[論文レビュー] Distributed SMC-PHD Fusion for Partial, Arithmetic Average Consensus

Tiancheng Li|arXiv (Cornell University)|Dec 17, 2017

Target Tracking and Data Fusion in Sensor Networks参考文献 39被引用数 6

ひとこと要約

本稿では、計算効率の良い粒子からガウス混合（P2GM）変換と重要度サンプリング（IS）を用いた部分的算術平均による分散型SMC-PHD融合手法を提案する。粒子状態を保持し、並列処理による事前分布・尤度計算を可能にすることで、粒子配布や完全なGM再生成と比較して、通信コストを低減しつつ融合精度を向上させる。

ABSTRACT

We propose an average consensus approach for distributed SMC-PHD (sequential Monte Carlo-probability hypothesis density) fusion, in which local filters extract Gaussian mixtures (GMs) from their respective particle posteriors, share them (iteratively) with their neighbors and finally use the disseminated GM to update the particle weight. There are two distinguishable features of our approach compared to exiting approaches. First, a computationally efficient particles-to-GM (P2GM) conversion scheme is developed based on the unique structure of the SMC-PHD updater in which the particle weight can be exactly decomposed with regard to the measurements and misdetection. Only significant components of higher weight are utilized for parameterization. The consensus, conditioned on information dissemination over the network, is called partial consensus. Second, importance sampling (IS) is employed to re-weight the local particles for integrating the received GM information, while the states of the particles remain unchanged. By this, the local prior PHD and likelihood calculation can be carried out in parallel to the dissemination \& fusion procedure. To assess the effectiveness of the proposed P2GM parameterization approach and IS approach, two relevant yet new distributed SMC-PHD fusion protocols are introduced for comparison. One uses the same P2GM conversion and GM dissemination schemes as our approach but local particles are regenerated from the disseminated GMs at each filtering iteration - in place of the IS approach. This performs similar to our IS approach (as expected) but prevents any parallelization as addressed above. The other is disseminating the particles between neighbors - in place of the P2GM conversion. This avoids parameterization but is communicatively costly. The state-of-the-art exponential mixture density approach is also realized for comparison.

研究の動機と目的

• 粒子配布または完全なGM再生成を用いた分散型SMC-PHD融合における高い通信コストと計算非効率性を解消すること。
• SMC-PHDフィルタリングにおける粒子重みの構造的分解を活用した、計算効率の良いP2GM変換スキームの開発。
• 重要度サンプリングを用いて粒子を再重み付けすることで、粒子を再生成せずに、局所フィルタリングと融合を並列実行可能にする。
• 重要なGM成分のみを共有する部分的コンセンサスを実現することで、通信負荷を低減しつつ推定精度を維持すること。
• 最新の手法（指数型混合密度や粒子配布）と比較して、提案手法の有効性を評価すること。

提案手法

• 粒子重みを測定と誤検出の成分に正確に分解することで、高重みの顕著なガウス成分のみを保持するP2GM変換スキームを設計。
• ネットワーク内の隣接ノード間で、ガウス混合の顕著な成分のみを繰り返し共有することで、部分的コンセンサスを達成。
• 受信したGMを用いて重要度サンプリングにより局所粒子の重みを再計算するが、粒子状態は変更せず、計算効率を維持。
• 配布と統合処理と並行して、局所的な事前分布PHDと尤度計算を実行し、リアルタイム動作を可能にする。
• 完全な粒子再生成や直接的な粒子交換を回避することで、通信負荷を低減しつつ融合精度を維持。
• 2つの比較プロトコルを実装：1つは各イテレーションでGM再生成を行う（並列処理なし）、もう1つは直接的な粒子交換を行う（通信コストが高いため）

実験結果

リサーチクエスチョン

• RQ1 分散型SMC-PHD融合において、推定精度を維持しつつ、粒子事後分布を効率的にパrameter化するためのP2GM変換はどのように設計できるか？
• RQ2 粒子再生成と比較して、重要度サンプリングによる粒子再重み付けが、計算効率と並列化に与える影響は何か？
• RQ3 顕著なGM成分に基づく部分的コンセンサスは、完全なコンセンサスと比較して通信コストと推定性能にどのように影響するか？
• RQ4 粒子の直接交換とGMの交換の間で、通信コストと推定精度のトレードオフはどのようなものか？
• RQ5 提案手法（ISベースの統合）は、最新の指数型混合密度手法と比較して、分散型SMC-PHD融合においてどのように差をつけるか？

主な発見

• 提案されたP2GM変換スキームにより、測定と誤検出の成分に正確に分解することで、粒子重みの計算負荷を顕著に低減できる。
• 重要度サンプリングにより、局所フィルタリングと統合処理を並列で実行可能となり、粒子再生成の必要がなくなり、リアルタイム性能が向上する。
• 部分的コンセンサスアプローチにより、顕著なガウス成分のみを共有することで通信コストを低減し、推定精度に影響を与えない。
• 再生による統合は並列化を妨げるため、計算効率の点で重要度サンプリングベースの統合が優れている。
• 直接的な粒子配布はGM配布よりも通信コストが高いため、大規模ネットワークではスケーラビリティに劣る。
• 提案手法は、最新の指数型混合密度手法と同等の推定精度を達成するが、通信および計算のオーバーヘッドが低減されている。