[論文レビュー] Kalman Filtering with Equality and Inequality State Constraints

Nachi Gupta, Raphael Hauser|ArXiv.org|Sep 18, 2007

Target Tracking and Data Fusion in Sensor Networks参考文献 18被引用数 76

ひとこと要約

本稿では、カルマンフィルタに等式制約および不等式制約を組み込むための2つの新しい手法を提案する：射影に基づく推定と制約付きカルマンゲイン最適化。主な貢献は、推定値が指定された範囲内に保たれるように保証する、数値的に安定した解析的フレームワークを提供することであり、制約付きトラッキング応用において著しく精度を向上させる。

ABSTRACT

Both constrained and unconstrained optimization problems regularly appear in recursive tracking problems engineers currently address -- however, constraints are rarely exploited for these applications. We define the Kalman Filter and discuss two different approaches to incorporating constraints. Each of these approaches are first applied to equality constraints and then extended to inequality constraints. We discuss methods for dealing with nonlinear constraints and for constraining the state prediction. Finally, some experiments are provided to indicate the usefulness of such methods.

研究の動機と目的

• 従来のカルマンフィルタでは制約が十分に活用されていないという問題に対処すること。
• 状態の等式および不等式制約をカルマンフィルタフレームワークに組み込むための解析的および数値的手法を開発すること。
• 局所線形化を用いて制約付きフィルタリングを状態予測および非線形ダイナミクスに拡張すること。
• 実験を通じて、制約付きフィルタリングが推定値を可能な領域内に維持することを示し、ロバスト性および精度が向上することを確認すること。

提案手法

• 2つのアプローチを提案する：(1) 更新された状態推定値を制約部分空間に射影する方法、(2) ゲインを制約に従って制限して事前に制約を満たすようにする方法。
• 等式制約の場合、両手法とも解析的解を提供し、ゲイン制約手法は射影手法の特別な場合である。
• 不等式制約に対しては、アクティブセット法を用いて射影手法を拡張する一方、ゲイン制約手法は境界を満たすために二次計画法を用いる。
• 非線形制約に対処するため、局所線形化を適用し、拡張カルマンフィルタまたはアンサンブルカルマンフィルタと同様に非線形ダイナミクスへの拡張を可能にする。
• 制約最適化において生じるペナルティ行列の逆行列に対する解析的表現を導出することで、ラグランジュ乗数の効率的計算を可能にする。
• 更新だけでなく予測ステップに対しても状態を制約するフレームワークを導入し、フィルタリングプロセス全体で制約の整合性を保証する。

実験結果

リサーチクエスチョン

• RQ1 射影法とゲイン制約手法を用いて、等式制約をカルマンフィルタの更新ステップに体系的かつ効果的に組み込む方法は何か？
• RQ2 等式制約の文脈において、射影ベース手法とゲイン制約手法との関係は何か？
• RQ3 数値最適化技術を用いて、カルマンフィルタにおける不等式制約をどのように処理できるか？
• RQ4 制約付きカルマンフィルタは、更新だけでなく予測ステップに対しても拡張可能か？
• RQ5 境界制約を伴う非線形系において、制約付きフィルタリングはどのように性能を発揮するか？また、非制約付きフィルタリングに比べてどの程度改善されるか？

主な発見

• 等式制約の文脈では、射影ベース手法とゲイン制約手法は数学的に同等であり、後者は前者の特別な場合である。
• 不等式制約の文脈では、アクティブセット法とゲイン制約手法の両方が、推定値が可能領域内に保たれることを保証するが、後者は二次計画問題の解法を必要とする。
• 制約付きカルマンフィルタは、指定された範囲内に推定値を維持する。これは、-1から1の制約下での正弦波追従実験で視覚的に確認された。
• 非線形トラッキングのシナリオでは、制約付きフィルタが物理的または運用上の制限に違反するのを防ぎ、非制約付きフィルタよりも優れた性能を発揮する。
• ペナルティ行列の逆行列に対する解析的解法により、制約付き最適化ステップにおけるラグランジュ乗数の効率的計算が可能になる。
• このフレームワークは、制約付き状態予測へも成功裏に拡張され、フィルタリングプロセス全体がシステムの制約と整合的になる。