[論文レビュー] Extended Target Poisson Multi-Bernoulli Filter

Yuxuan Xia, Karl Granström+2 more|arXiv (Cornell University)|Jan 4, 2018

Target Tracking and Data Fusion in Sensor Networks被引用数 5

ひとこと要約

本稿では、Poisson multi-Bernoulli mixture 共役事前分布を活用して、多ベルヌーイ混合事後分布を単一の多ベルヌーイに近似することで、計算コストを低減する拡張対象Poisson多ベルヌーイ（PMB）フィルタを提案する。この手法は、拡張対象を伴うシミュレーション環境において、より複雑な PMBM フィルタに近い性能を達成する。

ABSTRACT

In this paper, a Poisson multi-Bernoulli (PMB) filter for multiple extended targets estimation is presented. The PMB filter is based on the Poisson multi-Bernoulli mixture (PMBM) conjugate prior and approximates the multi-Bernoulli mixture (MBM) in the posterior as a single multi-Bernoulli. By only having a single multi-Bernoulli representing detected targets in the posterior, the computational cost due to the data association problem can be effectively reduced. Different methods to merge the MBM are presented, along with their gamma Gaussian inverse Wishart implementations. The performance of the PMB filter is compared to the PMBM filter in different simulated scenarios.

研究の動機と目的

• 多ベルヌーイ混合事後分布の表現を単純化することで、複数の拡張対象追跡における計算複雑性を低減すること。
• 単一の多ベルヌーイ近似を用いて、拡張対象フィルタリングにおけるデータ関連付け問題を解決すること。
• 対象拡張のモデル化にガンマガウス逆ウィッシャー分布を用いた実用的な実装の開発。
• 対象密度と拡張度が変化する状況下で、PMBM フィルタと比較して、精度と計算コストのトレードオフを評価すること。

提案手法

• PMB フィルタは、対象の生成と伝搬をモデル化するため、Poisson multi-Bernoulli mixture (PMBM) 共役事前分布を用いる。
• 計算負荷を軽減するために、多ベルヌーイ混合（MBM）事後分布を単一の多ベルヌーイに近似する。
• 効率的なフィルタリングを実現するため、MBM コンポーネントを1つの多ベルヌーイに統合する複数のマージ戦略を提案する。
• 拡張対象の拡張パラメータのモデル化に、ガンマガウス逆ウィッシャー分布を用いる。
• 逐次ベイズ更新を用いて、検出、推定、追跡をベイズフレームワーク内で統合する。
• 対象密度と拡張度が変化するシナリオにおける、PMB と PMBM フィルタの比較をシミュレーションで評価する。

実験結果

リサーチクエスチョン

• RQ1 推定精度の著しい低下を伴わずに、拡張対象追跡の計算複雑性をどのように低減できるか？
• RQ2 拡張対象フィルタリングにおいて、多ベルヌーイ混合事後分布を単一の多ベルヌーイに近似することで、性能にどのような影響が生じるか？
• RQ3 MBM コンポーネントの異なるマージ戦略は、拡張対象シナリオにおけるPMBフィルタの精度と安定性にどのように影響するか？
• RQ4 PMB フィルタは、追跡精度と計算負荷の観点から、PMBM フィルタと比べてどのように差異を示すか？
• RQ5 ガンマガウス逆ウィッシャー分布は、PMB フレームワーク内での拡張対象の拡張パラメータのモデル化において、果たす役割は何か？

主な発見

• PMB フィルタは、PMBM フィルタに近い追跡性能を達成しながら、顕著に計算コストを低減する。
• 単一の多ベルヌーイ近似の使用により、多ベルヌーイ混合に内在するデータ関連付けの複雑性が効果的に軽減される。
• MBM コンポーネントの異なるマージ戦略は、同等の性能を示すが、すべてのシナリオで優位な方法は存在しない。
• ガンマガウス逆ウィッシャー分布の実装により、拡張対象の拡張パラメータの有効なモデル化が可能になる。
• シミュレーションにより、PMB フィルタが高密度対象および拡張対象の条件下でも、高い推定精度を維持することが確認された。
• PMB フィルタは、より複雑な PMBM フィルタと比較して、拡張対象追跡応用において、頑健性とスケーラビリティに優れている。