[論文レビュー] Analysis of the feedback particle filter with diffusion map based approximation of the gain

Sahani Pathiraja, Wilhelm Stannat|arXiv (Cornell University)|Sep 6, 2021

Target Tracking and Data Fusion in Sensor Networks参考文献 38被引用数 4

ひとこと要約

本稿は、ゲイン関数の拡散マップに基づく近似を用いたフィードバックパーティクルフィルタ（FPF）を分析し、近似ゲインの構造に関する解析的洞察を提供するとともに、有限N粒子系の意味場限界への適切な定義および収束を確立する。この手法は、重み付きポisson方程式を支配するゲインの解を近似するために拡散マップを活用し、高次元における非線形ベイズ推論に対して計算的に効率的で一貫性のあるフィルタリング手法を実現する。

ABSTRACT

Control-type particle filters have been receiving increasing attention over the last decade as a means of obtaining sample based approximations to the sequential Bayesian filtering problem in the nonlinear setting. Here we analyse one such type, namely the feedback particle filter and a recently proposed approximation of the associated gain function based on diffusion maps. The key purpose is to provide analytic insights on the form of the approximate gain, which are of interest in their own right. These are then used to establish a roadmap to obtaining well-posedness and convergence of the finite $N$ system to its mean field limit. A number of possible future research directions are also discussed.

研究の動機と目的

• フィードバックパーティクルフィルタ（FPF）における拡散マップベースのゲイン関数近似の構造に関する解析的洞察を提供すること。
• 提案されたゲイン近似のもとで、有限N粒子系が意味場限界に適切に定義され、収束することを確立すること。
• 拡散マップによる多様体学習に基づくゲイン近似を用いて、理論的分析と実装の橋渡しをすること。
• 高次元で非線形なフィルタリング問題において、正確なFPFの重み付きポアソン方程式を解く際の計算的ボトルネックを緩和すること。
• 将来の研究のための理論的ロードマップを提示し、数値的および解析的性質が向上した一貫性のある、サンプルベースのフィルタリング手法の開発を促進すること。

提案手法

• 重み付きポアソン方程式（1.5）の半群表現を用いて、ゲイン関数φのサンプルベース近似を導出する。
• 拡散マップを用いて粒子状態の低次元埋め込みを構築し、ポアソン方程式の解を介してゲインの効率的近似を可能にする。
• 正規化グラフラプラシアンとパrameter α でパラメータ化された非等方的拡散過程を用いて、条件付き期待値のカーネルベース近似を実装する。
• 拡散マップカーネルと経験的測度を含む固定点方程式の解を用いて、正則化されたゲイン近似を導入する。
• 集中不等式とモーメントバウンドを用いて、L2ノルムにおける近似ゲインの真のゲインへの収束を確立する。
• 一般化されたブラスキャンプ＝リーブ不等式と対数凸測度の仮定を用いて、誤差解析における共分散項を制御する。

実験結果

リサーチクエスチョン

• RQ1 FPFにおける拡散マップベースのゲイン関数近似は、有限粒子系の適切な定義および収束にどのように影響を与えるか？
• RQ2 特に重み付きポアソン方程式の解と関連して、拡散マップから導かれる近似ゲイン関数の解析的性質は何か？
• RQ3 拡散マップ近似は、N → ∞ の意味場限界においてFPFの一貫性を保持できるか？
• RQ4 真のゲインと拡散マップベースの近似との間の誤差バウンドは何か？また、N と ǫ にどのように依存するか？
• RQ5 ドリフト M、観測関数 h、および基本測度 ρ に対する仮定は、近似および収束結果の有効性にどのように影響を与えるか？

主な発見

• M および h に対するやや弱い正則性仮定のもとで、拡散マップベースのゲイン近似は、有限N粒子系を適切に定義する。
• 粒子数 N → ∞ かつカーネル帯域幅 ǫ → 0 の下で、近似ゲインはL2ノルムにおいて真のゲインに収束する。
• 適切なモーメントおよび密度正則性条件のもとで、ゲイン近似の誤差は O(1/√N) で有界である。
• この手法は、粒子系における混沌の伝播を保証し、これにより経験的測度が真のフィルタ分布に収束することを示す。
• 解析により、近似誤差が拡散マップカーネルの固有値特性およびポアソン方程式の解の正則性に依存することが示された。
• 一般化されたブラスキャンプ＝リーブ不等式の使用により、誤差分解における共分散項が厳密に制御され、ゲイン近似誤差に一様なバウンドが得られた。