[論文レビュー] Adaptively Blocked Particle Filtering with Spatial Smoothing in Large-Scale Dynamic Random Fields

Francesco Bertoli, Adrian N. Bishop|arXiv (Cornell University)|Jun 1, 2014

Target Tracking and Data Fusion in Sensor Networks参考文献 8被引用数 4

ひとこと要約

本稿では、大規模な動的確率場における系統的バイアスを低減するため、空間平滑化を組み込んだ適応的ブロック化粒子フィルタリング手法を提案する。サイクル的に分割を適用し、空間的位置間でバイアスを平均化することで、標準的なブロック化粒子フィルタリングと比較して非一様性が著しく低減された空間的に一様なバイアスバウンドを達成する。時間変動系においても誤差制御の理論的保証と向上したロバストネスを有する。

ABSTRACT

The typical particle filtering approximation error is exponentially dependent on the dimension of the model. Therefore, to control this error, an enormous number of particles are required, which means a heavy computational burden that is often so great it is simply prohibitive. Rebeschini and van Handel (2013) consider particle filtering in a large-scale dynamic random field. Through a suitable localisation operation, they prove that a modified particle filtering algorithm can achieve an approximation error that is mostly independent of the problem dimension. To achieve this feat, they inadvertently introduce a systematic bias that is spatially dependent (in that the bias at one site is dependent on the location of that site). This bias consequently varies throughout field. In this work, a simple extension to the algorithm of Rebeschini and van Handel is introduced which acts to average this bias term over each site in the field through a kind of spatial smoothing. It is shown that for a certain class of random field it is possible to achieve a completely spatially uniform bound on the bias and that in any general random field the spatial inhomogeneity is significantly reduced when compared to the case in which spatial smoothing is not considered. While the focus is on spatial averaging in this work, the proposed algorithm seemingly exhibits other advantageous properties such as improved robustness and accuracy in those cases in which the underlying dynamic field is time varying.

研究の動機と目的

• 大規模な動的確率場における次元の増加に伴う標準的粒子フィルタリングの指数的誤差増大を解消すること。
• Rebeschiniとvan Handelの手法におけるブロッキングに起因する空間的に非一様な系統的バイアスを低減すること。
• 空間平滑化を通じて、時間変動系においても精度とロバストネスを維持するフィルタリング手法を開発すること。
• 空間全体にわたる一様なバイアスバウンドを理論的に確立し、高次元推定における信頼性を向上させること。
• サイクル的分割と空間平均化により、非平滑化ブロッキングと比較してバイアスの非一様性が顕著に低減されることを示すこと。

提案手法

• 時間経過に伴い順次適用されるサイクル的分割方式を導入し、m個の分割をサイクル的に繰り返すことで空間平均化を可能にする。
• サイクル的分割のシーケンスを用いて複数の時間ステップにわたるバイアスを空間的に平均化することで、バイアスの空間的変動を低減する。
• 理想化されたブロック化フィルタの混合速度を制限するため、相関の崩壊解析を用いる。
• 文献[14]から導出された1ステップブロック化近似誤差バウンドを、ここでは時間平均バイアスを考慮して拡張する。
• 混合速度の制御と一様なバイアスバウンドの確保のため、パラメータβを用いた修正された相関崩壊条件を適用する。
• スレイターの不等式と距離に依存する指数的減衰項（ブロック境界からの距離）を用いて最終的なバイアスバウンドを導出する。これにより、空間的に一様な誤差バウンドが得られる。

実験結果

リサーチクエスチョン

• RQ1 複数の分割にわたる空間平均化によって、ブロック化粒子フィルタリングにおける系統的バイアスを低減できるか？
• RQ2 分割のサイクル的適用が、大規模な動的確率場における空間的に一様なバイアスバウンドをもたらすか？
• RQ3 空間平滑化は、時間変動系における粒子フィルタリングのロバストネスと精度にどのように影響するか？
• RQ4 局所化に起因するバイアスを、場所に依存しない形で空間全体にわたって一様に制御できるか？
• RQ5 空間平滑化は、相関の崩壊とフィルタの安定性に理論的にどのように影響を与えるか？

主な発見

• 提案手法は、標準的なブロック化粒子フィルタリングと比較して、空間的に一様なバイアスバウンドを達成し、空間的非一様性を顕著に低減した。
• バイアスバウンドはフィールドの次元に依存せず、粒子数とブロックサイズによって誤差スケーリングが制御可能であることが示された。
• サイクル的分割と空間平均化の適用により、m=1の場合にRebeschiniとvan Handelの結果に一致するため、一貫性が裏付けられた。
• 理論的解析により、提案条件のもとで、相関の崩壊とフィルタの安定性が時間的に一様に維持されることを確認した。
• 1ステップブロック化近似誤差は、ブロック境界からの距離に依存する指数的減衰項によってバウンドされ、精度が向上した。
• 最終的なバイアスバウンドは、ブロック境界からの最小距離と分割サイクル長の関数として表現され、パラメータβおよび平滑化係数ϑm(v)に明示的な依存関係を示した。