[論文レビュー] CPHD filter derivation for extended targets

Umut Orguner|arXiv (Cornell University)|Nov 5, 2010

Target Tracking and Data Fusion in Sensor Networks参考文献 1被引用数 5

ひとこと要約

この論文は、確率生成関数型とクラスタープロセスモデルを活用して、拡張対象を想定したカーディナリティズド確率仮説密度（CPHD）フィルタの補正式を導出する。主な貢献は、対象の広がり、検出の不確実性、誤検出を考慮した後方分布マルチターゲット密度の閉形式表現であり、雑音環境下での拡張対象の正確な追跡を可能にする。

ABSTRACT

This document derives the CPHD filter for extended targets. Only the update step is derived here. Target generated measurements, false alarms and prior are all assumed to be independent identically distributed cluster processes. We also prove here that the derived CPHD filter for extended targets reduce to PHD filter for extended targets and CPHD filter for standard targets under suitable assumptions.

研究の動機と目的

• 空間的広がりを有する対象（点対象ではない）を対象とした、CPHDフィルタの定式化を発展させること。
• 対象の広がり、検出確率、誤検出を統合的なベイズフィルタフレームワークに組み込むこと。
• 対象の個数と状態情報を保持する後方マルチターゲット密度の補正式を導出すること。

提案手法

• 対象の測定値を、対象固有の尤度関数 $ p_z(z|x) $ と誤検出密度 $ p_{FA}(z) $ を持つi.i.d. クラスタープロセスとしてモデル化する。
• マルチターゲット後方分布を表現するための確率生成関数型（PGF）を用い、ベイズ更新のための関数導関数 $ \frac{\delta}{\delta Z}F[g,h] $ を導出する。
• PGFの導関数を対数ガウス過程の形で表現するための補助関数 $ \zeta_{FA}^{(i)} $ と $ \zeta_{k|k-1}^{(i)} $ を導入する。
• 誤検出と対象測定の寄与を組み込んだ、PGF関数型の1階導関数の一般式（式22）を導出する。
• 関数導関数を適用して、$ G_{k|k}[h] = \frac{\delta F[0,h]/\delta Z_k}{\delta F[0,1]/\delta Z_k} $ を通じて後方マルチターゲット密度を計算し、CPHD補正式を導出する。
• 帰納法を用いて一般式の妥当性を検証し、1階および2階導関数に対して整合性を示し、任意の測定集合へと拡張する。

実験結果

リサーチクエスチョン

• RQ1 点対象モデルではなく空間的広がりを有する対象を扱うために、CPHDフィルタをどのように拡張できるか？
• RQ2 対象の広がりと誤検出をクラスタープロセスとしてモデル化した場合、後方マルチターゲット密度の正しい関数形は何か？
• RQ3 PGFに基づく導出を、検出の不確実性と測定クラスタリングを含めるようにどのように一般化できるか？

主な発見

• PGFの関数導関数の閉形式表現（式22）を導出し、拡張対象における正確なベイズ更新を可能にする。
• 得られたCPHD補正式は、$ \zeta_{FA}^{(i)} $ と $ \zeta_{k|k-1}^{(i)} $ の関数を通じて、誤検出と対象測定の寄与を明示的に分離している。
• PGFの恒等式と関数導関数を活用することで、個数分布と状態後方分布を保持する。
• 帰納法を用いた正当性の証明により、1階および2階導関数の検証が行われ、一般化が可能である。
• 適切な極限仮定の下では、このフレームワークは標準CPHDおよびPHDフィルタに還元される。
• 得られたフィルタは、対象の広がり、検出、誤検出を統合的にモデル化できることから、雑音環境下での正確なマルチターゲット追跡を実現する。