[論文レビュー] Optimal Estimation of Sensor Biases for Asynchronous Multi-Sensor Registration.

Wenqiang Pu, Ya‐Feng Liu+3 more|arXiv (Cornell University)|Oct 8, 2017

Target Tracking and Data Fusion in Sensor Networks参考文献 20被引用数 3

ひとこと要約

本論文は、一定速度で移動する1つの基準標的のみを用いて、非同期なマルチセンサーシステムにおけるセンサの距離および方位バイアスを推定する非線形最小二乗問題と、ブロック座標降下（BCD）アルゴリズムを提案する。この手法は、線形最小二乗問題と半定値計画問題（SDP）を交互に解き、グローバル収束を保証するとともに、平均二乗誤差（RMSE）において従来手法を著しく上回る性能を発揮する。

ABSTRACT

An important step in the asynchronous multi-sensor registration problem is to estimate sensor range and azimuth biases from their noisy asynchronous measurements. The estimation problem is generally very challenging due to highly nonlinear transformation between the global and local coordinate systems as well as measurement asynchrony from different sensors. In this paper, we propose a novel nonlinear least square (LS) formulation for the problem by only assuming that a reference target moves with an unknown constant velocity. We also propose a block coordinate decent (BCD) optimization algorithm, with a judicious initialization, for solving the problem. The proposed BCD algorithm alternately updates the range and azimuth bias estimates by solving linear least square problems and semidefinite programs (SDPs). The proposed algorithm is guaranteed to find the global solution of the problem and the true biases in the noiseless case. Simulation results show that the proposed algorithm significantly outperforms the existing approaches in terms of the root mean square error (RMSE).

研究の動機と目的

• 非線形座標変換を伴う非同期マルチセンサーレジストレーションシステムにおけるセンサバイアス推定の課題に対処すること。
• 測定の非同期性およびグローバル座標系とローカル座標系の間の高次非線形関係の困難さを克服すること。
• 未知の一定速度で移動する1つの基準標的でのみ推定が可能であり、外部の仮定を最小限に抑える手法を開発すること。
• ノイズのない状況において真のバイアス値へのグローバル収束を保証し、より高いロバスト性と精度を実現すること。
• とくにノイズ環境下において、推定精度の面で従来手法を上回ること。

提案手法

• 未知の一定速度を持つ1つの基準標的のみを用いて、センサバイアス推定問題を非線形最小二乗最適化問題として定式化する。
• 距離バイアスと方位バイアスの推定値を交互に更新することで収束性と安定性を向上させる、ブロック座標降下（BCD）アルゴリズムを採用する。
• 線形最小二乗問題を解くことで距離バイアスの推定値を効率的かつ正確に更新する。
• 方位バイアスの推定値を半定値計画問題（SDP）を用いて解き、各更新ステップで凸性とグローバル最適性を保証する。
• 収束速度とBCDアルゴリズムの信頼性を向上させる、巧みな初期化戦略を用いる。
• ノイズのない状況においてグローバル解の回復を保証し、理論的ロバスト性を提供する。

実験結果

リサーチクエスチョン

• RQ1 未知の一定速度で移動する1つの基準標的のみを用いて、非同期マルチセンサーシステムにおけるセンサバイアス推定を正確に行うことができるか？
• RQ2 測定の非同期性下で、グローバル座標系とローカル座標系の間の非線形変換を効果的にモデル化し、解くことは可能か？
• RQ3 交互に線形および半定値計画問題を解くブロック座標降下アルゴリズムは、グローバル収束と精度の向上を達成できるか？
• RQ4 ノイズ環境下において、提案手法の平均二乗誤差（RMSE）は従来手法に比べてどの程度向上するか？
• RQ5 ノイズが存在しない状況でも、本手法は正確さと安定性を維持し、正確なバイアス回復を保証するか？

主な発見

• 提案されたBCDアルゴリズムはグローバル収束を保証し、ノイズのない状況では真のセンサバイアスを回復する。
• シミュレーション研究において、従来手法と比較して平均二乗誤差（RMSE）が著しく低減される。
• 方位バイアス推定に半定値計画問題（SDP）を用いることで、凸な部分問題が確保され、各反復でグローバル最適性が保証される。
• 1つの一定速度で移動する基準標的でのみ推定が可能であり、複雑なキャリブレーション設定への依存が低減される。
• 線形最小二乗問題とSDP部分問題の組み合わせにより、非同期性と非線形性下でも効率的かつロバストな最適化が実現される。
• シミュレーション結果から、本手法が推定精度と安定性の面で従来手法を上回ることが確認された。