοίο σε απόσταση έως και 25 km. Και τα τρία συστήματα της οικογένειας είναι εξοπλισμένα με χαρακτηριστικά γυροσκοπικής σταθεροποίησης για τη διασφάλιση σταθερής λήψης εικόνας και μπορούν να ενσωματωθούν με το λογισμικό Cyclope της εταιρείας για την αναγνώριση του στόχου, παρακολούθηση και αποθήκευση και αναπαραγωγή εικόνων.

Το ναυτικό σύστημα παθητικής επιτήρησης SIMONE (Ship Infrared Monitoring, Observation and Navigation Equipment) των Airbus Defence & Space Electronics and Border Security / Diehl Defense χρησιμοποιείται για την ανίχνευση ασύμμετρων απειλών και για την έγκαιρη προειδοποίηση, από πειρατικές και τρομοκρατικές επιθέσεις. Οι 14 περιφερειακά εγκατεστημένες σταθερές ευρυγώνιες κάμερες IR (πιθανόν της Safran) περιλαμβάνουν μη ψυχόμενους αισθητήρες μικροβολομέτρων. Αυτές, διεξάγουν αυτόματη επιτήρηση και παρακολούθηση του περιβάλλοντος του πλοίου, αποκτώντας ακόμη και πολύ μικρά ύποπτα αντικείμενα (μπορεί να διεισδύσουν έως και 1 – 2 μέτρα κάτω από το νερό), όπως φουσκωτά λαστιχένια σκάφη ή άτομα που κολυμπούν, με 24ωρη περιφερειακή κάλυψη (360°) στην άμεση γειτνίαση του πλοίου. Ένας κεντρικός υπολογιστής αξιολογεί τις πληροφορίες εικόνας όλο το εικοσιτετράωρο. Η συγχωνευμένη εικόνα μπορεί να εμφανιστεί σε έως και 4 θέσεις στο πλοίο. Το πλήρωμα ειδοποιείται αυτόματα σε περίπτωση άμεσης απειλής. Η εφαρμοζόμενη επεξεργασία / φιλτράρισμα των δεδομένων των αισθητήρων επιτυγχάνει υψηλές επιδόσεις του συστήματος, ακόμη και κάτω από ακραίες καιρικές συνθήκες. Η επεξεργασία εικόνας σε πραγματικό χρόνο επιτρέπει πολύ γρήγορες αποκρίσεις. Το SIMONE διαθέτει υψηλό βαθμό αυτοματισμού και οι χειριστές μπορούν να ορίσουν παραμέτρους αναζήτησης και συναγερμού, έτσι ώστε το πλοίο να μπορεί αυτόματα να ανιχνεύει και να προειδοποιείται για πιθανές απειλές στην επιφάνεια και σε χαμηλό υψόμετρο. Το σύστημα αναγνώρισης και επιτήρησης SIMONE είναι εγκατεστημένο στις φρεγάτες F125 του Γερμανικού Ναυτικού, ενώ είχε θεωρηθεί επίσης κατάλληλο για χρήση από εμπορικά και επιβατικά πλοία, ακόμη και γιοτ.

6. Παραδείγματα εναέριων συστημάτων IRST

Οι τρέχουσες τάσεις και εξελίξεις των μοντέρνων εναέριων IRST επί μαχητικών αεροσκαφών αφορούν στην πολυφασματική ανίχνευση (συνδυάζοντας, πχ πολλαπλά υπέρυθρα παράθυρα με άλλους ηλεκτροοπτικούς αισθητήρες, laser και ραντάρ, βελτιώνονται οι δυνατότητες ανίχνευσης και διάκρισης στόχων, όπως επίσης απόρριψης των αντιμέτρων), στην προηγμένη επεξεργασία σήματος (για βελτιωμένες επιδόσεις αναγνώρισης στόχων, μειωμένους ψευδείς συναγερμούς και ακριβέστερη παρακολούθηση, ακόμη και σε πολύπλοκα επιχειρησιακά περιβάλλοντα) και στις δικτυοκεντρικές λειτουργίες (μέσω ολοκλήρωσης / ενοποίησης στη συνολική αρχιτεκτονική του δικτύου, επιτρέποντας την απρόσκοπτη κοινή χρήση δεδομένων και τη συνεργατική δέσμευση, για την ενίσχυση της επίγνωσης της κατάστασης και της αποτελεσματικότητας των κοινών επιχειρήσεων).

Παράδειγμα μοντέρνου και εξελισσόμενου εναέριου συστήματος IRST (δεύτερης & τρίτης γενιάς) είναι το PIRATE (Passive Infra-Red Airborne Tracking Equipment) της κοινοπραξίας EuroFIRST, μεταξύ των Leonardo (Selex ES – Finmeccanica), Thales (UK) & Tecnobit/Oesia (Ισπανία). Αυτό, εγκαθίσταται επί του μαχητικού Eurofighter Typhoon ή EF-2000. Αποτελεί συνδυασμό FLIR & IRST, dual band 3-5 μm / 8-11 (ή 12) μm, με ψυχόμενο αισθητήρα QWIP.[38]  Τυπική εμβέλεια ανίχνευσης 30-50 nm για προσεγγίζοντες υποηχητικούς στόχους (όπως Tornados, Su-27 & MiG-29), περί τα 20+ nm για προσεγγίζοντα μαχητικά stealth F-22 και δυνατότητα παρακολούθησης και προτεραιοποίησης μερικών εκατοντάδων ιχνών (TWS). Για απομακρυνόμενους στόχους, η εμβέλεια ανίχνευσης μπορεί να ανέλθει έως και 80 nm ή ακόμη περισσότερο σε ευνοϊκές συνθήκες. Εκτός από την ανίχνευση και παρακολούθηση στόχων αέρος (ως σύστημα IRST) υποστηρίζει επίσης επιχειρήσεις αέρος-εδάφους σε διαμόρφωση FLIR (ευρύτερου οπτικού πεδίου), με απεικόνιση εδάφους και στόχου, για πτήση σε χαμηλά ύψη και ναυτιλία παντός καιρού, ημέρα και νύχτα. Η εικόνα των στόχων εμφανίζεται στο Head Down ή στο Head Up Display (HDD ή HUD), ακόμη και στο σκοπευτικό / visor της κάσκας του πιλότου (HMD). Μπορεί επίσης να εκτελέσει πρόσκτηση στόχου με δεδομένα από άλλη πλατφόρμα, μαχητικό ή AEW&C. Ειδικότερα, το PIRATE μπορεί να λειτουργήσει με κάποια από τις ακόλουθες διαμορφώσεις IRST:

α) παρακολούθησης πολλαπλών στόχων ΜΤΤ (Multiple Target Tracking), όπου διεξάγεται εμπλοκή (ανίχνευση, παρακολούθηση και προτεραιοποίηση) πολλαπλών στόχων σε λειτουργίες αέρος-αέρος, έρευνας προς τα πάνω/κάτω (look up/down) σε ολόκληρο το πεδίο παρατήρησης ή σε συγκεκριμένο επιλεγμένο όγκο (διατίθενται επίσης δεδομένα παθητικής αποστασιομέτρησης),

β) παρακολούθηση μοναδικού στόχου STT (Single Target Tracking), όπου μπορεί να δοθεί εντολή γωνιακής παρακολούθησης εξαιρετικά υψηλής ανάλυσης ενός συγκεκριμένου στόχου (δυνατότητα αυτόματης επανάκτησης είναι διαθέσιμη). Μια προσθήκη σε αυτήν τη λειτουργία, το STT Ident επιτρέπει την οπτική αναγνώριση του στόχου, με υψηλή ανάλυση.

γ) Sector Acquisition και Slaved Acquisition. Στην πρώτη περίπτωση, το PIRATE σαρώνει έναν όγκο χώρου υπό την κατεύθυνση ενός άλλου αισθητήρα, όπως το ραντάρ  CAPTOR του αεροσκάφους. Στη δεύτερη περίπτωση,  η οπτική γραμμή επαφής (LOS) / γωνία κατάδειξης είναι υποτελής σε εξωτερικούς αισθητήρες (πχ AWACS).  Όταν ένας στόχος βρεθεί σε οποιαδήποτε από τις δύο αυτές λειτουργίες, το PIRATE θα τον υποδείξει αυτόματα και θα μεταβεί σε αυτόματη απόκτηση ενός στόχου (STT).

Μόλις εντοπιστεί και αναγνωρισθεί ένας στόχος, το PIRATE μπορεί να χρησιμοποιηθεί για να υποδηλώσει ένα κατάλληλο κατευθυνόμενο βλήμα μικρής εμβέλειας, όπως ο υψηλής ικανότητας παρακολούθησης εκτός οπτικού πεδίου, ASRAAM. Επιπλέον, τα δεδομένα μπορούν να χρησιμοποιηθούν για την ενίσχυση των πληροφοριών του CAPTOR ή κάποιου εξωτερικού αισθητήρα (AWACS, κτλ). Αυτό, επιτρέπει στο Typhoon να αντιμετωπίζει σοβαρά επιβαρημένα περιβάλλοντα ECM και να συνεχίζει να εμπλέκεται με στόχους.

Η βελτιωμένη έκδοση υψηλής ευαισθησίας Skyward G της Leonardo (πρώην Selex ES) εξοπλίζει τα αεροσκάφη JAS 39E/F Gripen (NG). Διαθέτει ψυχόμενο αισθητήρα ατένισης (staring imaging) FPA 640×512 pixels (MWIR ή LWIR) / HgCdTe (-200°C), με FOR ±85° αζιμούθιο και ±60° καθ’ ύψωση, καθώς επίσης με τρεις διαφορετικές επιλογές FOV (30°x24°: Imaging, Medium 16°x12.8°: S-TWS/MTT & Narrow 8°x6.4°: S-TWS/MTT).[39] Εκτός από την ανίχνευση και παρακολούθηση στόχων αέρος (ως σύστημα IRST) υποστηρίζει επίσης επιχειρήσεις αέρος-εδάφους. Φέρεται να εντοπίζει όλα τα μαχητικά που κινούνται με ταχύτητες άνω των 300-400 knots, ακόμη και με καταπιεσμένη υπογραφή καυσαερίων, απλά και μόνον από την αεροδυναμική θέρμανση της ατράκτου (LWIR). Το συγκεκριμένο σύστημα έχει χαρακτηρισθεί ως anti-stealth, καθόσον ανιχνεύει στόχους χαμηλού RCS, σε αποστάσεις συμβατές με την εκτόξευση βλημάτων πέραν του οπτικού πεδίου (Beyond Visual Range), σε συνδυασμό με το γεγονός ότι ορισμένες βαφές απορρόφησης IR προκαλούν μεγαλύτερη αεροδυναμική τριβή, δημιουργώντας ανιχνεύσιμη θερμική υπογραφή από το IRST. Το σύστημα διαθέτει ικανότητα κινηματικής αποστασιομέτρησης (kinematic ranging), όπου το αεροσκάφος διεξάγει συγκεκριμένο ελιγμό και η απόσταση του στόχου υπολογίζεται από τη μεταβολή της γωνίας αζιμουθίου του. Επίσης, η απόσταση του στόχου μπορεί να εκτιμηθεί μέσω τριγωνισμού, με τη βοήθεια ενός άλλου αεροσκάφους, με ανταλλαγή δεδομένων μέσω του ασύρματου δικτύου TAU-Link (Tactical Air Unit data link).

Σχήμα 30: Το εναέριο IRST σύστημα PIRATE του μαχητικού Eurofighter Typhoon παρέχει πληροφορίες dual band (MWIR & LWIR), δηλαδή σε φασματικές περιοχές, συμπληρωματικές του ραντάρ και σε εμπρόσθιο εύρος τομέα αζιμουθίου 150° και ύψωση από -15° έως +45°. Ο αισθητήρας βρίσκεται τοποθετημένος εντός δοχείου Dewar και είναι κρυογενικά ψυχόμενος (70 Κ), μέσω μηχανής Stirling. Η γωνιακή ανάλυση (ακρίβεια) παρακολούθησης σύμφωνα με ορισμένες αναφορές είναι 0.25 mrad (0.0143°). Διαθέτει θόλο από γερμάνιο (Ge) και εξαιρετικά ανθεκτική, διαφανή προστατευτική επίστρωση φωσφιδίου βορίου (BP), με 80% διαπερατότητα. Ο αλγόριθμος (κώδικας λογισμικού) του συστήματος περιλαμβάνει πάνω από 400.000 γραμμές σε γλώσσα ADA, ενώ οι χρησιμοποιούμενοι επεξεργαστές είναι PowerPC. Οι επιδόσεις παθητικής ανίχνευσης εναέριων στόχων στη διαμόρφωση IRST (στενότερου οπτικού πεδίου) παρέχουν πλήρη ικανότητα ιχνηλάτησης, με πολύ χαμηλό ρυθμό ψευδών συναγερμών και χωρίς να αποκαλύπτεται το αεροσκάφος. Σε ευνοϊκές συνθήκες, το σύστημα εντοπίζει προσεγγίζοντα υποηχητικά μαχητικά στα 50-90 km και απομακρυνόμενα στα 90-145 km ή περισσότερο (αναγνώριση των αεροσκαφών επιτυγχάνεται στο 65% των αποστάσεων αυτών). Ο αρχικός εντοπισμός επιτυγχάνεται στο LWIR, ενώ η αναγνώριση στο MWIR (υψηλότερη ανάλυση). Το σύστημα υποστηρίζει επίσης και επιχειρήσεις αέρος-εδάφους σε διαμόρφωση FLIR (ευρύτερου οπτικού πεδίου), με απεικόνιση εδάφους και στόχου, κατά τη διάρκεια αποστολών όπου είναι απαραίτητες οι παθητικές επιχειρήσεις. Διεξάγει επίσης παθητική αποστασιομέτρηση στόχων, είτε μέσω τριγωνισμών είτε μέσω κινηματικής τεχνικής.

Το ρωσικό μαχητικό Su-30 εξοπλίζεται με το συνδυασμένο ηλεκτροοπτικό IRST/FLIR τύπου OLS-30, το οποίο χρησιμοποιείται με το σύστημα παρακολούθησης κάσκας του χειριστή. Διαθέτει έναν ψυχόμενο αισθητήρα ευρείας φασματικής μπάντας. Η εμβέλεια ανίχνευσης είναι έως και 90 km, ενώ το αποστασιόμετρο laser είναι αποτελεσματικό έως τα 3.5 km. Οι στόχοι παρουσιάζονται στην ίδια οθόνη LCD με του ραντάρ. Η Ινδική πολεμική αεροπορία σχεδιάζει το δικό της μεγάλης εμβέλειας, διπλής μπάντας σύστημα IRST για τα μαχητικά Su-30MKI.

Το ρωσικό μαχητικό Su-35BM/S είναι εξοπλισμένο με το αναβαθμισμένο ηλεκτροοπτικό IRST/FLIR τύπου OLS-35 της UOMZ (Ural Optical and Mechanical Plant), σε θόλο μπροστά από το πιλοτήριο, με ψυχόμενη scanning array (MWIR) και μεγάλο οπτικό σύστημα. Παρέχει λειτουργίες IRST (ανιχνεύει επερχόμενους / προσεγγίζοντες  εναέριους υποηχητικούς στόχους από τα 30-50 km, ενώ απομακρυνόμενους με ξηρή ώση έως και 70-90 km αναλόγως θερμικής υπογραφής). Καλύπτει εμπρόσθιο τομέα αζιμουθίου ±90° και καθ’ ύψωση -15° έως +60°. Έχει δυνατότητα ταυτόχρονης παρακολούθησης μόλις 4 στόχων. Επίσης, διαθέτει TV camera και αποστασιόμετρο / καταδείκτη laser (εμβέλειας έως 20 km για εναέριους στόχους και έως 30 km για επίγειους στόχους, με CEP ~ 5 m).

Σχετικά υποδεέστερων επιδόσεων, το OLS-UEM (με θόλο από λευκοσάπφειρο Al₂O₃) εξοπλίζει τα MiG-35 (τελευταία βελτίωση του μαχητικού MiG-29 Fulcrum). Χρησιμοποιείται για τον εντοπισμό εναέριων και επίγειων στόχων (IR FPA / MWIR 320×256 pixels και TV 640×480 pixels). Ανιχνεύει εναέριους στόχους σε αποστάσεις 15-45 km, ενώ το αποστασιόμετρο laser έχει εμβέλεια έως 20 km.

Η χρήση IRST τεχνολογίας QWIP θεωρείται πολύ αποτελεσματική στην έγκαιρη ανίχνευση εναέριων στόχων stealth, όπως πχ το αεροσκάφος εναέριας υπεροχής F-22 Raptor, ακόμη και πριν αυτό προσεγγίσει στο βεληνεκές των όπλων του. Έτσι, το διπλής μπάντας IRST σύστημα OLS-50M (101KS-V)[40] των μαχητικών Sukhoi Su-57 (PAK-FA, T-50 ή Felon) αναφέρεται ότι εντοπίζει εντελώς παθητικά μαχητικά F-22, σε αποστάσεις ακόμη και μεγαλύτερες της εμβέλειας των ραντάρ (άνω των 70-80 km). Ο γυάλινος θόλος του OLS-50M είναι καλυμμένος με λεπτό, αντιανακλαστικό στρώμα InZnO, διαφανές στην οπτική ακτινοβολία. Όταν δεν χρησιμοποιείται το συγκεκριμένο σύστημα, η κεφαλή είναι στραμμένη ανάποδα, με το πίσω μέρος να φέρει επικάλυψη απορροφητικών υλικών (RAM), για μείωση της υπογραφής ραντάρ (RCS) του αεροσκάφους. Το σύστημα βασίζεται στην τεχνολογία αισθητήρων QWIP, η οποία λειτουργεί σε μεγάλο φασματικό εύρος έως και τα 15 μm, ώστε να ανιχνεύει πολύ ψυχρούς στόχους. Το IRST 101KS-V εξοπλίζει επίσης και το νεότερο ελαφρύ stealth μαχητικό Su-75 Checkmate.

Σχήμα 31: Το παλαιό εναέριο σύστημα IRST, γνωστό ως OEPS-29 (Opto-Electronic Pointing Station) του μαχητικού αεροσκάφους MiG-29UB Fulcrum-B ‘Blue 304’ λειτουργεί στη μπάντα 3-5 μm και έχει περιορισμένη εμβέλεια μόλις 12-18 km για υποηχητικούς στόχους σε ιδανικές συνθήκες (το αποστασιόμετρο laser έχει μικρή εμβέλεια 6.5 km). Χρησιμοποιεί μη ψυχόμενο “non-imaging” IR αισθητήρα, χαμηλής ευαισθησίας. Καλύπτει ±30º στο αζιμούθιο και ±15º καθ’ ύψωση. Μία αναβαθμισμένη έκδοση αποτελεί το OEPS-29L. Ως σύστημα S-31E2 KOLS, που συνδυάζει αποστασιόμετρο laser με IRST, για πρώτη φορά τέθηκε σε υπηρεσία στο MiG-29, το 1982.

Σχήμα 32: Το βελτιωμένο (ως προς το OEPS-29), μεγαλύτερο και βαρύτερο εναέριο σύστημα IRST, γνωστό ως OLS-27 (Optical Locator System), μέρος του ηλεκτροοπτικού σκοπευτικού OEPS-27, του μαχητικού Su-27 Flanker. Ανιχνεύει επερχόμενους εναέριους στόχους σε απόσταση έως 15 km και απομακρυνόμενους έως 50-70 km, αναλόγως της θερμικής τους υπογραφής. Διαθέτει ψυχόμενο αισθητήρα 3-5 μm. Καλύπτει τομέα ±60º στο αζιμούθιο και από -15º έως +60º καθ’ ύψωση, ενώ υποστηρίζει ρυθμό παρακολούθησης >25°/sec. Το OEPS-27 διαθέτει επίσης αποστασιόμετρο laser περιορισμένης εμβέλειας <8 km. Επίσης, το μαχητικό Su-27 περιλαμβάνει τον πρώτο Ρωσικό επιχειρησιακό καταδείκτη στόχων NSTs-27, εγκατεστημένο στην κάσκα του χειριστή, ο οποίος τροφοδοτεί τη γυροσκοπικά σταθεροποιημένη κάμερα OLS-27 / 36SH (της Geofizika NPO) και ενσωματώνει έναν υπολογιστή Ts-101.

Το δεκαετίας 1990 εναέριο σύστημα AN/AAS-42 IRST της Lockheed Martin εξόπλιζε τα τελευταία μαχητικά αεροσκάφη F-14D Super Tomcat του USN. Διέθετε εμβέλεια ανίχνευσης και αναγνώρισης μερικών δεκάδων ναυτικών μιλίων, αναλόγως του μεγέθους του στόχου (πχ έως 50 nm για μεγάλα αεροσκάφη). Λειτουργούσε συμπληρωματικά του ραντάρ AN/APG-71, με αντίστοιχους έξι διαφορετικούς τρόπους, στη μπάντα 8-12 μm / LWIR (1×256 scanned linear array),[42] με εύρος σάρωσης ±80° οριζόντια και ±70° κατακόρυφα, υποστηρίζοντας ταυτόχρονες εμπλοκές υψηλών επιδόσεων κατευθυνόμενων βλημάτων, όπως το AIM-120 AMRAAM. Σήμερα, ως Tiger Eyes συναντάται ακόμη σε κάποια νεότερα αεροσκάφη της Ν. Κορέας  (F-15K), της Σαουδικής Αραβίας (F-15SA) και της Σιγκαπούρης (F-15SG).

Ο αισθητήρας FPA γραμμικής σάρωσης του AN/AAS-42 IRST περιελάμβανε τέσσερις μονάδες 64 στοιχείων φωτοδιόδων HgCdTe / LWIR (συνολικά 256 στοιχείων) και μια διάταξη ανάγνωσης από την Amber/GE. Η εν λόγω υλοποίηση απετέλεσε την πρώτη FPA που βασίζεται σε φωτοδιόδους LWIR, αμερικανικής παραγωγής (1991). Οι δυσκολίες κατασκευής φωτοβολταϊκών διόδων HgCdTe ένωσης p-n ήταν ακόμη μεγαλύτερες, ως προς τους προηγηθέντες φωτοαγώγιμους ανιχνευτές HgCdTe. Μια σημαντική πτυχή της δυσκολίας ήταν η ανάγκη παθητικοποίησης (passivation) της επιφάνειας του ανιχνευτή, για τη χημική, ηλεκτρική και θερμική του σταθεροποίηση. Χωρίς παθητικοποίηση του CdTe, παραγωγή τεχνολογίας διόδων HgCdTe, μπορεί να μην ήταν δυνατή. Η συγκεκριμένη διαδικασία απαιτούσε επιφανειακή επίστρωση υψηλής ηλεκτρικής αντίστασης για την αποφυγή ρευμάτων διαρροής και παρείχε ταίριασμα του πλέγματος για την αποφυγή καταπονήσεων και δημιουργίας ελαττωμάτων. Το υλικό παθητικοποίησης έπρεπε επίσης να είναι διαπερατό στη φασματική ζώνη διέλευσης του ανιχνευτή και ενδεχομένως να εκπληρώνει ταυτόχρονα όλες τις άλλες απαιτήσεις με υλικό τύπου p και n, ανάλογα με τη διαμόρφωση. Τόσο η GE, όσο και η McDonnell Douglas είχαν αδειοδοτηθεί για την τεχνολογία διάχυσης HgCdTe, από τη γαλλική εταιρεία SAGEM. Αυτή, ήταν η πρώτη τεχνολογία που επικράτησε για την παραγωγή διόδων HgCdTe με παθητικοποίηση CdTe, με βάση την οποία κατέστη δυνατή η κατασκευή ανταγωνιστικών συστοιχιών γραμμικής σάρωσης που ενσωματώθηκαν στον απεικονιζόμενο αισθητήρα του AN/AAS-42 IRST.

Σχήμα 33(α): Το δεκαετίας 1990 εναέριο σύστημα AN/AAS-42 IRST της Lockheed Martin εξόπλιζε τα τελευταία μαχητικά αεροσκάφη F-14D Super Tomcat του USN. Πάνω, διακρίνεται εγκατεστημένο κάτω από το ρύγχος, μαζί με το σχετικά περιορισμένων δυνατοτήτων για τα σημερινά δεδομένα σύστημα ΑΝ/AXX-1 Television Camera Set (TCS) της Northrop (κάτω).

Σχήμα 33(β): Ο αισθητήρας FPA γραμμικής σάρωσης του AN/AAS-42 IRST των μαχητικών F-14D Super Tomcat του USN περιελάμβανε τέσσερις μονάδες 64 στοιχείων φωτοδιόδων HgCdTe / LWIR (συνολικά 256 στοιχείων) και μια διάταξη ανάγνωσης από την Amber/GE.

Το υψηλής ανάλυσης εναέριο ηλεκτροοπτικό σύστημα απόκτησης και στόχευσης AN/AAQ-40 EOTS (Electro-Optical Targeting System) των Lockheed Martin & ΒΑΕ βρίσκεται ενσωματωμένο στο μαχητικό F-35 Lightning II. Διαθέτει δυνατότητα σκόπευσης / στόχευσης με laser που βασίζεται σε δίοδο οπτικής άντλησης (diode-pumped), ενώ επίσης συνδυάζει λειτουργία IRST (τυπικής εμβέλειας >40 nm). Λειτουργεί συμπληρωματικά με το AN/AAQ-37 DAS και ουσιαστικά πρόκειται για βελτιωμένη εκδοχή FLIR του ατρακτιδίου AN/AAQ-33 Sniper XR / ATP (Advanced Targeting Pod) της Lockheed Martin, ενσωματωμένο (εσωτερικά εγκατεστημένο) σχεδόν σύμμορφα κάτω από το ρύγχος του αεροσκάφους.  Η εσωτερική εγκατάσταση μειώνει την αντίσταση του αέρα και επιτρέπει μια stealth κατασκευή, με πρισματικής μορφής θόλο από σάπφειρο (sapphire), επικαλυμμένο από λεπτό στρώμα χρυσού που κρατά έξω την ακτινοβολία RF και αυξάνει ελάχιστα τη ραδιοδιατομή ραντάρ (RCS). O αισθητήρας υπερύθρων του EOTS συνδυάζεται με φακούς υψηλής μεγέθυνσης και καρντανικής (gimbal) ανάρτησης κατόπτρων, για την παρακολούθηση οχημάτων, σημείων στο έδαφος, κτλ.

Το EOTS, μπορεί να χρησιμοποιηθεί ως κλασικό σύστημα FLIR για λειτουργίες αέρος-εδάφους. Το υπέρυθρο παράθυρο MWIR προσφέρει εξαιρετική ευκρίνεια στις λεπτομέρειες και μπορεί επίσης να διαπεράσει σχετικά ικανοποιητικά τον καπνό και την ομίχλη. Επιπλέον, τα γεωδεδομένα των στόχων μπορούν επίσης να προσδιοριστούν με ακρίβεια, ώστε να φωτιστούν / καταδειχτούν με laser. Από την άλλη πλευρά, το EOTS μπορεί επίσης να χρησιμοποιηθεί σε λειτουργία αέρος-αέρος, ως σύστημα IRST για την ανίχνευση και την παρακολούθηση στόχων αέρος, με βάση τις υπέρυθρες εκπομπές τους (κυρίως εξαγωγές κινητήρων και καυσαέρια).

Το οπτικό πεδίο είναι περίπου από +10° έως -130° ως προς το οριζόντιο επίπεδο, επιτρέποντας την ικανοποιητική θέαση των στόχων εδάφους, μερικές φορές ακόμη και προς οπίσθιους τομείς. Ωστόσο, οι εναέριοι στόχοι μπορούν να ανιχνεύονται μόνον όταν πετούν στο ίδιο ή σε ελαφρά υψηλότερο επίπεδο, διαφορετικά καλύπτονται από την άτρακτο του F-35. Λόγω της θέσης του αισθητήρα EOTS επί του αεροσκάφους, ο ρόλος IRST περιορίζεται μόνο στον εμπρόσθιο τομέα και προς τα κάτω (αντί προς τα πάνω, όπως τα τυπικά IRST). Τέτοιοι στόχοι μπορούν να εντοπίζονται από το AN/AAQ-37 DAS, αλλά μόνο σε μικρότερες αποστάσεις. Η σύνδεση με τα αεροηλεκτρονικά του αεροσκάφους γίνεται μέσω γραμμών / καναλιών οπτικών ινών.

Το AN/AAQ-40 αποτελεί το ισχυρότερο υπέρυθρο σύστημα του αεροσκάφους προς τα εμπρός, σε αντιδιαστολή με το πανοραμικό AN/AAQ-37. Ειδικότερα, πρόκειται για ένα συνδυασμό ψυχόμενου υπέρυθρου αισθητήρα MWIR, τηλεοπτικού αισθητήρα, καταδείκτη laser και ανιχνευτή ανάκλασης laser από τρίτη πηγή (laser spot-tracker), προοριζόμενο κυρίως για αποστολές αέρος-εδάφους. Διαθέτει υπέρυθρη κάμερα με FPA ατένισης (αρχικά 640×480) και οπτικό πεδίο 4°×4° ή 1°×1°, δηλαδή πολύ μικρότερο στιγμιαίο οπτικό πεδίο και πολύ μεγαλύτερη διακριτική ικανότητα από το AN/AAQ-37 (για προσεκτική εξέταση επαφών που έχουν ήδη ανιχνευθεί), όμως η εικόνα του EOTS δεν υφίσταται άλλη ψηφιακή επεξεργασία πέραν αυτής που παρέχει το Sniper XR / ATP. Γενικά διαθέτει υψηλή επεξεργαστική ισχύ για την ταυτόχρονη παρακολούθηση πολλών στόχων. Η εικόνα σταθεροποιείται διαρκώς μηχανο-οπτικά, έναντι κινήσεων πτήσης και κραδασμών. Οι έντονες κινήσεις αντισταθμίζονται από πολλές καρντανικές αναρτήσεις (gimbal), ενώ οι μικρότεροι κραδασμοί από κάποιο ειδικό, ευέλικτα κινούμενο κάτοπτρο.

Ο αισθητήρας του AN/AAQ-40, με τα μοντέρνα δεδομένα θεωρείται πλέον παλαιάς τεχνολογίας (αρχών 2000), οπότε από το Block 4.1 του αεροσκάφους αναβαθμίζεται σε Advanced EOTS. Η εν λόγω αναβάθμιση αφορά στην αύξηση της ευκρίνειας (FPA υψηλότερης ανάλυσης 1024×1024, SWIR/MWIR), στην επανασχεδίαση του οπτικού ανοίγματος ώστε να αυξηθεί το πεδίο παρατήρησης και το zoom, στη βελτίωση του τηλεοπτικού αισθητήρα (υψηλής ανάλυσης), καθώς και στην προσθήκη νέου υπέρυθρου καταδείκτη laser. Επίσης, υποστηρίζει 4Κ video streaming, μέσω ζεύξης δεδομένων (data link). Οι παρεμβάσεις στο λογισμικό είναι οι απολύτως απαραίτητες, ώστε το σύστημα να έλθει σε συγκρίσιμο επίπεδο επιδόσεων με αυτό των πιο μοντέρνων συστημάτων FLIR.

Σχήμα 34(α): Το υψηλής ανάλυσης εναέριο ηλεκτροοπτικό σύστημα σκόπευσης AN/AAQ-40 EOTS (Electro-Optical Targeting System) των Lockheed Martin & ΒΑΕ, ενσωματωμένο στο μαχητικό F-35 Lightning II. 

Τα μαχητικά αεροσκάφη F-35 Lightning II περιλαμβάνουν συνολικά έξι περιμετρικά της ατράκτου εγκατεστημένες ψυχόμενες κάμερες IR-CCD (υπέρυθροι αισθητήρες), με ευρυγώνιους φακούς, που ανήκουν στο ηλεκτροοπτικό σύστημα επιτήρησης κατανεμημένου διαφράγματος AN/AAQ-37 DAS (Distributed Aperture System) των Northrop Grumman & BAE. Τα οπτικά τους πεδία (FOV) συνθέτουν ένα πλήρους σφαιρικής κάλυψης (4π sterad) πεδίο παρατήρησης FOR (Field of Regard), μεταφέροντας την ενοποιημένη εικόνα τόσο στην κύρια οθόνη απεικόνισης όσο και στο προβολικό σύστημα της κάσκας του χειριστή. Οι συγκεκριμένες κάμερες διαθέτουν διατάξεις FPA με οπτικό πεδίο 120^οx120^ο (HFOVxVFOV), σταθερά τοποθετημένες χωρίς δυνατότητα εστίασης. Οι αρχικές FPA των καμερών της CMC Electronics Cincinnati, ανάλυσης 640×512 pixels, θεωρήθηκαν παρωχημένες λόγω της καθυστέρησης του προγράμματος και αντικαταστάθηκαν από νεότερες κάμερες της L-3 Cincinnati Electronics, με ψυχόμενες FPA μεγάλου μεγέθους, σε δύο υπέρυθρα παράθυρα NIR/MWIR (InSb)[41] των 4 Mpixel (2.048×2.048 pixels). Από το 2018, η Raytheon έχει αναλάβει την περαιτέρω αναβάθμιση του συστήματος με ακόμη νεότερες και ανθεκτικότερες κάμερες, για τον περιορισμό τόσο του κόστους κτήσης, όσο κυρίως του κόστους χρήσης (μικρότερες ανάγκες συντήρησης και αναβάθμιση της αξιοπιστίας), σε συνδυασμό με επαύξηση της εμβέλειας και της ευκρίνειας των ειδώλων. H διακριτική ικανότητα των αισθητήρων εξαρτάται από την ευκρίνεια των FPA και ταυτόχρονα βελτιώνεται περαιτέρω με την εφαρμοζόμενη ψηφιακή επεξεργασία των εικόνων.

Οι βασικές λειτουργίες του συγκεκριμένου συστήματος είναι η έρευνα και προειδοποίηση για επερχόμενα βλήματα MWR (Missile Warning Receiver) ή MAWS (Missile Approach Warning System), όπως επίσης η έρευνα, προειδοποίηση και ιχνηλάτηση επερχόμενων αεροσκαφών (ως σύστημα IRST), αλλά και η νυκτερινή όραση (αντικαθιστά τις συμβατικές συσκευές νυκτερινής όρασης των πιλότων).

Με τον τρόπο αυτό, είναι δυνατό να εφαρμόζονται κάθε φορά τα κατάλληλα αντίμετρα (chaffs, flares, ηλεκτρονικές παρεμβολες) εναντίον των επερχόμενων βλημάτων, καθώς επίσης να εντοπίζονται αυτόματα οι θέσεις των αντιαεροπορικών συστοιχιών βλημάτων / πυροβόλων και να αντιμετωπίζονται άμεσα με τα διαθέσιμα όπλα (βόμβες JDAM, κτλ). Η ικανότητα τριγωνισμού ενισχύεται σε μεγάλο βαθμό, όταν δύο ή περισσότερα μαχητικά F-35 λειτουργούν σε συντονισμό. Επίσης, τα εχθρικά μαχητικά αεροσκάφη που πλησιάζουν από οποιαδήποτε κατεύθυνση ανιχνεύονται αυτόματα και στη συνέχεια μπορούν να στοχοποιηθούν με όπλα “fire & forget” (AIM-9X ή AIM-120), χωρίς να χρειάζονται ελιγμοί τοποθέτησης (εκ μερους του F-35) για τη βολή τους. Κατά τη διάρκεια αερομαχιών που περιλαμβάνουν μεγάλο αριθμό φιλίων και εχθρικών αεροσκαφών, το ΑΝ/AAQ-37 αναγνωρίζει και παρακολουθεί όλα τα αεροσκάφη, έτσι ώστε ο πιλότος να μπορεί να διακρίνει μεταξύ φίλου και εχθρού, ακόμη και όταν τα αεροσκάφη είναι παρόμοια μεταξύ τους. Η αίσθηση της νυκτερινής όρασης παρέχεται στην κάσκα του χειριστή (HMD), όπου προβάλλεται μονοχρωματική (πρασινωπής απόχρωσης) εικόνα οπτικού πεδίου 30°x40°, μοναδιαίας μεγέθυνσης, παρόμοιας ευκρίνειας με την ανθρώπινη όραση, που αντιστοιχεί στην κατεύθυνση στην οποία ο χειριστής στρέφει το κεφάλι του. Η μοναδική εφαρμοζόμενη επεξεργασία είναι η συρραφή της εικόνας των έξι καμερών, κατά τρόπο που ο χειριστής να μην αντιλαμβάνεται τη μετάβαση από το οπτικό πεδίο της μιας, στο οπτικό πεδίο της άλλης. Επίσης, η κάσκα αποτελεί ένα είδος κέντρου διοίκησης, παρέχοντας στον πιλότο τα στοιχεία που χρειάζονται για πτήση, πλοήγηση και μάχη.

Σχήμα 34(β): Στις φωτογραφίες φαίνονται οι τέσσερεις, από τις συνολικά έξι περιμετρικά εγκατεστημένες κάμερες IR-CCD (υπέρυθροι αισθητήρες) του κατανεμημένου διαφράγματος ηλεκτροοπτικού συστήματος επιτήρησης AN/AAQ-37 DAS (Distributed Aperture System) των Northrop Grumman & BAE, επί του μαχητικού αεροσκάφους F-35 Lightning II.

Στα μαχητικά F/A-18E/F Super Hornet, μετά από τις επιτυχημένες δοκιμές του πρωτοτύπου SpectIR, το αμερικανικό ναυτικό εγκαθιστά το pod αισθητήρα πολλαπλών λειτουργιών Legion Pod, που υποστηρίζει συνεργατική σκόπευση, με τον αισθητήρα AN/ASG-34 ή IRST21 των Boeing & Lockheed Martin (LWIR/MCT). Αποτελεί το διάδοχο σύστημα του AN/AAS-42 της Lockheed Martin,[43] με εμπρόσθιο τομέα συνολικού εύρους ±70° σε αζιμούθιο και ύψωση, τυπικής εμβέλειας ανίχνευσης >40 nm, σε ευνοϊκές συνθήκες. Υποστηρίζει τη βολή βλημάτων AIM-120C/D και AIM-9X.

Τα νέα μαχητικά F/A-18E/F Block III Super Hornet της Boeing, αλλά και τα αναβαθμισμένα παλαιότερα F/A-18E/F ενσωματώνουν προηγμένες νέες τεχνολογίες (νέες ζεύξεις δεδομένων, μαζικά αυξημένη επεξεργαστική ισχύ και νέους αισθητήρες), σε συνδυασμό με τις αναβαθμισμένες δυνατότητες του ατρακτιδίου IRST21 Block II (LWIR) των Boeing/Lockheed Martin, οι οποίες μπορούν να αντιμετωπίσουν την απειλή από τα αεροσκάφη τεχνολογίας stealth. Το αεροσκάφος F/A-18E/F Block III Super Hornet ενσωματώνει νέες δυνατότητες, μεταξύ των οποίων είναι η μεγαλύτερη εμβέλεια αποστολής, βελτιώσεις της ραδιοδιατομής, βελτιωμένες δορυφορικές επικοινωνίες, έως και νέο προηγμένο σύστημα απεικόνισης πιλοτηρίου, το οποίο διαθέτει μεγάλη οθόνη αφής. Η τελευταία, παρέχει στους πιλότους βελτιωμένη επίγνωση της κατάστασης, δίνοντάς τους τη δυνατότητα να λαμβάνουν γρήγορες και τεκμηριωμένες αποφάσεις σε σενάρια υψηλής πίεσης (στρες). Ωστόσο, οι δύο πιο σημαντικές αναβαθμίσεις είναι η προσθήκη ενός υπολογιστή με δικτυακό επεξεργαστή στόχευσης DTP-N (Distributed Targeting Processor-Networked), ο οποίος αυξάνει εκθετικά την διαθέσιμη επεξεργαστική ισχύ, καθώς επίσης και το με βάση το πρωτόκολλο IP υψηλής ταχύτητας, υψηλού φασματικού εύρους, υψηλής απόδοσης και ανθεκτικό στις παρεμβολές δίκτυο τακτικής στόχευσης TTNT (Tactical Targeting Network Technology). Γενικά, το αμερικανικό ναυτικό έχει επενδύσει αρκετά σε δικτυοκεντρικές προσεγγίσεις, επιτρέποντας την απρόσκοπτη ανταλλαγή πληροφοριών με άλλες πλατφόρμες. Με τη δικτυακή τεχνολογία TTNT παρέχεται στους πιλότους απαράμιλλη πρόσβαση σε ολοκληρωμένες πληροφορίες πεδίου μάχης, όπου δύο ή περισσότερα Block III Super Hornet μπορούν να συνεργάζονται, με σκοπό την στοχοποίηση εχθρικού αεροσκάφους, ακόμη και τεχνολογίας stealth, μέσω των βελτιωμένων συστημάτων IRST Block II, που φέρουν. Όταν η επεξεργαστική ισχύς του DTP-N, με τις επιδόσεις του TTNT συνδυάζονται με τον αισθητήρα IRST Block II, η προκύπτουσα ικανότητα επιτρέπει σε ένα ζεύγος F/A-18E/F Block III Super Hornet, να εμπλέκεται με εχθρικά αεροσκάφη stealth, πολύ πέρα ​​από την οπτική εμβέλεια ή την εμβέλεια του ραντάρ AN/APG-79 AESA της Raytheon. Η παρουσίαση κοινής τακτικής εικόνας βασίζεται στην ισχυρή και ανθεκτική σε παρεμβολές ζεύξη δεδομένων υψηλής ταχύτητας TTNT του αεροσκάφους, καθώς επίσης και στην τεράστια υπολογιστική ισχύ του επεξεργαστή DTP-N, η οποία  απαιτείται για την εκτέλεση των πολύπλοκων αλγορίθμων συγχώνευσης δεδομένων (data fusion), από πολλαπλά αεροσκάφη. Η Boeing έλαβε υπόψη τους παραδοσιακούς περιορισμούς των αισθητήρων υπέρυθρης ακτινοβολίας, όπου η απόδοση μπορεί να υποβαθμιστεί σοβαρά από τις δυσμενείς καιρικές συνθήκες, ιδιαίτερα από τα σύννεφα και την ατμοσφαιρική υγρασία. Το IRST21 Block II μπορεί να αντιμετωπίσει αποτελεσματικά εχθρικά αεροσκάφη stealth. Επισημαίνεται, ότι ένα αεροσκάφος με χαμηλή ραδιοδιατομή εξακολουθεί να εκπέμπει σημαντική θερμική υπογραφή, η οποία είναι σχεδόν αδύνατο να καταπιεσθεί αποτελεσματικά. Επομένως, φαίνεται ότι η αποτελεσματικότερη αντιμετώπιση των απειλών μαχητικών αεροσκαφών πέμπτης γενιάς είναι μαχητικά τέταρτης γενιάς, εξοπλισμένα με μοντέρνους αισθητήρες και ανάλογες δυνατότητες δικτύωσης.

Ανάλογο ατρακτίδιο είναι το ανοικτής αρχιτεκτονικής για αναβαθμίσεις OpenPod των Northrop Grumman και Leonardo (με δυνατότητες στόχευσης, επικοινωνίες, LIDAR, κτλ), εξέλιξη του ατρακτιδίου AN/AAQ-28(V) Litening (το οποίο μπορεί να μετατραπεί σε OpenPod), ενώ ενσωματώνει την τεχνολογία IRST των PIRATE και SkyWard (με αισθητήρα της Leonardo).

Σχήμα 35(α): Το τελευταίας τεχνολογίας ατρακτίδιο IRST21 / Legion Pod των Boeing & Lockheed Martin ανιχνεύει εναέριους στόχους σε μεγάλες αποστάσεις, συγκρίσιμες με αυτές των συστημάτων ραντάρ των μαχητικών αεροσκαφών (αναλόγως συνθηκών). Εγκαθίσταται μεταξύ άλλων σε μαχητικά F-15C, F-15EX, F-16 και F/A-18E/F Super Hornet (αρχικά φερόμενο επί της κεντρικής εξωτερικής δεξαμενής καυσίμου των F/A-18E/F). Με τη χρήση ζεύξης δεδομένων (δικτύωσης) είναι δυνατός ο συνδυασμός των πληροφοριών των αντίστοιχων συστημάτων από διαφορετικά αεροσκάφη για την διεξαγωγή τριγωνισμών που επιτρέπουν την εκτίμηση της θέσης του στόχου (συνεργατική σκόπευση).

Σχήμα 35(β): Η γραμμή ατρακτιδίων IRST21 / Legion Pod της Lockheed Martin. Ένα και μοναδικό μαχητικό F/A-18E/F Block III Super Hornet, εξοπλισμένο με IRST21 Block II (LWIR), θα μπορούσε να ανιχνεύσει και να παρακολουθήσει κάποιο αεροσκάφος stealth, όπως πχ J-20 ή Su-57 σε μεγάλες αποστάσεις. Ωστόσο, ένα μοναδικό μαχητικό F/A-18E/F Block III, δεν θα μπορούσε να δημιουργήσει ποιοτικά ίχνη για την εμπλοκή όπλων εναντίον των εχθρικών μαχητικών stealth, επειδή ο αισθητήρας υπέρυθρων IRST21 δεν μπορεί να παράγει δεδομένα εμβέλειας. Όμως, με το συνδυασμό δύο αεροσκαφών και τον αλγόριθμο συγχώνευσης ή σύντηξης δεδομένων του δικτυακού επεξεργαστή στόχευσης DTP-N (Distributed Targeting Processor-Networked), οι δύο διαφορετικές διοπτεύσεις διασταυρώνονται και υπολογίζεται ποιοτική παρακολούθηση ίχνους για τη βέλτιστη εμπλοκή όπλων, πολύ μακρύτερα από την εμβέλεια των ραντάρ των μαχητικών του αντιπάλου. Το μικρότερο ατρακτίδιο LEGION-ES αφορά ειδικά στα μαχητικά F-16V Block 70/72.

7. Παραδείγματα επίγειων συστημάτων IRST

Τα φιλοσοφίας IRST συστήματα ενεργούς προστασίας APS (Active Protection Systems) αποτελούν ιδιαίτερης πολυπλοκότητας ολοκληρωμένες διατάξεις έγκαιρης προειδοποίησης και προστασίας αρμάτων μάχης και άλλων τεθωρακισμένων οχημάτων, από επιθέσεις αντιαρματικών βλημάτων (καθοδηγούμενων ATGW ή μη καθοδηγούμενων με κεφαλή κοίλου γεμίσματος) και ρουκετών ή ρουκετοβομβίδων (RPG). Σε κάποιες περιπτώσεις, ενδεχομένως με κάποιες τροποποιήσεις λογισμικού και υλικού, μπορούν να χρησιμοποιηθούν και εναντίον επερχόμενων χαμηλού κόστους καμικάζι drones. Σκοπός των APS είναι η υποβάθμιση της καταστροφικής ικανότητας της επερχόμενης απειλής, πριν προσκρούσει πάνω στη θωράκιση του άρματος, μειώνοντας έτσι τις πιθανότητες διάτρησης. Ένα σύστημα APS παρέχει επίγνωση της κατάστασης, ανιχνεύει και παρακολουθεί τα επερχόμενα βλήματα, αναπτύσσοντας την κατάλληλη χρονική στιγμή αντίμετρα παρεμβολής / απόκρυψης (soft kill) ή φυσικής καταστροφής (hard kill), ενώ σε κάποιες περιπτώσεις εφαρμόζεται συνδυασμός και των δύο τύπων αντιμέτρων.

Τα συστήματα APS βρίσκονται σε διαρκή εξέλιξη, σε μια προσπάθεια συνεχούς προσαρμογής στις μεταβαλλόμενες απειλές. Ο εντοπισμός της επερχόμενης απειλής σε αποστάσεις τουλάχιστον >500-600 m θεωρείται ως το απολύτως ελάχιστο για την αντιμετώπιση βλημάτων υψηλής εκρηκτικότητας HEAT (High-Explosive Anti-Tank), ενώ για τα υψηλότερης ταχύτητας βλήματα κινητικής ενέργειας APFSDS (Armour-Piercing Fin-Stabilized Discarding Sabot),  η ελάχιστη απαραίτητη απόσταση εντοπισμού είναι τα 700-800 m, έτσι ώστε να παρέχεται ο απαιτούμενος χρόνος αντίδρασης για αποτελεσματική αναχαίτιση.

Σχήμα 36: IR ανίχνευση και παρακολούθηση μικρού επερχόμενου στόχου, σε σύστημα ενεργής προστασίας (APS). Ένα APS είναι σύστημα που έχει σχεδιαστεί για την προστασία τεθωρακισμένων από επίθεση κατευθυνόμενων βλημάτων ή πυραύλων, πχ μέσω φυσικής αντεπίθεσης (hard kill). Ένας αντιαρματικός πύραυλος, όπως πχ υψηλής εκρηκτικότητας (HEAT), θα πρέπει να ανιχνεύεται σε απόσταση τουλάχιστον 1 km και να παρακολουθείται για ενεργή προστασία χρησιμοποιώντας ραντάρ ή/και κάμερες IR.

Όσον αφορά στη βέλτιστη ανίχνευση του επερχόμενου στόχου, θα πρέπει να λαμβάνονται υπόψη οι παραλλαγές υπογραφής IR για να επιτευχθούν οι επιθυμητοί ρυθμοί (πιθανότητες) ανίχνευσης και ψευδών συναγερμών. Εάν χρησιμοποιηθούν οι μεταβολές του λόγου σήματος προς clutter (SCR) που σχετίζονται με το υπόβαθρο, το σύστημα ανίχνευσης μικρών στόχων μπορεί να ελέγχει το κατώφλι ανίχνευσης προσαρμοστικά, ανάλογα με το υπόβαθρο και τις καιρικές συνθήκες. Ωστόσο, μια τέτοια προσέγγιση δεν είναι πρακτική, επειδή απαιτεί τεράστιο πλήθος βάσεων δεδομένων περιβαλλοντικών παραμέτρων IR. Μια σχετικά απλούστερη και πιο πρακτική μέθοδος ανίχνευσης υπερηχητικών μικρών στόχων, σε πραγματικό χρόνο, είναι μέσω εφαρμογής αναδρομικών φίλτρων χρονικής διακύμανσης της αντίθεσης TVF (Temporal Variance Filters), που καταπιέζουν το clutter διατηρώντας όμως τις λεπτομέρειες της εικόνας. Οι αλγόριθμοι TVF λειτουργούν αναλύοντας τη χρονική διακύμανση των εικονοστοιχείων σε πολλαπλά καρέ video. Συγκρίνοντας τη διακύμανση κάθε εικονοστοιχείου σε κάθε καρέ, με τα γειτονικά του εικονοστοιχεία, οι αλγόριθμοι TVF είναι σε θέση να διακρίνουν το πραγματικό σήμα μέσα στο θόρυβο / clutter. Για το σκοπό αυτό, οι αλγόριθμοι TVF συνήθως περιλαμβάνουν σειρά μαθηματικών λειτουργιών, όπως εξομάλυνση, φιλτράρισμα και κατώφλι απόφασης (thresholding), οι οποίες εφαρμόζονται στα δεδομένα εικονοστοιχείων.

Σχήμα 37: Μια περιοχή ανίχνευσης διαιρείται στο κελί στόχου (target cell), στο προστατευτικό κελί (guard cell) και στο κελί φόντου (background cell), τα οποία επιλέγονται χρησιμοποιώντας τις πληροφορίες του κατωφλίου αντίθεσης και της ομαδοποίησης (με βάση πχ τα αποτελέσματα του πλησιέστερου γείτονα NN), όπου Ι_Τ φασματική ένταση ακτινοβολίας του στόχου [watt/sr μm], μ_Β και σ_Β μέση τιμή και τυπική απόκλιση ακτινοβολίας της περιοχής φόντου. Η περιοχή ανίχνευσης δηλώνεται ως στόχος, όταν η τιμή SCR υπερβαίνει το κατώφλι ανίχνευσης.

Τα συστήματα APS έχουν επιτύχει σημαντικές βελτιώσεις στην τεχνολογία αισθητήρων, επιτρέποντας αποτελεσματική ανίχνευση και παρακολούθηση των απειλών. Προηγμένοι αισθητήρες ραντάρ, lidar και υπέρυθρων ενσωματώνονται στα συστήματα APS για να παρέχουν ακριβή και έγκαιρη αναγνώριση των εισερχόμενων απειλών. Αυτοί οι αισθητήρες συμβάλλουν σε ταχύτερους χρόνους απόκρισης και αυξημένη αποτελεσματικότητα των αντιμέτρων. Οι μελλοντικές εξελίξεις αναμένεται να περιλαμβάνουν πολυφασματικούς αισθητήρες, ικανούς να ανιχνεύουν και να παρακολουθούν ένα ευρύτερο φάσμα απειλών. Αλγόριθμοι τεχνητής νοημοσύνης θα διαδραματίσουν κρίσιμο ρόλο, επιτρέποντας ταχύτερη ανάλυση απειλών, λήψη αποφάσεων και ανάπτυξη αντιμέτρων.

Επίσης, τα συστήματα APS μπορεί να ολοκληρώνονται μεταξύ των οχημάτων και πλατφορμών, δημιουργώντας ένα δικτυωμένο αμυντικό οικοσύστημα. Αυτή η ενοποίηση επιτρέπει βελτιωμένη επίγνωση της κατάστασης και συντονισμό μεταξύ APS και άλλων αμυντικών συστημάτων. Η δικτύωση επιτρέπει επίσης την κοινή χρήση και ανάλυση δεδομένων, οδηγώντας σε ακριβέστερη πρόβλεψη απειλών και βελτιστοποίηση της λειτουργίας του συστήματος.

Μεταξύ των αντιμέτρων soft kill αποτελούν τα προπετάσματα πολυφασματικού καπνού (multispectral obscurants), τα οποία παρεμβάλουν το σύστημα καθοδήγησης του βλήματος, καθώς και η χρήση δέσμης laser για την τύφλωση του ηλεκτροοπτικού του αισθητήρα. Τα πιο μοντέρνα συστήματα αντιμέτρων soft kill έχουν αναβαθμιστεί με προηγμένες δυνατότητες ηλεκτρονικού πολέμου, συμπεριλαμβανομένων των πιο εξελιγμένων τεχνικών παρεμβολής ερευνητών (seekers), ζεύξεων ραδιοελέγχου, συστημάτων anti-drones, κτλ, όπως επίσης της χρήσης βελτιωμένης αποτελεσματικότητας δολωμάτων και συστημάτων εκτυφλωτικών laser (όπλων κατευθυνόμενης ενέργειας). Αυτές οι βελτιώσεις επαυξάνουν τις πιθανότητες σύγχυσης και εκτροπής των εισερχόμενων απειλών.

Τα αντίμετρα hard kill που χρησιμοποιούνται για τη φυσική εξουδετέρωση της επερχόμενης απειλής, ενσωματώνουν πλέον προηγμένα πυρομαχικά, συμπεριλαμβανομένων βλημάτων κινητικής ενέργειας και εκρηκτικών βλημάτων, με βελτιωμένη ακρίβεια και καταστροφικότητα. Αυτά τα συστήματα επωφελούνται από ταχύτερους χρόνους απόκρισης, αυξημένη απόσταση αναχαίτισης και βελτιωμένη διάκριση στόχων. Μπορεί να έχουν διάφορα διαμετρήματα, ενώ διακρίνονται σε αναπτυσσόμενα (deployed), που βασίζονται στην ωστική δύναμη της έκρηξης και σε διασποράς (distributed), που εκμεταλλεύονται την επίδραση της διασποράς της έκρηξης, προκειμένου να καταστρέψουν ή να εκτρέψουν από την πορεία του, το επερχόμενο βλήμα. Τα hard kill αντίμετρα εκτοξεύονται σε συγκεκριμένο σημείο, όπου εκρήγνυται και απελευθερώνουν μεγάλη ποσότητα συγκεντρωμένης ενέργειας (δημιουργώντας ένα καταστρεπτικό ωστικό κύμα) ή θραύσματα, ακόμη και μεταλλικά σφαιρίδια (κατασκευασμένα από χάλυβα ή υλικό υψηλότερης πυκνότητας όπως το βολφράμιο), εστιασμένα ακριβώς μπροστά στην τροχιά της αντιαρματικής απειλής. Οι εκτοξευτές αντιμέτρων είναι τοποθετημένοι περιμετρικά του οχήματος και η αναχαίτιση πραγματοποιείται σε πολύ μικρή απόσταση (κάποιες φορές 1-2 m), ώστε να ελαχιστοποιείται τόσο η πιθανότητα σφάλματος όσο και η έκθεση στην έκρηξη του φίλιου πεζικού που ακολουθεί από κοντά.

Οι προσπάθειες έρευνας και ανάπτυξης συνεχίζονται για τη βελτίωση των αντιμέτρων hard kill, εξερευνώντας τεχνολογίες, όπως τα κατευθυνόμενα ενεργειακά όπλα και τα κινητικά βλήματα επόμενης γενιάς.

Ένα σημαντικό μειονέκτημα των συστημάτων APS αποτελεί η αδυναμία ανταπόκρισης σε επιθέσεις κορεσμού από πολλαπλά αντιαρματικά βλήματα, που καταφθάνουν από διαφορετικές κατευθύνσεις και ιδιαίτερα αυτών που κατέρχονται από σχεδόν κατακόρυφες κατευθύνσεις. Η ικανότητα αντιμετώπισης πολλαπλών χτυπημάτων και η δυνατότητα ταυτόχρονης εξουδετέρωσης απειλών είναι σημαντικές για τα APS. Τυπικά, ένα σύστημα  hard kill με δύο περιστρεφόμενους εκτοξευτές, μπορεί να εμπλέκεται το πολύ με δύο απειλές κάθε φορά. Επίσης, εάν κάθε εκτοξευτής διαθέτει μόνο δύο αντίμετρα, τότε περιορίζεται σημαντικά η ικανότητα αντιμετώπισης πολλαπλών χτυπημάτων.

Τα APS συστήματα hard kill διακρίνονται σε τρεις κατηγορίες: με περιστρεφόμενους εκτοξευτές (Trophy, AVePS, Iron Fist, LEDS, Scudo, Akkor, κτλ), με σταθερούς εκτοξευτές (Drozd, Arena, Quick Kill, Zaslon) και σε αυτά που βασίζονται σε ενεργή θωράκιση και άλλες τεχνικές, όπως πχ το Τσέχικο EFA (Explosively Formed Axe), το TRAPS (Tactical RPG Airbag Protection System) της Textron, το Iron Curtain της Artis LLC, κτλ. Στην τελευταία κατηγορία ανήκει και το StrikeShield της Rheinmetall, το οποίο αποτελεί την τρίτη γενιά αυτού που αρχικά ήταν γνωστό ως ADS (Active Defense System) και χρησιμοποιεί κατευθυντικά εκρηκτικά φορτία, τα οποία λειτουργούν γενικά με παρόμοιο τρόπο όπως η προστασία εκρηκτικής / ενεργητικής αντιδραστικής θωράκισης ERA (Explosive Reactive Armor).

Η Γερμανία αναπτύσσει διάφορα soft kill αμυντικά προπετάσματα, ακουστικούς αισθητήρες εντοπισμού εκτόξευσης βλημάτων, συστήματα προειδοποίησης laser και άλλα βοηθήματα που μπορούν να ολοκληρωθούν σε συστήματα APS. Επίσης, έχει ενσωματώσει σύστημα soft kill APS στο βασικό εξοπλισμό των τεθωρακισμένων οχημάτων μάχης (ΤΟΜΑ) PUMA, και συγκεκριμένα το πολλαπλών λειτουργιών σύστημα αυτοπροστασίας MUSS (Multifunktionales Selbstschutz-System), της Hensoldt (πρώην EADS Buck / Rheinmetall και Krauss-Maffei Wegmann – KMW). Αυτό, βασίζεται στη χρήση του του πλήρως παθητικού συστήματος προειδοποίησης επερχόμενου βλήματος AN/AAR-60P MILDS και του συστήματος ανίχνευσης ακτινοβολίας laser COLDS, σε ενιαίο περίβλημα. Η νεότερη έκδοση MUSS 2.0 ανιχνεύει αποστασιόμετρα laser δεύτερης γενιάς και ακτινοβολία ελέγχου κατευθυνόμενων βλημάτων laser beam rider (CW ή παλμικών). Με τη βοήθεια των ανιχνευτών laser αυξάνεται τόσο η γωνιακή ανάλυση, όσο και η δυνατότητα ταξινόμησης / αναγνώρισης των απειλών. Η μεγαλύτερη υπολογιστική ισχύς της κεντρικής μονάδας επεξεργασίας σημαίνει ότι μπορούν να εντοπίζονται επιπρόσθετες απειλές βλημάτων. Ένα σύστημα MUSS περιλαμβάνει τέσσερις προειδοποιητικούς αισθητήρες, την κεντρική μονάδα, έναν περιστρεφόμενο παρεμβολέα υπερύθρων (IR jammer) και πυροτεχνικά αντίμετρα καπνού που εκτοξεύονται κατευθυνόμενα. Οι προειδοποιητικοί αισθητήρες ανιχνεύουν τα εισερχόμενα βλήματα και την ακτινοβολία laser που στοχεύει το όχημα. Στη συνέχεια, η κεντρική μονάδα ενεργοποιεί soft kill αντίμετρα υπέρυθρων για την διατάραξη του συστήματος ελέγχου του βλήματος ή/και τη χρήση πυροτεχνικών αντιμέτρων (αργότερα μπορεί να αναπτυχθούν και αντίμετρα hard kill). 

Η Ιταλική OTO Melara αναπτύσσει το Scudo (από το 2002). Αυτό, χρησιμοποιεί αντίμετρα (hard kill), που βασίζονται σε εκτοξευτές και σε μέτρα που βασίζονται σε ενεργή θωράκιση. Το σύστημα περιλαμβάνει αισθητήρα (ραντάρ) ανίχνευσης και παρακολούθησης CW διπλής συχνότητας X-band (εμβέλειας >500 m), αισθητήρα υπερύθρων (IR), υπολογιστή διαχείρισης, εκτοξευτή αντιμέτρων κατακερματισμού 70 mm (με χρόνο αντίδρασης >250 msec), κιτ εκρηκτικών πλακιδίων (ενεργή θωράκιση) και αποκλειστικούς οπτρονικούς αισθητήρες σκανδάλης. Υποστηρίζεται, ότι το σύστημα έχει πιθανότητα θανάτωσης >90%, σε στόχους που εμπλέκονται σε αποστάσεις μεταξύ 30 και 100 m. Κάθε πλακίδιο ενεργής θωράκισης περιλαμβάνει αισθητήρα, στρώμα από μεταλλικά θραύσματα / σφαιρίδια βολφραμίου, στρώμα εκρηκτικών, πυροσωλήνα προσέγγισης (μικροκυμάτων) και τα δικά του ηλεκτρονικά (χρόνος αντίδρασης <150 msec). Το Scudo αντιμετωπίζει διάφορες αντιαρματικές απειλές, όπως RPG, ATGW, κτλ.

H Σουηδική Saab έχει αναπτύξει το νεότερο LEDS (Land Electronic Defence System), ενώ η Κινεζική NORINCO έχει αναπτύξει το GL5.

Η Σοβιετική Ένωση ήταν η πρώτη που ανέπτυξε επιχειρησιακό σύστημα APS από το 1977-78, και συγκεκριμένα το Drozd, το οποίο εγκαταστάθηκε σε αριθμό αρμάτων T-55AD και T-62 από το 1983, όπως επίσης και σε κάποια άρματα μάχης T-80U-M1. Σύμφωνα με κάποιες πληροφορίες, το Drozd χρησιμοποιήθηκε στο Αφγανιστάν (1979-1989). Αυτό, ήταν ένα σύστημα φυσικής καταστροφής (hard kill), το οποίο χρησιμοποιούσε δύο ραντάρ Doppler 24.5 GHz για την ανίχνευση επερχόμενων βλημάτων ταχυτήτων έως 700 m/sec από την απόσταση των 250 m, αναλογικό υπολογιστή και εκτόξευε μη καθοδηγούμενα βλήματα διασποράς (cone shaped fragmentation head) των 107 mm. Παρά τους σταθερούς εκτοξευτές, το σύστημα παρουσίαζε σχετικά μεγάλο χρόνο αντίδρασης περίπου 350 msec. Ακολούθως, αναπτύχθηκε το  Drozd-2, το οποίο διατίθεται στο εμπόριο αλλά δεν χρησιμοποιείται από το ρωσικό στρατό (το μοναδικό ρωσικό T-80UM2 με σύστημα Drozd-2, μάλλον καταστράφηκε από τους Ουκρανούς στον πόλεμο, το 2022). Διάδοχο σύστημα, από το 1993, θεωρείται το Arena και η εξαγωγική του έκδοση Arena-E. Το 2001 επιδείχθηκε κάποια βελτιωμένη έκδοση του Arena σε ένα αναβαθμισμένο άρμα T-72. Το σύστημα χρησιμοποιεί περιμετρικά τοποθετημένα πάνελ χιλιοστομετρικών ραντάρ Doppler (MFR), για την ανίχνευση των εισερχόμενων απειλών (το πίσω τμήμα του πυργίσκου/οχήματος δεν καλύπτεται). Περιλαμβάνει κεντρική μονάδα επεξεργασίας και μια σειρά από περίπου 26-32 αντίμετρα τοποθετημένα γύρω από τον πυργίσκο. Οι μονάδες ραντάρ αρχίζουν να παρακολουθούν προσεγγίζοντα βλήματα με ταχύτητες 70 έως 700 m/sec, αρχίζοντας την εμπλοκή σε απόσταση 50 m από το προστατευόμενο όχημα. Τα αντίμετρα εκρήγνυνται σε απόσταση περίπου 1.5 μέτρου από την απειλή και σε απόσταση περίπου 4 έως 10 m από το όχημα. Αυτά, εκτοξεύονται στον αέρα υπό γωνία και περιέχουν εκρηκτική γόμωση με αριθμό μεταλλικών θραυσμάτων / σφαιριδίων (πιθανότητα καταστροφής 55%). Το Arena δεν έχει εισέλθει σε υπηρεσία στις ρωσικές δυνάμεις, αλλά έχει διαπιστωθεί μεταφορά τεχνολογίας στο νοτιοκορεάτικο άρμα μάχης K2. Tο 2013 εμφανίστηκε το Arena-3, ενώ ακόμη νεότερη εξέλιξη ρωσικού APS είναι το Afghanit των αρμάτων μάχης T-14 Armata. Το τελευταίο, παρέχει περιφερειακή κάλυψη, περιλαμβάνει χιλιοστομετρικό ραντάρ Doppler ανίχνευσης, παρακολούθησης και αναχαίτισης σχεδόν κάθε τύπου επερχόμενων αντιαρματικών πυρομαχικών μέγιστης ταχύτητας έως και 1.700 m/s (Mach 5.0), ενώ αναπτύσσονται βελτιώσεις του συστήματος για αντιμετώπιση απειλών έως και 3.000 m/s (Mach 8.8). Έχει αναπτυχθεί και μια παραλλαγή που χρησιμοποιεί αισθητήρες UV για την ηλεκτροοπτική παρακολούθηση των ATGM και RPG. Το σύστημα διαθέτει περιστρεφόμενους εκτοξευτές ανάπτυξης πολυφασματικών βομβίδων και θερμοβολίδων soft kill (απόκρυψης από τους ανιχνευτές υπέρυθρων ή εκτροπής προς άλλες πηγές θερμότητας). Επίσης, διαθέτει και σταθερούς εκτοξευτές αντιμέτρων hard kill που έχουν σχεδιαστεί για να καταρρίπτουν εισερχόμενους πυραύλους. Όμως, για την αντιμετώπιση αντιαρματικών βλημάτων top-attack, όπως το Javelin, πέραν των soft kill αντιμέτρων καπνού, τα hard kill αντίμετρα θα πρέπει να μπορούν να βάλλονται κάθετα πάνω από το άρμα. Το σύστημα παρέχει προστασία έναντι απειλών ATGM και RPG, όμως έναντι διεισδυτών κινητικής ενέργειας (APFSDS), οι δυνατότητες αντιμετώπισης θεωρούνται περιορισμένες, αφού φαίνεται να βασίζονται σε κεφαλές MEFP (Multiple Explosively Formed Penetrator) ή υψηλού κατακερματισμού (HE-fragmentation).

Αντίστοιχο σύστημα από τη Rafael Advanced Defense Systems είναι τo Trophy ή ASPRO-A, των ισραηλινών αρμάτων Merkava Mk IVm Windbreaker και λοιπών οχημάτων (τεθωρακισμένα οχήματα μεταφοράς προσωπικού Namer), το οποίο είναι επιχειρησιακό από το 2010-2011. Αυτό, αντιμετωπίζει μεγάλη ποικιλία αντιαρματικών απειλών (ATGM, RPG, HEAT, κτλ), αναχαιτίζοντας και καταστρέφοντας (hard kill) επερχόμενα βλήματα και ρουκέτες (όπως το αντιαρματικό 9M133 Kornet), με βολές διασποράς (distributed) που προσομοιάζουν έκρηξη μεταλλικών σφαιριδίων σαν κυνηγετικού όπλου, για την καταστροφή ή την εκτροπή του εισερχόμενου βλήματος μακριά από το προστατευόμενο όχημα. Παράλληλα, το σύστημα μεγιστοποιεί την ικανότητα του οχήματος να εντοπίζει την τοποθεσία του εχθρού, παρέχοντας έτσι αυξημένη δυνατότητα επιβίωσης στο πεδίο της μάχης, μέσω εκτόξευσης αντιμέτρων που μειώνουν σημαντικά τον κίνδυνο για το πλήρωμα και ελαχιστοποιούν τη ζημιά στο ίδιο το όχημα ή/και εκτέλεσης τακτικών ελιγμών, όπως επίσης και τη δυνατότητα άμεσης ανταπόκρισης με πυρά ανταπόδοσης.

Το σύστημα συναντάται σε διάφορες εκδοχές και θεωρείται σχετικά χαμηλού κόστους και πολυπλοκότητας. Περιλαμβάνει το παλμικό Doppler ραντάρ EL/M-2133 της Elta, (μπάντες F/G), με τέσσερις επίπεδες στοιχειοκεραίες ηλεκτρονικής σάρωσης τοποθετημένες περιμετρικά στο όχημα, καλύπτοντας πεδίο 360°. Χρησιμοποιεί αλγόριθμους ανίχνευσης και παρακολούθησης, ώστε όταν ανιχνευθεί κάποια πιθανή απειλή παρέχεται έγκαιρη προειδοποίηση στο πλήρωμα, υποδεικνύοντας την ακριβή τρισδιάστατη κατεύθυνση της απειλής, ενώ το σύστημα υπολογίζει το διάνυσμα και το χρόνο προσέγγισης του επερχόμενου βλήματος (TTI – Time-To-Impact). Μόλις ταξινομηθεί το εισερχόμενο όπλο υπολογίζεται ο βέλτιστος χρόνος και η γωνία πυροδότησης των  αντιμέτρων (soft ή/και hard kill). Ένας μικρός αριθμός αντιμέτρων MEFP (Multiple Explosively Formed Penetrators) εκτοξεύεται αυτόματα από δύο περιστρεφόμενους εκτοξευτές εγκατεστημένους πλευρικά του οχήματος, σχηματίζοντας ένα πολύ πυκνό φράγμα που στοχεύει σε συγκεκριμένο σημείο στην κεφαλή του αντιαρματικού βλήματος. Το σύστημα έχει σχεδιαστεί για μια πολύ μικρή ζώνη θανάτωσης (kill zone), έτσι ώστε να μη θέτει σε κίνδυνο το προσωπικό κοντά στο προστατευμένο όχημα. Το Trophy μπορεί να αντιμετωπίσει ταυτόχρονα πολλές απειλές από διαφορετικές κατευθύνσεις, ενώ είναι αποτελεσματικό για σταθερές ή κινούμενες πλατφόρμες, έναντι απειλών μικρής και μεγάλης εμβέλειας. Οι νεότερες εκδόσεις του συστήματος περιλαμβάνουν δυνατότητα επαναφόρτωσης για πολλαπλές πυροδοτήσεις. Αν και υπάρχει μια βελτιωμένη μονάδα αντιμέτρων διαθέσιμη για την προστασία από διεισδυτές κινητικής ενέργειας (APFSDS), τα αντίμετρα MEFP είναι πολύ μικρά και χαμηλής ακρίβειας, ώστε να μην εγγυώνται την αποτελεσματική τους αντιμετώπιση. To σύστημα, δεν μπορεί να εμπλακεί με επερχόμενους στόχους ακριβώς πάνω από το όχημα στο οποίο είναι εγκατεστημένο.

Το Trophy έχει δοκιμαστεί από τα ισραηλινά άρματα σε πραγματικές συνθήκες μάχης, ενώ διατίθεται σε τρείς διαφορετικές εκδόσεις: HV (Heavy Vehicle), MV (Medium Vehicle) και LV (Light Vehicle). Εκτός από τον Ισραηλινό έχει επιλεγεί και από τον Αμερικανικό στρατό, για τα άρματα μάχης M-1A2 SEP(v)2 Abrams, ως ενδιάμεση λύση, μέχρι την έλευση του υπό ανάπτυξη συστήματος Quick Kill της Raytheon (περίπλοκο και υψηλού κόστους). Το τελευταίο, χρησιμοποιεί κατακόρυφα εκτοξευόμενους αναχαιτιστές και ειδικότερα, καθοδηγούμενα αντίμετρα (εναντίον ATGM και HEAT), καθώς επίσης μικρότερα μη καθοδηγούμενα αντίμετρα (εναντίον RPG). Οι εισερχόμενες απειλές εντοπίζονται από ραντάρ πολλαπλών λειτουργιών (MFR). Για κάθε απειλή, εκτοξεύεται κάθετα ένας πύραυλος με μικρό προωθητικό ή αέριο. Στη συνέχεια, ο πύραυλος περιστρέφεται προς την απειλή (thrust vectoring). Αυτό επιτρέπει στο Quick Kill να παρέχει ανεμπόδιστη κάλυψη 360° στο αζιμούθιο.

Το 2022, η κοινοπραξία EuroTrophy, των KMW (Krauss-Maffei Wegmann), GDELS (General Dynamics European Land Systems) και Rafael Advanced Defense Systems παρουσίασε μια έκδοση του Trophy, με δυνατότητα αθόρυβης / σιωπηλής λειτουργίας (silent mode). Ειδικότερα, το σύστημα συμπληρώνεται από έναν παθητικό ηλεκτροοπτικό αισθητήρα, γνωστό ως Othello, που κατασκευάζεται από την Elta Systems, για άρματα μάχης και τεθωρακισμένα, οχήματα (Merkava IV και Namer). Ο αισθητήρας Othello ενσωματώνεται σε κάθε κεραία πάνελ του EL/M-2133, παρέχοντας τη δυνατότητα έγκαιρης παθητικής ανίχνευσης (σιωπηλής λειτουργίας), στο περιβάλλον του άρματος, της έντονης εκπομπής θερμότητας που συνοδεύει την εκτόξευση ενός αντιαρματικού βλήματος (ATGM), αλλά ακόμη πυρών πυροβολικού, όλμων και ρουκετών (RPG). Το σύστημα εμφανίζει αμέσως το αζιμούθιο και το υψόμετρο του επερχόμενου βλήματος και ταξινομεί την απειλή. Στη συνέχεια, ενεργοποιείται το ραντάρ EL/M-2133 (περιμετρικά τοποθετημένα πάνελ του πυργίσκου του άρματος), για τον ακριβή εντοπισμό της απειλής. Το Othello χρησιμοποιείται σε συνδυασμό με το ραντάρ EL/M-2133 ή/και ανεξάρτητα, για τη μείωση του ηλεκτρομαγνητικό ίχνους του άρματος. O Γερμανικός Στρατός σχεδιάζει να ενσωματώσει το Trophy στα Leopard 2.

Σχήμα 38: Η ιδέα λειτουργίας ενός ενεργού συστήματος αυτοπροστασίας (APS) άρματος μάχης. Τυπικά, διατηρείται μία προκαθορισμένη ζώνη ασφαλείας για τους παρακείμενους στρατιώτες γύρω από το άρμα.

Σχήμα 39: Το ρωσικό σύστημα soft kill ηλεκτροοπτικής αυτοπροστασίας τεθωρακισμένων Shtora-1 EOCMDAS (Electro-Optical Counter-Measures Defensive Aids Suite / System) χρησιμοποιείται για την εξαπάτηση αντιαρματικών βλημάτων ATGW (Anti-Tank Guided Weapons) με ημι-αυτόνομη καθοδήγηση SACLOS (Semi-Automatic Command Line Of Sight) ή με χρήση δέσμης laser (laser beam riding), καθώς και για την προστασία από συστήματα πυροβολικού που χρησιμοποιούν αποστασιόμετρα laser.

Γενικά, υπάρχει πληθώρα αισθητήρων που έχουν αναπτυχθεί και χρησιμοποιούνται ήδη σε ιπτάμενα μέσα, που θα μπορούσαν να προσαρμοστούν και να εγκατασταθούν σε επίγεια συστήματα APS, όπως πχ συσκευές προειδοποίησης προσέγγισης πυραύλων και δεκτές προειδοποίησης ακτινοβολίας laser, για χρήση ως αισθητήρες ενός APS.

Ο πύργος του προαιρετικά επανδρωμένου οχήματος μάχης OMFV (Optionally Manned Fighting Vehicle) Griffin III της General Dynamics, όπως επίσης τα Ισραηλινά τεθωρακισμένα οχήματα Eitan περιλαμβάνουν το APS σύστημα αυτοάμυνας Iron Fist της IMI (Israeli Military Industries) Systems, τώρα μέρος της Elbit Systems. Αυτό, προστατεύει από μοντέρνες απειλές αντιαρματικών βλημάτων, συμπεριλαμβανομένων και των κινητικής ενέργειας (APFSDS). Οι αισθητήρες του συστήματος καλύπτουν τομέα 360° και περιλαμβάνουν κάποιο μικρό, ημισφαιρικής κάλυψης AESA ραντάρ S-band (2-4 GHz) της Rada (ως κύριος αισθητήρας), καθώς και ΕΟ/IR διατάξεις της Elisra. Το Iron Fist εφαρμόζει δύο ζώνες (επίπεδα) άμυνας: H πιο απομακρυσμένη καλύπτεται από έναν κατευθυντικό ηλεκτροοπτικό παρεμβολέα (soft kill), ενώ περιλαμβάνει επίσης την εκτόξευση ενός μικρού πυραύλου αναχαίτισης (hard kill) που καταστρέφει την εισερχόμενη απειλή σε ασφαλή απόσταση από το προστατευμένο όχημα. Η επόμενη πλησιέστερη ζώνη καλύπτεται από περιστρεφόμενους εκτόξευτές βομβίδων μεταλλικών σφαιριδίων σαν κυνηγετικού όπλου (hard kill), για την εξουδετέρωση των επερχόμενων ATGM που μπορεί να έχουν διεισδύσει μέσω του πρώτου στρώματος άμυνας, επίσης σε ασφαλή απόσταση από το όχημα. Ο χρόνος αντίδρασης είναι άμεσος, εναντίον των επερχόμενων απειλών. Το σύστημα είναι σχεδιασμένο να λειτουργεί σε όλες τις καιρικές συνθήκες, μέρα ή νύχτα, και μπορεί να αμυνθεί αποτελεσματικά από πολλαπλές ταυτόχρονες απειλές. Σύμφωνα με την Elbit Systems, το Iron Fist μπορεί να ανιχνεύσει ένα μη επανδρωμένο αερόχημα (drone) ή ένα περιπλανώμενο πυρομαχικό, σε απόσταση περίπου 1.5 km και να εμπλακεί με επιτυχία όταν αυτό ακολουθεί προφίλ επίθεσης.

Η γερμανική Diehl αναπτύσσει το AVePS (Active Vehicle Protection System), το οποίο ομοιάζει με το ισραηλινό Iron Fist. Το AVePS βασίζεται σε εκτοξευτές αντιμέτρων (βομβίδες υψηλής εκρηκτικότητας HE για μείωση της πιθανότητας παράπλευρων ζημιών) και μπορεί να αντιμετωπίσει ολόκληρο το φάσμα των απειλών, από φορητά αντιαρματικά όπλα έως και μοντέρνα αντιαρματικά βλήματα, ακόμη και με κεφαλές διπλής γόμωσης και διεισδυτές κινητικής ενέργειας (APFSDS) μεγάλου διαμετρήματος. Επίσης, προσφέρεται και η ενσωμάτωση των βλημάτων καπνού ταχείας δράσης 76 mm, ως προστασία πολυφασματικού καπνού σε όλα τα εύρη συχνοτήτων. Το AVePS αποτελείται από τις μονάδες αισθητήρων (ραντάρ χιλιοστομετρικών κυμάτων Ka-band σε συνδυασμό με αισθητήρες IR), έναν κεντρικό υπολογιστή και έως δύο εκτοξευτές (έναν σε κάθε πλευρά), ο καθένας από τους οποίους περιλαμβάνει τέσσερις σωλήνες για αναχαιτιστές. Η ταχύτητα κίνησης των εκτοξευτών είναι μεγαλύτερη από 600 μοίρες ανά δευτερόλεπτο. Ο χρόνος αντίδρασης του συστήματος είναι 300 έως 350 msec ή 355 ms σύμφωνα με άλλες πηγές. Το AVePS, όπως και εν μέρει το Iron Fist, βασίστηκε στο παλαιότερο γερμανικό σύστημα ενεργητικής προστασίας AWiSS της Diehl. Η κατανάλωση ισχύος στην περίπτωση του AVePS περιορίζεται στο 1.5 kW.

Το ρωσικό σύστημα soft kill ηλεκτροοπτικής αυτοπροστασίας τεθωρακισμένων Shtora-1 EOCMDAS (Electro-Optical Counter-Measures Defensive Aids Suite / System) χρησιμοποιείται για την εξαπάτηση αντιαρματικών βλημάτων ATGW (Anti-Tank Guided Weapons) με ημι-αυτόνομη καθοδήγηση SACLOS (Semi-Automatic Command Line Of Sight) ή με χρήση δέσμης laser (laser beam riding), καθώς επίσης για την προστασία από συστήματα πυροβολικού που χρησιμοποιούν αποστασιόμετρα laser. Μεταξύ των άλλων περιλαμβάνει αισθητήρες ακτινοβολίας laser (0.65 – 1.6 μm) για προειδοποίηση στόχευσης από εχθρικά συστήματα (αποστασιόμετρα και καταδείκτες laser). Επίσης, περιλαμβάνει έναν ηλεκτροοπτικό παρεμβολέα IR (ισχύος 1 kW), ο οποίος εκπέμπει διαμορφωμένα υπέρυθρα σήματα για να προκαλέσει σύγχυση στο σύστημα καθοδήγησης του εισερχόμενου αντιαρματικού βλήματος (ATGM). Τέλος, περιλαμβάνει εκτοξευτήρες πολυφασματικών βομβίδων / καπνογόνων και θερμοβολίδων soft kill (για την απόκρυψη από καταδείκτες και αποστασιόμετρα laser, όπως επίσης από ανιχνευτές υπέρυθρων ή την εκτροπή προς άλλες πηγές θερμότητας), ελαττώνοντας την πιθανότητα το άρμα να χτυπηθεί από αντιαρματικά κατευθυνόμενα όπλα. Το σύστημα, μπορεί ακόμη, σύμφωνα με πληροφορίες, να στρέφει αυτόματα τον πυργίσκο προς την απειλή. Όμως, δεν παρέχει προστασία έναντι βλημάτων RF καθοδήγησης. Εγκαταστάθηκε για πρώτη φορά σε άρμα μάχης Τ-80U, το 1989, ενώ ακολούθησε η εγκατάσταση σε Ρωσικά άρματα μάχης T-80 και T-90, καθώς επίσης σε Ουκρανικά T-84. Ουσιαστικά, το Shtora-1 μπορεί να παρεμβάλει αποτελεσματικά μόνον τα παλαιάς τεχνολογίας συστήματα SACLOS, όπως TOW, HOT, MILAN, Dragon, Malyutka και όπλα με καθοδήγηση laser όπως το Copperhead και ορισμένες παραλλαγές των Maverick και Hellfire. Τα νεότερα βλήματα, όπως το TOW 2 (το οποίο κωδικοποιεί τα σήματα της IR πηγής / beacon παρακολούθησης για την απόρριψη των παρεμβολών) και τα κατακόρυφης επίθεσης κατευθυνόμενα βλήματα απεικόνισης με υπέρυθρη ακτινοβολία, όπως το Javelin, δεν επηρεάζονται. Ομοίως, δεν επηρεάζονται περιφερόμενα πυρομαχικά, όπως το Switchblade 600. Αυτό, είχε ως αποτέλεσμα να καταστραφούν από τέτοια όπλα, πολλά προστατευόμενα από το Shtora-1 άρματα Τ-90, στη Συρία και στην Ουκρανία. Σήμερα, οι παρεμβολείς IR έχουν αφαιρεθεί από πολλά T-90, ενώ οι πιο σύγχρονες εκδόσεις S και M δεν περιλαμβάνουν το εν λόγω σύστημα. Ακόμη, η παραγωγή του τρίτης γενιάς άρματος T-90 φαίνεται ότι αρχικά διεκόπη κατά τον Ρωσο-Ουκρανικό πόλεμο, παρότι η αναβαθμισμένη παραλλαγή T-90M έχει βελτιωμένη προστασία ενεργητικής αντιδραστικής θωράκισης (ERA), σχεδιασμένη να αντέχει σε πρόσκρουση πυρομαχικών διαμορφωμένης εκρηκτικής γόμωσης και να μειώνει σημαντικά την πρόσκρουση διεισδυτών κινητικής ενέργειας (APFSDS). Πάντως, χρησιμοποιώντας Κινεζικές εταιρείες, οι οποίες συνεργάζονται με τη Λευκορωσία, η Ρωσία φαίνεται ότι αποκτά προσβασιμότητα σε κρίσιμα υλικά, απαραίτητα για την κατασκευή αρμάτων T-72 και  T-90.

Ένα T-90M που καταλήφθηκε το Σεπτέμβριο 2022 από τους Ουκρανούς βρέθηκε εξοπλισμένο με απορροφητικό υλικό ραντάρ Nakidka (RAM), το οποίο λέγεται ότι μειώνει τις υπέρυθρες / θερμικές και ραντάρ υπογραφές, προστατεύοντας το άρμα από καθοδηγούμενα όπλα που βασίζονται σε θερμική απεικόνιση και ακτινοβολία RF. Ωστόσο, όπως διαπιστώθηκε πολύ γρήγορα, τα T-90 “εξαφανίστηκαν” από το πεδίο και δεν απετέλεσαν το είδος που θα καθόριζε το παιχνίδι στη συνεχιζόμενη σύγκρουση στην Ουκρανία. Η Ρωσική πλευρά άρχισε να βγάζει τα παλαιά άρματα μάχης T-72 από την αποθήκευση και να έχει επανεκκινήσει την παραγωγή του άρματος T-80BVM, μια βελτιωμένη έκδοση με βάση την εμπειρία της μάχης, εξοπλισμένη με αθόρυβη μηχανή αεριοστροβίλου (GTD-1250), ώστε να διευκολύνεται η κίνηση σε δύσκολα εδάφη, με μικρότερες απαιτήσεις συντήρησης. Το συγκεκριμένο άρμα διαθέτει πλέον πύργο με ισχυρότερη οροφή για να αντέχει στα πυρομαχικά κατακόρυφης επίθεσης, γενικότερα ενισχυμένη θωράκιση και ένα σύστημα anti-drone. Επίσης, το άρμα T-80BVM διαθέτει σύστημα αυτόματης γέμισης και είναι ικανό να βάλει, μεταξύ άλλων, τα διατρητικά βλήματα (APFSDS) 3BM59  (Svinets-1), με πυρήνα βολφραμίου και 3BM60 (Svinets-2), με πυρήνα κράματος απεμπλουτισμένου ουρανίου. Τα Svinets-1 είναι ικανά να διαπεράσουν 700-740 mm θωράκισης σε απόσταση 2 km, ενώ τα Svinets-2 μπορούν να διαπεράσουν 800-830 mm στην ίδια απόσταση.

Η Ουκρανική Microtek έχει αναπτύξει το σύστημα Zaslon, το οποίο ως Pulat έχει επιλεγεί για την αναβάθμιση τουρκικών αρμάτων Leopard-2A4, M-60T και M-60A3 TTS. Το Zaslon μπορεί να αναχαιτίσει απειλές που κινούνται με ταχύτητα έως και 1.200 m/sec (ATGM, RPG και πυρομαχικά HEAT). Η καταστροφή των διεισδυτών κινητικής ενέργειας APFSDS, δεν είναι δυνατή. Περιλαμβάνει ραντάρ ανίχνευσης της επερχόμενης απειλής, ένα σύστημα καθοδήγησης και σταθερούς εκτοξευτές των αντιμέτρων. Στη βασική του διαμόρφωση προστατεύει το άρμα μάχης σε εμπρόσθιο τομέα 150°-180°, ενώ με την εγκατάσταση επιπλέον αισθητήρων και εκτοξευτών αναλώσιμων (ανάλογα με το μέγεθος του οχήματος), μπορεί να υποστηρίξει περιφερειακή κάλυψη 360°. Τα αντίμετρα (βομβίδες κατακερματισμού), δεν εκτοξεύονται με την έννοια της κατευθυνόμενης εκτόξευσης όπως στην περίπτωση του Trophy, το οποίο χρησιμοποιεί πυροτεχνικά αντίμετρα, αλλά εκρήγνυται εντός ενός μέτρου από το όχημα-φορέα, προς την κατεύθυνση της επερχόμενης απειλής. Το παραγόμενο ωστικό κύμα προκαλεί είτε την πρόωρη έκρηξη του αντιαρματικού ή την απότομη αλλαγή της πορείας και την αστοχία του.

Εξέλιξη του ενεργού συστήματος αυτοπροστασίας τεθωρακισμένων οχημάτων Zalson αποτελεί το σύστημα Akkor της Aselsan. Αυτό, περιλαμβάνει αισθητήρες προειδοποίησης ανίχνευσης ακτινοβολίας laser, εκτοξευτές καπνογόνων βομβίδων (αντίμετρα soft kill), τέσσερα ραντάρ περιμετρικής κάλυψης και πολλαπλούς εκτοξευτές βομβίδων υψηλής εκρηκτικότητας (αντίμετρα hard kill). Πρόκειται να εγκατασταθεί αρχικά στα τουρκικής κατασκευής τεθωρακισμένα ALTAY.

• Κινεζική πρωτοπορία

Από το 2022, ομάδα Κινέζων μηχανικών της Sichuan Jiuzhou Electric Group Company ισχυρίζεται ότι κατασκεύασε ένα μικρό, επίγειο IR ανιχνευτή θερμότητας (IRST), που ανιχνεύει υποηχητικά, πολιτικά αεροσκάφη σε εξαιρετικά μεγάλες αποστάσεις έως και 285 – 300 km (150 – 160 nm),[44] στο φάσμα MWIR (3-5 μm). Σε λειτουργία έρευνας απομακρυσμένου στόχου, το σύστημα φέρεται ότι μπορεί να σαρώσει σχεδόν ολόκληρο τον ουρανό, μέσα σε λίγα μόλις δευτερόλεπτα.[45] Το περίγραμμα του στόχου, οι έλικες, η ουρά και ο αριθμός των κινητήρων μπορούν να αναγνωριστούν καθαρά από την παρεχόμενη εικόνα του υπέρυθρου φάσματος, αν και εκτιμάται ότι η αναγνώριση διεξάγεται σε μικρότερες αποστάσεις. Η τεχνολογία συστημάτων ανίχνευσης IR μεγάλων αποστάσεων διαδραματίζει σημαντικό ρόλο στην αντιμετώπιση των στόχων stealth. Ακόμη και όταν ένα αεροσκάφος με τεχνολογία stealth μπορεί να αποφύγει τα παραδοσιακά ραντάρ, η άτρακτος και οι κινητήρες του εκπέμπουν ανιχνεύσιμη θερμότητα.

Το Κινεζικό σύστημα μπορεί επίσης να εκπέμψει μια ισχυρή δέσμη laser για να φωτίσει το αεροσκάφος-στόχο και να αποκτήσει περισσότερες λεπτομέρειες, όπως πχ ο αριθμός των παραθύρων στο αεροσκάφος.

Λόγω του μικρού μεγέθους του εν λόγω συστήματος, θα μπορούσε να τοποθετηθεί σε αυτοκίνητο, αεροσκάφος ή ακόμα και σε δορυφόρο, για ένα ευρύ φάσμα εφαρμογών, συμπεριλαμβανομένης της επιτήρησης, έγκαιρης προειδοποίησης και καθοδήγησης αντιαεροπορικών βλημάτων.

Το σύστημά χρησιμοποιεί οπτικό αισθητήρα αιχμής (άγνωστης τεχνολογίας), με δυνατότητα ανίχνευσης μεμονωμένων φωτονίων, αποτελεσματικά και με ακρίβεια. Επισημαίνεται, ότι το 2016, η Κίνα εκτόξευσε τον Mozi, έναν δορυφόρο εξοπλισμένο με την πιο ευαίσθητη τότε τεχνολογία ανίχνευσης ενός φωτονίου, ο οποίος μετέφερε την κβαντική επικοινωνία στο διάστημα για πρώτη φορά. Νωρίτερα το 2022, σε ένα κβαντικό μικροδορυφόρο CubeSat, Κινέζοι επιστήμονες φέρεται ότι μείωσαν το μέγεθος του ανιχνευτή σε κλάσμα της αρχικής συσκευής.

Σχήμα 40(α): Κινέζοι επιστήμονες ανέπτυξαν ένα μικρό αλλά ισχυρό ανιχνευτή θερμότητας, μέγιστης απόστασης ανίχνευσης περίπου 300 km, που μπορεί να τοποθετηθεί σε ένα αυτοκίνητο, μαχητικό αεροσκάφος ή δορυφόρο (Sichuan Jiuzhou Electric Group Company Limited).

Σχήμα 40(β): Θερμική απεικόνιση (IR) πολιτικού αεροσκάφους σε τρεις διαφορετικές αποστάσεις (Sichuan Jiuzhou Electrical Group Company Limited).

Η ομάδα των Κινέζων μηχανικών ανέφερε ότι είχε δοκιμάσει τη συσκευή σε δύσκολα περιβάλλοντα, με θερμοκρασίες από -40°C έως +60°C, όπου και οι επιδόσεις παρέμειναν σταθερές.

Σχήμα 40(γ): H υπέρυθρη συσκευή που ανέπτυξαν Κινέζοι μηχανικοί χρησιμοποιεί επίσης φωτισμό laser του αεροσκάφους στόχου, για την απόκτηση περισσότερων λεπτομερειών. Τα απεικονιζόμενα είδωλα του αεροσκάφους καταγράφηκαν σε αποστάσεις 7-37 km (Sichuan Jiuzhou Electric Group Company Limited).

8. Επίλογος

Τα συστήματα υπέρυθρης έρευνας και παρακολούθησης IRST (IR Search & Track) χρησιμοποιούνται ευρέως στο στρατιωτικό και αμυντικό τομέα για την ασφάλεια, την επιτήρηση και την υποβοήθηση της στοχοποίησης. Αποτελούν βασικούς αισθητήρες για την ανίχνευση, τον εντοπισμό και την αναγνώριση αντικειμένων που εκπέμπουν υπέρυθρη ακτινοβολία, όπως αεριωθούμενα αεροσκάφη, ελικόπτερα, UAV, ακόμη και των προηγμένων αεροσκαφών πέμπτης γενιάς (τεχνολογίας stealth), χωρίς καθόλου την ανάγκη χρήσης ραντάρ.

Επίσης, τα IRST διαδραματίζουν σημαντικό ρόλο στην ανίχνευση επερχόμενων βλημάτων / πυραύλων, ιδιαίτερα των εντελώς παθητικά κατυεθυνόμενων που δεν χρησιμοποιούν κάποιο ενεργό ραντάρ / ερευνητή (active RF seeker), παρέχοντας έτσι έγκαιρη προειδοποίηση για την επαύξηση της επιβιωσιμότητας της φέρουσας πλατφόρμας, μέσω της δυνατότητας ανάληψης των κατάλληλων αντιμέτρων παρεμβολής (soft kill) ή φυσικής καταστροφής (hard kill). Τυπικά, τα συστήματα IRST ανιχνεύουν και παρακολουθούν στόχους και απειλές, καλύπτοντας το χώρο περιφερειακά γύρω από την υπό προστασία πλατφόρμα / φορέα.

Από τα μεγαλύτερα πλεονεκτήματα των αισθητήρων IRST είναι ότι δεν εκπέμπουν καθόλου δική τους ακτινοβολία, σε αντίθεση με τα ραντάρ. Αυτό παρέχει το πλεονέκτημα ότι τα IRST δεν είναι δυνατό να γίνουν αντιληπτά και να αντιμετωπιστούν από τον αντίπαλο.

Ενώ οι αισθητήρες IRST είναι πιο κοινοί μεταξύ των μαχητικών αεροσκαφών, υπάρχουν επίσης διαθέσιμα αντίστοιχα συστήματα ξηράς, πλοίων επιφανείας, ακόμη και υποβρυχίων (φωτονικοί ιστοί AN/BVS-1 επί των αμερικανικών SSN κλάσης Virginia). Στο μέλλον, η ζήτηση για τα IRST αναμένεται να αυξηθεί σημαντικά.

---

[1] Αμφιβολία στόχου (ασάφεια συσχέτισης) υφίσταται είτε όταν πολλοί στόχοι βρεθούν μέσα στο ίδιο παράθυρο/πύλη παρακολούθησης είτε όταν δύο ή περισσότερα παράθυρα παρακολούθησης συμπέσουν πάνω στον ίδιο στόχο (διασταύρωση ιχνών). Για την ελαχιστοποίηση του φαινομένου απαιτούνται όσο το δυνατό μικρότερου μεγέθους πύλες παρακολούθησης. Στους ευέλικτους και ταχέως μεταβαλλόμενους στόχους, οι διαστάσεις της πύλης παρακολούθησης δεν είναι δυνατό να καταστούν απεριόριστα μικρές, οπότε σημαντικό ρόλο παίζει η ποιότητα των χρησιμοποιούμενων φίλτρων παρακολούθησης (βαθμού ανώτερου του τρίτου). Επίσης, είναι πιθανόν, όταν διασταυρώνονται ίχνη διαφορετικών στόχων να ανταλλάσσουν μεταξύ τους ταυτότητες.

[2] NN: Αποτελεί την απλούστερη και ταχύτερη ευρετική προσέγγιση (heuristic approach), για τη συσχέτιση ιχνών (χαμηλού υπολογιστικού φορτίου), η οποία επιλέγει τη στατιστικά πλησιέστερη παρατήρηση / μέτρηση στο προβλεπόμενο ίχνος για την ενημέρωση της εκτίμησης της κατάστασης στόχου. Ειδικότερα, ως εξομαλυμένη / διορθωμένη κατάσταση του στόχου θεωρείται η πλησιέστερη μέτρηση στην πρόβλεψη / εκτίμηση, κατά την παρακολούθηση του ίχνους. Ο αλγόριθμος μπορεί απλά να θεωρηθεί ως ένα φίλτρο Kalman, το οποίο παίρνει την πλησιέστερη μέτρηση μέσα στην ελλειψοειδή του πύλη (χρησιμοποιώντας στην απλούστερη περίπτωση την Ευκλείδεια απόσταση), αγνοώντας όλες τις υπόλοιπες μετρήσεις.

Γενικά, ο αλγόριθμος δεν παρέχει πάντοτε τη βέλτιστη λύση, ενώ σε περιβάλλον clutter ή παρεμβολών παρουσιάζει μεγάλα σφάλματα. Δεν είναι πάντα βέβαιο ότι η πλησιέστερη παρατήρηση είναι η σωστή, η οποία μπορεί πχ να οφείλεται σε εσφαλμένο συναγερμό ή σε παρεμβολή. Ακόμη, σε περιπτώσεις στόχων που βρίσκονται πολύ κοντά μεταξύ τους ή διασταυρώνονται τα ίχνη τους, οι επιδόσεις του αλγορίθμου είναι προβληματικές. Σε αυτές τις περιπτώσεις, μία παρατήρηση είναι πιθανό να είναι η πλησιέστερη για περισσότερους από ένα στόχο, γεγονός που δημιουργεί ασάφειες (φαινόμενο αποπλάνησης του ίχνους). Η μέθοδος είναι αρκετά ικανοποιητική για την παρακολούθηση ενός και μόνο στόχου, αλλά πρακτικά θεωρείται απαρχαιωμένη και δεν εφαρμόζεται στα συστήματα ΜΤΤ.

Ο αλγόριθμος, μπορεί κάπως να βελτιωθεί με την πρόβλεψη μιας εκ των προτέρων κατάστασης μέσω ενός φίλτρου Kalman και την επιλογή του πλησιέστερου γείτονα στην πρόβλεψη. Αυτή η βελτίωση αναφέρεται μερικές φορές ως τυπικό φίλτρο πλησιέστερου γείτονα NNSF (Nearest Neighbour Standard Filter) και επίσης διαφέρει στο ότι χρησιμοποιεί την απόσταση Mahalanobis που εφαρμόζεται σε μετρήσεις κατανομών.

Σύμφωνα με την τυπική υπόθεση ότι κάθε στόχος μπορεί να παράγει το μέγιστο μία μέτρηση, οι αλγόριθμοι NNF και NNSF είναι και οι δύο μέθοδοι ενός στόχου, καθώς μπορούν να εκχωρήσουν την ίδια μέτρηση σε περισσότερα από ένα ίχνη.  

[3] Μια παραλλαγή της προσέγγισης του πλησιέστερου γείτονα ΝΝ είναι το φίλτρο του ισχυρότερου γείτονα (Strongest Neighbor), στο οποίο λαμβάνεται υπόψη η τιμή SNR των δεδομένων μέσα στην πύλη, για την επίλυση της ασάφειας συσχέτισης.

[4] PDA(F): Αποτελεί προσαρμοζόμενο αναδρομικό αλγόριθμο συσχέτισης / σύνδεσης ενός και μοναδικού στόχου ενδιαφέροντος (single target).  Εφαρμόζεται για την καταπολέμηση του clutter που μπορεί να παράγει πιθανά έγκυρα ίχνη μέσα στην περιοχή πύλης, γύρω από την προβλεφθείσα θέση του στόχου. Επίσης, αποτελεί  υποβέλτιστη Bayesian προσέγγιση, που συνδέει πιθανολογικά (χρησιμοποιώντας τη συνάρτηση πιθανοφάνειας) όλες τις επικυρωμένες μετρήσεις στο στόχο. Γι’ αυτό, ο αλγόριθμος είναι γνωστός και ως προσέγγιση συγχώνευσης ή σύντηξης δεδομένων «όλων των γειτόνων». Οι επικυρωμένες μετρήσεις (γείτονες) συνδυάζονται χρησιμοποιώντας μια σταθμισμένη (ζυγισμένη) συνάρτηση πιθανοφάνειας για να αποτελέσουν την αβεβαιότητα μέτρησης. Ο αλγόριθμος PDA αναλύει πιθανότητες επικυρωμένων μετρήσεων μεμονωμένης σάρωσης (single scan). Σε κάθε σάρωση υπολογίζονται οι πιθανότητες συσχέτισης για όλες τις μετρήσεις μέσα στην πύλη επικύρωσης, με την υπόθεση ότι το πολύ μία από τις μετρήσεις μέσα στην πύλη επικύρωσης αντιστοιχούν στον πραγματικό στόχο. Ο αλγόριθμος μπορεί να θεωρηθεί ως φίλτρο Kalman, το οποίο για κάθε επικυρωμένη μέτρηση μέσα στην ελλειψοειδή του πύλη υπολογίζει και αναθέτει κάποια πιθανότητα σύνδεσης / συσχέτισης με την πρόβλεψη (data association probabilities). Ακολούθως, με βάση τις πιθανότητες αυτές (non-Gausssian) διεξάγεται μία ζυγισμένη ανανέωση / ενημέρωση της τρέχουσας κατάστασης του ίχνους (track update). Η μέθοδος αποτελεί επομένως στατιστική προσέγγιση, κατά την οποία όλες οι παρατηρήσεις που είναι υποψήφιες για σύνδεση με το συγκεκριμένο στόχο συνδυάζονται σε μία και μοναδική, την πιο πιθανή διορθωμένη/ανανεωμένη τιμή, λαμβάνοντας υπόψη τη στατιστική κατανομή των σφαλμάτων παρακολούθησης και του clutter. Η εκτίμηση κατάστασης ενημερώνεται με όλες τις επικυρωμένες μετρήσεις που σταθμίζονται από τις πιθανότητες να έχουν προέλθει από το στόχο, δηλαδή η συνδυασμένη ‘καινοτομία υπόλοιπο’ (residual innovation). Για να αποτελέσει την αβεβαιότητα μέτρησης, ένας επιπλέον όρος προστίθεται στην εξίσωση αναπροσαρμογής της συνδιακύμανσης. Σε αντιδιαστολή με την απλή προσέγγιση του πλησιέστερου γείτονα ΝΝ, ο PDA αποτελεί μέθοδο σύνδεσης δεδομένων «όλων των γειτόνων», επιτυγχάνοντας ακριβέστερα αποτελέσματα.

Ο PDA διαθέτει περίπου 50% περισσότερες υπολογιστικές απαιτήσεις από ένα απλό φίλτρο Kalman, παρέχοντας ικανοποιητικά αποτελέσματα σε περιβάλλον με έως και περίπου 5 ψευδείς μετρήσεις σε μια περιοχή επικύρωσης 4σ.

Ο στόχος θεωρείται αρχικοποιημένος και μοντελοποιημένος, αφού ο αλγόριθμος δεν περιλαμβάνει αρχικοποίηση ιχνών (track initialization), υποθέτει ότι το πολύ μία μέτρηση (από τις υποψήφιες παρατηρήσεις) μπορεί να προέρχεται από πραγματικό στόχο, ενώ όλες οι υπόλοιπες είναι ψευδοστόχοι (ψευδείς συναγερμοί) που οφείλονται στο clutter. Με την πάροδο του χρόνου επικρατεί η εκτίμηση του πραγματικού στόχου, ενώ όλες οι υπόλοιπες που οφείλονται στο clutter εξαλείφονται (αλληλοεξουδετερώνονται). Υποθέτει επίσης ότι το clutter είναι ομοιόμορφα κατανεμημένο στο χώρο μέτρησης, ενώ το ιστορικό στόχων προσεγγίζεται από Gaussian κατανομή με υπολογισμένο μέσο όρο και συνδιακύμανση.

O PDA μπορεί να χρησιμοποιηθεί σε σενάρια πολλαπλών στόχων, αλλά μόνο σε μορφή πολλαπλών αντιγράφων του φίλτρου ενός στόχου. Βασικό πλεονέκτημα αποτελεί το γεγονός ότι λαμβάνει υπ’ όψη τα χαρακτηριστικά του clutter. Βασικό  μειονέκτημα  είναι η χαμηλή απόδοση σε περιβάλλον πολλών στόχων (ο ίδιος στόχος μπορεί να διεκδικείται από πολλά ίχνη). Έτσι, υποφέρει από το φαινόμενο συγχώνευσης διαφορετικών ιχνών σε ένα, όταν δύο στόχοι έχουν παρόμοιες διαδρομές και τα ίχνη που προκύπτουν αποτελούν το «μέσο όρο» των δύο πραγματικών διαδρομών. Η μέθοδος προτάθηκε το 1973, από τον Y. Bar–Shalom, για την παρακολούθηση στόχων ραντάρ, ενώ στη συνέχεια υιοθετήθηκε και από άλλες εφαρμογές (ρομποτική, computer vision, κτλ). Συναντάται επίσης σε αρκετές διαφορετικές εκδοχές, πχ GSF (Gaussian Sum Filter), DAF (Deterministic Annealing Filter), κτλ.

[5] Bayesian TSF: Αποτελεί παραλλαγή του PDAF για την παρακολούθηση ενός και μοναδικού στόχου ενδιαφέροντος, η οποία κάνει διάσπαση σε πολλαπλά ίχνη (όπως ο MHT) και αποκόπτει τα λιγότερο πιθανά.

[6] Η συγκεκριμένη διαδικασία (sensor data fusion) συνδυάζει / συσχετίζει / συνδέει τα δεδομένα αισθητήρων ή τα δεδομένα που προέρχονται από διαφορετικές πηγές, ώστε οι πληροφορίες που προκύπτουν να έχουν μικρότερη αβεβαιότητα απ’ όταν οι ίδιες πηγές χρησιμοποιούνται ανεξάρτητα / μεμονωμένα. Επίσης, με την αύξηση της διατιθέμενης επεξεργαστικής ισχύος, η υλοποίηση διαδικασιών συγχώνευσης ή σύντηξης δεδομένων κατέστη εφικτή σε πραγματικό χρόνο. Γενικά, υπάρχουν δύο διαφορετικές αρχιτεκτονικές συγχώνευσης ή σύντηξης δεδομένων αισθητήρων:

α) Επικεντρωμένη συγχώνευση ή σύντηξη (Centralized Fusion Architecture), όπου οι πελάτες (αισθητήρες) απλώς προωθούν όλα τα δεδομένα σε μια κεντρική τοποθεσία (fusion centre), στην οποία κάποια οντότητα είναι υπεύθυνη για την παρακολούθηση, τη συσχέτιση / σύνδεση και τη συγχώνευση ή σύντηξη αυτών, παρέχοντας μια ακριβέστερη συγχωνευμένη εκτίμηση. Θεωρείται ότι επιτυγχάνει τη  βέλτιστη εκτίμηση του διανύσματος κατάστασης (θέσης) του στόχου (με το χαμηλότερο μέσο τετραγωνικό σφάλμα).

β) Αποκεντρωμένη / κατανεμημένη συγχώνευση ή σύντηξη (Decentralized / Distributed Fusion Architecture), όπου οι πελάτες (αισθητήρες) αναλαμβάνουν την πλήρη παρακολούθηση των δεδομένων (με ενσωματωμένους ανιχνευτές και κάποιο βαθμό αυτονομίας στη λήψη αποφάσεων), τα στοιχεία των οποίων οδηγούνται σε μια κεντρική τοποθεσία (fusion centre), ώστε να προκύψει ακριβέστερη συγχωνευμένη εκτίμηση. Η αποκεντρωμένη παρακολούθηση μπορεί να μην είναι η βέλτιστη αρχιτεκτονική από άποψης επιδόσεων, όμως εφαρμόζεται συχνά, όταν υπάρχουν περιορισμοί επεξεργασίας (υπολογιστικού φορτίου) ή / και επικοινωνιών, που καθιστούν ανέφικτη τη χρήση επικεντρωμένων αρχιτεκτονικών ιχνηλασίας / συγχώνευσης ή σύντηξης.

Η συγχώνευση ή σύντηξη δεδομένων παρέχει τη βέλτιστη εκτίμηση της κατάστασης ενός στόχου. Ειδικότερα, η χρήση δικτύων αισθητήρων που συνεργάζονται και ανταλλάσσουν μεταξύ τους δεδομένα, ενώ εξελιγμένοι αλγόριθμοι επεξεργάζονται και αξιολογούν τον παραγόμενο τεράστιο όγκο τους, για την αποτελεσματικότερη και αποδοτικότερη ανίχνευση, παρακολούθηση, ταξινόμηση και αναγνώριση των υποψήφιων κινδύνων.

[7] Βέλτιστο Bayesian φίλτρο (Optimal Bayesian Filter): Παράγει βέλτιστες εκτιμήσεις, προσθέτοντας όλες τις πιθανές συνδέσεις, ζυγισμένες η κάθε μία με τις αντίστοιχες πιθανότητες. Θεωρώντας γραμμικό Gaussian μοντέλο, ελαχιστοποιεί το μέσο τετραγωνικό σφάλμα MMSE (Minimum Mean Square Error) των εκτιμήσεων. Ανήκει στην κατηγορία προβλημάτων NP-hard.

[8] Ανήκει στην κατηγορία υπολογιστικών προβλημάτων NP-complete. Παρέχει σημαντικό κίνητρο για την εύρεση non-exhaustive τρόπων έρευνας του χώρου για δυνατές συνδέσεις που μεγιστοποιούν την από κοινού πιθανότητα (joint probability).

[9] Μια ευρετική προσέγγιση αποτελεί μέθοδο επίλυσης προβλημάτων, η οποία χρησιμοποιεί πρακτικές, διαισθητικές ή μεθόδους κοινής λογικής, σε περίπλοκα προβλήματα που δεν έχουν σαφή λύση. Συνήθως, εφαρμόζεται σε καταστάσεις όπου ο χρόνος ή οι πόροι είναι περιορισμένοι ή όπου υπάρχουν ελλιπείς πληροφορίες και αβεβαιότητες. Παραδείγματα ευρετικών προσεγγίσεων περιλαμβάνουν τη δοκιμή και το σφάλμα (trial & error), τον εμπειρικό κανόνα (rule of thumb), την αναλογία, τη μορφωμένη εικασία (educated guessing) και την ευρετική βασισμένη σε προηγούμενη εμπειρία. Ενώ, οι ευρετικές προσεγγίσεις μπορεί να μην οδηγούν πάντα στις πιο ακριβείς ή βέλτιστες λύσεις, μπορούν όμως να είναι αποτελεσματικές και γρήγορες στην επίλυση προβλημάτων, σε πολλές πρακτικές καταστάσεις.

[10] Reid D., “An algorithm for tracking multiple targets”, IEEE Trans. on Automatic Control, vol. 24, issue 6, pp. 423-432, Dec.1979.

Singer, R. Sea, R. Housewright K., “Derivation and evaluation of improved tracking filter for use in dense multitarget environments”, IEEE Trans. Information Theory, vol. 20, pp. 423–432, Jul. 1974.

[11] Bar-Shalom, Y. (Ed.) (1990), “Multitarget-Multisensor Tracking: Advanced Applications”, ArtechHouse, 096483122, Nonvood, MA.

Bar-Shalom, Y. Blackman, S., Fitzgerald, R. J., “Dimensionless Score Function for Multiple Hypotheses Tracking”, IEEE Trans. Aerospace and Electronic Systems vol. 49, no.1, pp. 392-400, 2007

[12] Η απαιτούμενη υπολογιστική ισχύς ενός συστήματος ΜΤΤ που βασίζεται στη μέθοδο σύνδεσης-παρακολούθησης MHT, θα πρέπει να διαθέτει αρκετά μεγάλα περιθώρια ανοχής, προκειμένου να αντιμετωπίζεται αποτελεσματικά η εκθετική αύξηση των υποθέσεων.

[13] Στο απεικονιζόμενο παράδειγμα, ο αλγόριθμος GNN, θα συσχέτιζε / ανανέωνε το στόχο  T2 με τη μέτρηση Μ2 και το στόχο Τ1 με τη μέτρηση Μ1. Η μέτρηση Μ3 θα αφορούσε σε νέο ίχνος. Εφαρμόζοντας τον αλγόριθμο JPDA, ο Τ2 θα ανανεωνόταν χρησιμοποιώντας όλες τις μετρήσεις, ενώ ο Τ1 χρησιμοποιώντας τη μέτρηση Μ1. Ο ΜΗΤ δημιουργεί διαφορετικές υποθέσεις, λαμβάνοντας υπόψη όλες τις δυνατές πηγές μετρήσεων ιχνών, υφιστάμενων, νέων ή ψευδών συναγερμών.

[14] Στην περίπτωση του MHT-HO, η αρχικοποίηση των ιχνών γίνεται μέσω της πιθανότητας κάθε υπόθεσης, όπου μια υπόθεση από ένα δοκιμαστικό ίχνος μεταβαίνει σε επιβεβαιωμένο, όταν η πιθανότητα αυτής υπερβαίνει κάποιο όριο, πχ 99%. Ο αλγόριθμος διαθέτει έναν προηγμένο ενσωματωμένο μηχανισμό αρχικοποίησης, που αντιμετωπίζει όλες τις νέες μετρήσεις ως δοκιμαστικούς στόχους, υπολογίζοντας την κοινή τους πιθανότητα χρησιμοποιώντας πληροφορίες, όπως η πυκνότητα των ψευδών στόχων, η πυκνότητα των νέων στόχων και η πιθανότητα ανίχνευσης.

[15] Ο γραμμικός αλγόριθμος (φίλτρο) α-β είναι ο παλαιότερος, απλούστερος πολύ χαμηλού υπολογιστικού φορτίου και μέτριας απόδοσης. Για την εξίσωση κατάστασης οργανώνεται ένας πίνακας σταθερού κέρδους (steady state Kalman), ο οποίος αντιστοιχεί στο μοντέλο κίνησης του στόχου. Το κύριο πλεονέκτημα είναι ότι δεν απαιτείται λεπτομερές μοντέλο συστήματος. Στην απλούστερη περίπτωση, υποθέτουμε σταθερά σφάλματα συνδιακύμανσης και ένα μοντέλο στόχου σταθερής ταχύτητας, χωρίς ελιγμούς για την ενημέρωση των ιχνών. Ο αλγόριθμος εφαρμόζεται σε περιπτώσεις, όπου οι μετρήσεις θέσης και το διάνυσμα κατάστασης αποτελείται από θέσεις και ταχύτητες. Για το λόγο αυτό δεν παρακολουθούνται ικανοποιητικά στόχοι με απότομα μεταβαλλόμενα στοιχεία κίνησης (η παράμετρος α αφορά στο σφάλμα θέσης και η παράμετρος β στο σφάλμα ταχύτητας). Η τιμή του κέρδους μπορεί να προεπιλέγεται για το χειρισμό ευθύγραμμης κίνησης ή κίνησης στόχου με ελιγμούς. Όταν το κέρδος τίθεται για πρόβλεψη κίνησης με ελιγμούς, τότε υποβιβάζονται οι επιδόσεις για ευθύγραμμη κίνηση, και αντίστροφα (είναι πρόβλημα για πολλούς αλγόριθμους παρακολούθησης). Μια επέκταση αποτελεί ο αλγόριθμος α-β-γ, ο οποίος περιλαμβάνει τις επιταχύνσεις στο ίδιο διάνυσμα κατάστασης.

[16] Το γραμμικό φίλτρο Kalman αποτελεί τη βάση πάνω στην οποία σχεδιάζονται πολλοί δημοφιλείς αλγόριθμοι εκτίμησης κατάστασης ενός δυναμικού συστήματος (θέσης και ταχύτητας ενός αντικειμένου και ενημέρωση με βάση νέες ανιχνεύσεις / μετρήσεις, μέσα σε περιβάλλον θορύβου). Το φίλτρο αναπτύχθηκε για πρώτη φορά από τον Rudolf E. Kalman τη δεκαετία του 1960 και έκτοτε συναντάται σε ευρύ φάσμα εφαρμογών, όπως στη θεωρία ελέγχου, στην επεξεργασία σήματος, στην όραση υπολογιστών, κτλ. Αποτελεί μια βέλτιστη λύση στο σειριακό πρόβλημα ελαχίστων τετραγώνων (least squares), για την ελαχιστοποίηση του τετραγωνικού σφάλματος. Είναι σειριακός αλγόριθμος, επειδή εξαρτάται μόνον από την τρέχουσα εκτίμηση μέτρησης και κατάστασης, και τους σχετικούς πίνακες συνδιακύμανσης μέτρησης και πρόβλεψης κατάστασης. Δεν είναι υπολογιστικά πολύ απαιτητικός αλγόριθμος, αλλά δεν χειρίζεται επαρκώς ελισσόμενους στόχους, μέσα σε περιβάλλον clutter, ή πολλαπλούς στόχους. Μπορεί όμως να προσαρμοστεί σε ελισσόμενους στόχους, αλλά η λύση δεν θα είναι βέλτιστη. Το φίλτρο Kalman λαμβάνει την τρέχουσα γνωστή κατάσταση του στόχου (θέση, κατεύθυνση, ταχύτητα και πιθανώς επιτάχυνση) και προβλέπει τη νέα κατάσταση τη στιγμή της πιο πρόσφατης μέτρησης. Ενημερώνει επίσης την εκτίμηση για τη δική του αβεβαιότητα (σφάλμα) σε αυτήν την πρόβλεψη. Στη συνέχεια, σχηματίζει ένα σταθμισμένο μέσο όρο αυτής της πρόβλεψης της κατάστασης και της πιο πρόσφατης μέτρησης, λαμβάνοντας υπόψη τα γνωστά σφάλματα μέτρησης και τη δική του αβεβαιότητα στα μοντέλα κίνησης. Τέλος, επικαιροποιεί την εκτίμηση για την αβεβαιότητα της εκτίμησης κατάστασης.

Το φίλτρο Kalman υποθέτει ότι τα σφάλματα των μετρήσεων, του μοντέλου κίνησης και των σφαλμάτων εκτίμησης της κατάστασης έχουν όλα μηδενική μέση τιμή, με γνωστή συνδιακύμανση. Αυτό σημαίνει ότι όλες αυτές οι πηγές σφαλμάτων μπορούν να αναπαρασταθούν από έναν πίνακα συνδιακύμανσης. Ο συγκεκριμένος πίνακας χρησιμοποιείται για να σχηματιστεί το σταθμισμένο άθροισμα πρόβλεψης και μέτρησης. Σε περιπτώσεις όπου η κίνηση του στόχου συμμορφώνεται αρκετά ικανοποιητικά με το υποκείμενο μοντέλο, υπάρχει μια τάση του φίλτρου να αποκτά υπερβολική αυτοπεποίθηση για τις δικές του προβλέψεις και να αρχίζει να αγνοεί τις μετρήσεις. Εάν όμως ο στόχος αρχίσει να ελίσσεται, τότε το φίλτρο αποτυγχάνει να ακολουθήσει τον ελιγμό. Για να αποφευχθεί αυτό, μια κοινή πρακτική είναι σε κάθε ενημέρωση να αυξάνεται ελαφρά το μέγεθος του πίνακα συνδιακύμανσης της εκτίμησης κατάστασης.

[17] Μια βασική υπόθεση στα γραμμικά φίλτρα παρακολούθησης, είναι ότι οι εξισώσεις μέτρησης (σχέση μεταξύ μετρήσεων και κατάστασης στόχου) και οι εξισώσεις κατάστασης (σχέσεις για την πρόβλεψη της μελλοντικής κατάστασης με βάση την τρέχουσα κατάσταση) είναι γραμμικές.

Στα μη γραμμικά φίλτρα, οι σχέσεις των πραγματικών μετρήσεων  και  των εκτιμήσεων είναι μη γραμμικές, τα σφάλματα είναι μη Gaussian και τα εφαρμοζόμενα  μοντέλα κίνησης των στόχων είναι μη γραμμικά. Μερικά χαρακτηριστικά παραδείγματα είναι οι αλγόριθμοιEKF (Extended Kalman Filter), UKF (Unscented Kalman Filter) και σωματιδιακών φίλτρων (particle filters).

[18] Το φίλτρο EKF (Extended Kalman Filter) είναι μια επέκταση του φίλτρου Kalman, για την αντιμετώπιση περιπτώσεων όπου η σχέση μεταξύ των μετρήσεων και των εκτιμήσεων ή των εκτιμήσεων και του μοντέλου κίνησης είναι μη γραμμική. Για να χειριστεί αυτές τις μη γραμμικότητες, το EKF γραμμικοποιεί τις δύο μη γραμμικές εξισώσεις εξομάλυνσης και πρόβλεψης, χρησιμοποιώντας τον πρώτο όρο της σειράς Taylor και στη συνέχεια αντιμετωπίζει το πρόβλημα ως το τυπικό γραμμικό πρόβλημα φίλτρου Kalman. Το EKF μπορεί εύκολα να αποκλίνει σταδιακά (εισάγει μεροληψία στη λύση), εάν η εκτίμηση κατάστασης, για την οποία γραμμικοποιούνται οι εξισώσεις (υπολογισμός συνδιακύμανσης), δεν είναι ακριβής.

[19] Το φίλτρο UKF (Unscented Kalman Filter) προσπαθεί να βελτιώσει το EKF, αποφεύγοντας την ανάγκη γραμμικοποίησης των εξισώσεων μέτρησης και κατάστασης, χρησιμοποιώντας τις πληροφορίες μέσου όρου και συνδιακύμανσης στη μορφή ενός συνόλου σημείων, που ονομάζονται σημεία σίγμα. Αυτά τα σημεία, τα οποία αντιπροσωπεύουν μια κατανομή με καθορισμένο μέσο όρο και συνδιακύμανση, μεταδίδονται στη συνέχεια απευθείας μέσω των μη γραμμικών εξισώσεων και τα πέντε ενημερωμένα δείγματα που προκύπτουν χρησιμοποιούνται για τον υπολογισμό ενός νέου μέσου όρου και διακύμανσης. Η προσέγγιση UKF δεν αντιμετωπίζει προβλήματα απόκλισης λόγω μέτριας γραμμικοποίησης, όπως ο EKF, όμως διατηρεί τη συνολική υπολογιστική απλότητα του EKF.

[20] Πέραν αυτών, ο αλγόριθμος ΜΗΤ μπορεί να επιτελεί / υποστηρίζει και άλλες λειτουργίες, όπως:

• Παρακολούθηση αναμέτρησης (Dead Reckoning), δηλαδή συνέχιση της παρακολούθησης σε μικρές περιόδους έλλειψης μετρήσεων, όπως πχ όταν ο στόχος κινείται πίσω από κάποια έξαρση ξηράς (νησί ή βουνό).
• Αναλυτική αναπαράσταση τυχαίων παρατηρήσεων, δηλαδή κατά διόπτευση, απόσταση και ύψος, όπως πχ στην περίπτωση μετρήσεων ραντάρ ηλεκτρονικής σάρωσης (φασικής στοιχειοκεραίας), το οποίο διεξάγει μετρήσεις σε ακανόνιστα χρονικά διαστήματα.

[21] Τα σωματιδιακά φίλτρα PF (Particle Filters) αποτελούν γενίκευση του αλγορίθμου UKF, το κύριο πλεονέκτημα των οποίων είναι ότι δεν κάνει υποθέσεις για την κατανομή των σφαλμάτων / αβεβαιοτήτων και δεν απαιτεί οι εξισώσεις να είναι γραμμικές. Τα PF, μπορούν να χειριστούν μη γραμμικά και μη Gaussian συστήματα, γεγονός που τα καθιστά κατάλληλα για την παρακολούθηση αντικειμένων με πολύπλοκη και αβέβαιη δυναμική. Ειδικότερα, δημιουργούν ένα μεγάλο αριθμό τυχαίων δυνητικών καταστάσεων του αντικειμένου (σωματίδια), τα οποία στη συνέχεια μεταδίδονται ως νέφος σωματιδίων μέσω των εξισώσεων, με αποτέλεσμα να προκύπτει κάποια διαφορετική κατανομή σωματιδίων στην έξοδο. Αυτή, μπορεί στη συνέχεια να χρησιμοποιηθεί για τον υπολογισμό του μέσου όρου, της διακύμανσης ή οποιουδήποτε άλλου απαιτούμενου στατιστικού μέτρου. Τα στατιστικά στοιχεία που προκύπτουν χρησιμοποιούνται για τη δημιουργία του τυχαίου δείγματος σωματιδίων για την επόμενη επανάληψη (οι νέες ανιχνεύσεις ενημερώνουν το σύνολο των σωματιδίων). Σε κάθε χρονική επανάληψη, ο αλγόριθμος PF περιλαμβάνει τρία βασικά βήματα: πρόβλεψη, στάθμιση (ζύγιση) και επαναδειγματοληψία. Στο βήμα πρόβλεψης, τα σωματίδια διαδίδονται προς τα εμπρός στο χρόνο, χρησιμοποιώντας κάποιο μοντέλο κίνησης. Στο βήμα στάθμισης, υπολογίζεται η πιθανότητα αντιστοίχισης (ταιριάσματος) κάθε σωματιδίου στα παρατηρούμενα δεδομένα και στα σωματίδια με υψηλότερες πιθανότητες δίνονται μεγαλύτερα βάρη. Στο βήμα της επαναδειγματοληψίας, τα σωματίδια επαναδειγματοληπτούνται σύμφωνα με τα βάρη τους, για να δημιουργηθεί ένα νέο σύνολο σωματιδίων για το επόμενο χρονικό βήμα. Τα φίλτρα σωματιδίων είναι γνωστά για την ικανότητά τους να χειρίζονται πολυτροπικές κατανομές (δηλαδή με περισσότερες από μία κορυφές). Ωστόσο, η υλοποίησή τους είναι υπολογιστικά πολύ απαιτητική και επί του παρόντος μπορεί να μην είναι κατάλληλη για τις περισσότερες εφαρμογές πραγματικού χρόνου (έχει χρησιμοποιηθεί για την παρακολούθηση αντικειμένων σε ακολουθίες εικόνων video, όραση υπολογιστών, ρομποτική, κτλ). Επίσης, οι επιδόσεις των PF μπορεί να επηρεαστούν από διάφορους παράγοντες, όπως ο αριθμός των σωματιδίων που χρησιμοποιούνται, η επιλογή του μοντέλου κίνησης και η πολυπλοκότητα των παρατηρούμενων δεδομένων.

[22] Η δήλωση παρουσίας / ανίχνευσης στόχου μπορεί να υλοποιηθεί με διάφορους τρόπους. Μια τυπική προσέγγιση είναι το κριτήριο δήλωσης Neyman-Pearson, το οποίο παράγει μια επιθυμητή πιθανότητα ανίχνευσης στόχων με έναν αποδεκτό ρυθμό ψευδών συναγερμών. Στην ιδανική περίπτωση υπολογίζεται η κατανομή του λόγου πιθανοφάνειας (likelihood ratio), με και χωρίς την παρουσία στόχου, ορίζοντας το κατώφλι ανάλογα.

[23] Μεθοδολογία παρακολούθησης και ανίχνευσης TBD εφαρμόστηκε για πρώτη φορά σε ραντάρ αεροσκαφών, με σκοπό την παρακολούθηση στόχων μέσα σε περιβάλλον υψηλού ρυθμού ψευδών συναγερμών, γεγονός το οποίο συνήθως συμβαίνει όταν έχουμε ασθενικούς στόχους μέσα σε ισχυρό clutter. Επισημαίνεται, ότι τέτοιοι στόχοι μπορεί να εμφανίζονται και να εξαφανίζονται πολλές φορές μεταξύ διαδοχικών σαρώσεων / καρέ (frames) στο χρόνο. Η διαδικασία κατωφλίου, κατά την οποία παράγονται οι παρατηρήσεις αποφεύγεται, ώστε να διατηρούνται οι αδύναμες πληροφορίες σήματος στα ακατέργαστα δεδομένα του αισθητήρα.

[24] Η δήλωση ανίχνευσης πραγματικού στόχου στη μεθοδολογία TBD, συνήθως διεξάγεται όταν ο λόγος πιθανοφάνειας (likelihood ratio) υπερβεί κάποιο όριο.

[25] Για παράδειγμα, η τεχνική BFT (Bayesian Field Tracker) μπορεί να επιτύχει έγκαιρες ανιχνεύσεις στόχων με χαμηλές τιμές SNR, έως και 6 dB. Οι πιο προηγμένοι αλγόριθμοι TBD μπορούν να λειτουργήσουν ακόμη και με τιμές SNR = -3 έως -6 dB.

[26] Ο πολικός μετασχηματισμός Hough, όπως και ο παρόμοιος μετασχηματισμός Radon είναι αλγόριθμοι πολλαπλών διαδοχικών σαρώσεων (batch method), που μπορεί να χρησιμοποιηθούν ως προ-επεξεργασία του MHT, για την αποκοπή των ψευδών συναγερμών. Αποτελούν προσεγγίσεις προβολικών μετασχηματισμών, που δεν θεωρούν ότι η παρακολούθηση στόχου είναι πρόβλημα στοχαστικής εκτίμησης, αλλά εξαρτάται από μετρήσεις της κίνησης.

[27] Ο δυναμικός προγραμματισμός (dynamic programming) αποτελεί μέθοδο επίλυσης προβλημάτων που έχουν τις ιδιότητες των επικαλυπτόμενων υποπροβλημάτων και της βέλτιστης υποδομής (batch method). Η μέθοδος μπορεί να χειριστεί ικανοποιητικά αργά κινούμενους στόχους. Για παράδειγμα, ολοκληρώνει τις μετρήσεις/παρατηρήσεις κατά μήκος όλων των δυνατών τροχιών στόχων και εξάγει ως πιθανότερη τροχιά για ένα στόχο (single target), αυτή για την οποία το άθροισμα των μετρήσεων (συνάρτηση αξίας) υπερβαίνει κάποιο κατώφλι. Ο εφαρμοζόμενος αλγόριθμος μπορεί να τροποποιηθεί και να επεκταθεί για βελτίωση της απόδοσης και των επιδόσεων σε μη Gaussian θόρυβο, όπως επίσης και να επιτρέψει μεταβάσεις ταχύτητας.

Συνήθως, εφαρμόζεται μία από τις ακόλουθες δύο προσεγγίσεις:

• Από πάνω προς τα κάτω (top–down approach): Το πρόβλημα χωρίζεται σε υποπροβλήματα, τα οποία επιλύονται και οι λύσεις τους απομνημονεύονται, σε περίπτωση που απαιτηθεί η επαναχρησιμοποίησή τους (η απομνημόνευση γίνεται σε κάθε επανάληψη της διαδικασίας).
• Από κάτω προς τα πάνω (bottom–up approach):  Όλα τα υποπροβλήματα που μπορεί να απαιτηθούν επιλύονται εκ των προτέρων. Ακολούθως, οι λύσεις αυτές χρησιμοποιούνται για την επίλυση μεγαλύτερων προβλημάτων. Πλεονεκτήματα της μεθόδου είναι slightly better in stack space και ο αριθμός των function calls, Μειονέκτημα της μεθόδου αποτελεί η δυσκολία προσδιορισμού εκ των προτέρων, όλων των υποπροβλημάτων που απαιτούνται για την επίλυση ενός συγκεκριμένου προβλήματος.

Η δυναμική λογική (dynamic logic) εφαρμόζεται στην ταυτόχρονη επίλυση πολύπλοκων προβλημάτων.

[28] Οι απλούστεροι αλγόριθμοι σχεδιάζονται μόνο για ευθύγραμμη κίνηση. Οι επιταχύνσεις των στόχων αντιμετωπίζονται με την αύξηση του κέρδους του φίλτρου ή αυξάνοντας τον όρο θορύβου των εξισώσεων κατάστασης. Οι πιo περίπλοκοι αλγόριθμοι σχεδιάζονται για να αντισταθμίσουν κίνηση με στροφές, για να χειριστούν πολλαπλές υποθέσεις κίνησης στόχων ή για να τις ταξινομήσουν στόχους μέσα στο clutter. Διάφοροι τύποι αλγορίθμων μπορούν να συνδυαστούν για τη συγχώνευση ή σύντηξη δεδομένων πολλαπλών αισθητήρων, την παρακολούθηση πολλών στόχων και την συνένωση δεδομένων.

[29] Ένα ταιριασμένο τρισδιάστατο φίλτρο 3DMF (3D Matched Filter) και γενικεύσεις, όπως οι συστοιχίες φίλτρων ταχύτητας BAVF (Banks of Assumed Velocity Filters) αποτελούν ισχυρή τεχνική επεξεργασίας για την ανίχνευση κινούμενων στόχων χαμηλής παρατηρησιμότητας. Ωστόσο, το ταιριασμένο φίλτρο 3D σχεδιάστηκε για στόχους σταθερής ταχύτητας. Τα (3D) φίλτρα ταχύτητας παρουσιάζουν πρόβλημα ευαισθησίας jitter λόγω τυχαίας κίνησης, το οποίο μειώνει τις αποστάσεις ανίχνευσης. Το ταιριασμένο φίλτρο 3D και το BAVF επεκτείνονται στην περίπτωση μοντέλων πολλαπλής μεταγωγής δυναμικής στόχου. Το τρισδιάστατο ταιριαστό φιλτράρισμα μπορεί να μεταφερθεί σε ένα γενικό πλαίσιο βέλτιστου χωρο-χρονικού μη γραμμικού φιλτραρίσματος για κρυφά μοντέλα Markov (HMM – Hidden Markov Models). Πρόκειται για έναν ισχυρό και υπολογιστικά αποδοτικό αλγόριθμο Bayes για την ανίχνευση και την παρακολούθηση ευέλικτων στόχων χαμηλής παρατηρισιμότητας στο σύστημα IRST. Η δομή του αλγορίθμου αποτελείται από δύο μέρη, παρακολούθησης και ανίχνευσης. Η παρακολούθηση πραγματοποιείται με τη χρήση του βέλτιστου (μη γραμμικού) Bayesian φίλτρου (ONBF), ενώ για την ανίχνευση χρησιμοποιείται ένας τροποποιημένος λόγος γενικευμένης πιθανοφάνειας (GLR).

[30] Τα παραδοσιακά φίλτρα Kalman προσπαθούν να εκτιμήσουν την κατάσταση ενός υπό παρακολούθηση στόχου, αναστρέφοντας πίνακες συνδιακύμανσης, οι οποίοι πολλές φορές είναι ασταθείς (ill-conditioned). Ο αλγόριθμος BFT αναπτύσσει αναδρομικά το πεδίο πιθανοτήτων όλων των πιθανών ενδεχομένων για όλους τους στόχους, ελαττώνοντας την ανάγκη αναστροφής πινάκων. Επίσης, χρησιμοποιεί το λόγο πιθανοφάνειας (likelihood ratio) για ένα σύνθετο μοντέλο σήματος που προβλέπει θόρυβο υψηλής απόκλισης, όπως πχ ηλιακές λάμψεις πάνω στη θαλάσσια επιφάνεια (glint) ή “προβατάκια” από τον κυματισμό. Χειρίζεται αποτελεσματικά τα σφάλματα από οποιαδήποτε πηγή προέλευσης (μετρήσεων, ναυτιλίας, χρονισμού, κτλ), επιτρέποντας ευκολότερη σύζευξη (Bayesian data fusion) με στοιχεία από πολλαπλούς αισθητήρες.

[31] Χρησιμοποιεί τον αποδεικτικό μαθηματικό συλλογισμό των Dempster-Shafer για τον έλεγχο μίας υπόθεσης, με βάση την πιθανότητα εμφάνισης των γεγονότων. Συγκεκριμένα, οι πληροφορίες σε μορφή συναρτήσεων δοξασίας (belief functions) χρησιμοποιούνται για το συνδυασμό ανεξάρτητων τμημάτων πληροφοριών για τον υπολογισμό της πιθανότητας εμφάνισης ενός γεγονότος με βάση την οποία θα ελεγχθεί η αληθοφάνεια της υπόθεσης (plausibility measure).

[32] Ο αλγόριθμος προσδοκίας-μεγιστοποίησης (EM) αποτελεί μια επαναληπτική μέθοδο για την εύρεση (τοπικών) εκτιμήσεων μέγιστης πιθανοφάνειας ή μέγιστης εκ των υστέρων (MAP) πιθανότητας εκτιμήσεων παραμέτρων σε στατιστικά μοντέλα, όπου το μοντέλο εξαρτάται από μη παρατηρούμενες λανθάνουσες μεταβλητές. Η επανάληψη EM εναλλάσσεται μεταξύ της εκτέλεσης ενός βήματος προσδοκίας (E), το οποίο δημιουργεί μια συνάρτηση για την προσδοκία της λογαριθμικής πιθανοφάνειας που αξιολογείται χρησιμοποιώντας την τρέχουσα εκτίμηση για τις παραμέτρους και ενός βήματος μεγιστοποίησης (M), το οποίο υπολογίζει παραμέτρους μεγιστοποιώντας την αναμενόμενη λογαριθμική πιθανοφάνειας που βρέθηκε στο βήμα Ε. Αυτές οι εκτιμήσεις παραμέτρων χρησιμοποιούνται στη συνέχεια για τον προσδιορισμό της κατανομής των λανθανόντων μεταβλητών στο επόμενο βήμα Ε.

[33] Η μέθοδος διασταυρούμενης επικύρωσης (cross validation) αποτελεί ένα ισχυρό προληπτικό μέτρο κατά της υπερπροσαρμογής, η οποία αποτελεί σφάλμα της μοντελοποίησης όταν μια συνάρτηση είναι πολύ κατάλληλη για συγκεκριμένο σύνολο δεδομένων, με αποτέλεσμα να μην αποδίδει ικανοποιητικά αποτελέσματα σε κάποιο νέο σύνολο, το οποίο ο αλγόριθμος θα επεξεργαστεί για πρώτη φορά. Με τη διασταυρούμενη επικύρωση, από το αρχικό σύνολο εκπαίδευσης δημιουργούνται υποσύνολα δεδομένων. Ο τρόπος δημιουργίας αυτών των υποσυνόλων εκπαίδευσης προϋποθέτουν μια εναλλαγή στο διαχωρισμό του αρχικού συνόλου. Με την τυπική k-fold διασταυρούμενη επικύρωση, τα δεδομένα χωρίζονται σε k υποσύνολα. Στη συνέχεια, ο αλγόριθμος εκτελείται στα k-1 υποσύνολα, ενώ το εναπομείναν υποσύνολο χρησιμοποιείται για τη διαδικασία της δοκιμής (testing). Το υποσύνολο δοκιμών διατηρείται πραγματικά αόρατο στη διαδικασία εκπαίδευσης, για την επιλογή του τελικού μοντέλου.

[34] Κατά τη μέθοδο Bootstrap δημιουργούνται πολλαπλά σύνολα επικύρωσης με δειγματοληψία, η οποία γίνεται με επανατοποθέτηση, δηλαδή κάθε παρατήρηση που επιλέγεται να συμμετάσχει στο σύνολο επικύρωσης δεν αφαιρείται από το αρχικό δείγμα. Με αυτόν τον τρόπο, μια παρατήρηση μπορεί να επιλεγεί περισσότερες φορές για να συμμετάσχει στο ίδιο σύνολο επικύρωσης. Η μέθοδος έχει μικρότερη επιτυχία και αποτελεσματικότητα, ως προς τη διασταυρούμενη επικύρωση.

[35] Η θερμοκρασιακή διαφορά μεταξύ εξωτερικού κελύφους και περιβάλλουσας ατμόσφαιρας, είναι της τάξης των 30-50°C για τα υποηχητικά βλήματα (0.1 – 10 W/sr, 0°, 8-12 μm) και της τάξης των 250 – 900°C για τα υπερηχητικά βλήματα (50 – 125 W/sr, 0°, 8-12 μm). Διαστημικά οχήματα που επανέρχονται στην ατμόσφαιρα αναπτύσσουν θερμοκρασίες >2000°C, λόγω αεροδυναμικής θέρμανσης.

[36] Παράδειγμα αποτελεί η θερμική κάμερα (FLIR) του ναυτικού συστήματος αντιβληματικής προστασίας Phalanx Block IB, η οποία λειτουργεί στη μπάντα 8-12 μm.

[37] Το Sea Spotter είναι ικανό να εντοπίζει στόχους επιφανείας και αέρος, υπερηχητικούς και υποηχητικούς, ακόμη και πολύ μικρούς, όπως πχ βόμβες ολίσθησης, πάνω και γύρω από το σκάφος, από τον ορίζοντα μέχρι το ζενίθ. Το σύστημα εφαρμόζει κατανομή χρόνου μεταξύ διαφορετικών τηλεσκοπίων, τεχνολογία μηχανικής μάθησης (machine learning) για την έγκαιρη ανίχνευση και παρακολούθηση στόχων, με χαμηλό ποσοστό ψευδών συναγερμών, ενώ διαθέτει κεντρικό σύστημα ψύξης κλειστού κύκλου.

[38] Αρχικές αναφορές για την τεχνολογία του αισθητήρα έκαναν λόγο για κάποια δεύτερης γενιάς γραμμική συστοιχία διπλής μπάντας (3–5 μm και 8-11/12 μm) φωτοανιχνευτών HgCdTe (CMT) 768 στοιχείων και 8 κυκλωμάτων ανάγνωσης TDI (χρονικής καθυστέρησης και ολοκλήρωσης), για τη βελτίωση της τιμής SNR.

[39] S-TWS: Search & Track While Scan (ταυτόχρονη παρακολούθηση έως 200 στόχων για το Skyward G).

        MTT: Multiple Target Tracking

[40] Αποτελεί μέρος του ηλεκτροοπτικού 101KS-EO Atoll, το οποίο περιλαμβάνει συνολικά 8 μονάδες (IRST / MAWS) περιφερειακά του αεροσκάφους.

[41] Ένα μειονέκτημα του MWIR InSb είναι η απαίτηση λειτουργίας σε θερμοκρασία υγρού αζώτου (77Κ), όπως δηλαδή και για τις κοινές μονάδες (common modules) LWIR HgCdTe. Όμως, το υψηλότερου κόστους MWIR HgCdTe μπορεί να επιτύχει ισοδύναμες επιδόσεις στους 120K – 150K.

[42] Είχε προηγηθεί και μια έκδοση του AN/AAS-42, με συστοιχία γραμμικής σάρωσης 1×256, στο παράθυρο 3-5 μm (MWIR). Επίσης, κατά τη δεκαετία του 1970, υπήρχε ο αισθητήρας AN/ALR-23 IRST, τοποθετημένος κάτω από το ρύγχος του αεροσκάφους, ο οποίος χρησιμοποιούσε ανιχνευτές InSb. Ωστόσο, το σύστημα ήταν αναξιόπιστο και αντικαταστάθηκε από το οπτικό, το ΑΝ/AAX-1 TCS (TV Camera Set) της Northrop, συνεργαζόμενο με το ραντάρ του αεροσκάφους.

[43] Το AN/AAS-42 IRST μπορούσε να ανιχνεύσει απομακρυνόμενο δικινητήριο μαχητικό αεροσκάφος με μετάκαυση σε λειτουργία, μέχρι απόστασης 60 km (σε ιδανικές ατμοσφαιρικές συνθήκες). Εξόπλιζε τα μαχητικά αεροσκάφη F-14D Super Tomcat του αμερικανικού ναυτικού, τα οποία αποσύρθηκαν από την ενεργό υπηρεσία το 2006. Συνεχίζει όμως να εξοπλίζει, ως Tiger Eyes, τα F-15K της Ν. Κορέας, τα F-15SA της Σαουδικής Αραβίας και τα F-15SG της Σιγκαπούρης. Μια τροποποιημένη εκδοχή χρησιμοποιήθηκε για την ανίχνευση και τον εντοπισμό πυραύλων, σε συνεργασία με το πειραματικό εναέριο σύστημα laser ισχύος YAL-1A ABL, της Boeing. 

[44] Από τα γνωστά, μοντέρνα συστήματα IRST, οι συνήθεις αποστάσεις ανίχνευσης υποηχητικών αεροσκαφών (χωρίς μετάκαυση σε λειτουργία) είναι περί τα 100-120 km για απομακρυνόμενους στόχους και περί τα 40-50 km για προσεγγίζοντες στόχους.

[45] Ένας ταχέως κινούμενος στόχος (αεροσκάφος), μπορεί να αφήσει πίσω του μια ασαφή εικόνα και να επηρεάσει δυσμενώς την ακρίβεια αναγνώρισης και παρακολούθησης. Αυτό, συμβαίνει ιδιαίτερα όταν ένα υπέρυθρο σύστημα ατενίζει τον ουρανό για μεγάλο χρονικό διάστημα, προκειμένου να ανιχνεύσει κάποια μακρινή πηγή με εξαιρετικά αδύναμο σήμα. Η καινοτομία των Κινέζων περιλαμβάνει ένα ταχέως περιστρεφόμενο εσωτερικό κάτοπτρο, που φέρεται ότι εξαλείφει το θάμπωμα της κίνησης, ρυθμίζοντας αυτόματα και με ακρίβεια την κατεύθυνση των οπτικών ακτίνων.