[論文レビュー] Poisson Multi-Bernoulli Approximations for Multiple Extended Object Filtering

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

Target Tracking and Data Fusion in Sensor Networks参考文献 71被引用数 4

ひとこと要約

本稿では、各測定値が新しいベルヌーイ成分を生成する新しいローカル仮説表現を導入することで、複数の拡張対象追跡のための計算効率の良いポisson多ベルヌーイ（PMB）フィルタを提案する。トラック指向および変分多ベルヌーイ近似を用いることで、PMBM性能に近く、特に共析が顕著な状況では変分手法がトラック指向手法を上回る性能を示す、大幅に削減された複雑性を達成する。

ABSTRACT

The Poisson multi-Bernoulli mixture (PMBM) is a multi-object conjugate prior for the closed-form Bayes random finite sets filter. The extended object PMBM filter provides a closed-form solution for multiple extended object filtering with standard models. This paper considers computationally lighter alternatives to the extended object PMBM filter by propagating a Poisson multi-Bernoulli (PMB) density through the filtering recursion. A new local hypothesis representation is presented where each measurement creates a new Bernoulli component. This facilitates the developments of methods for efficiently approximating the PMBM posterior density after the update step as a PMB. Based on the new hypothesis representation, two approximation methods are presented: one is based on the track-oriented multi-Bernoulli (MB) approximation, and the other is based on the variational MB approximation via Kullback-Leibler divergence minimisation. The performance of the proposed PMB filters with gamma Gaussian inverse-Wishart implementations are evaluated in a simulation study.

研究の動機と目的

• 拡張対象ポアソン多ベルヌーイ混合（PMBM）フィルタの計算複雑性を低減しつつ推定精度を維持すること。
• ベルヌーイ成分の数の決定、どの仮説をマージするかの選択、そして効果的なマージ方法の課題を、拡張対象フィルタリングにおいて解決すること。
• 従来のサブセットベース表現と比較して、成分数を大幅に削減できる、各測定値が新しいベルヌーイ成分を生成するより効率的なローカル仮説表現の開発。
• トラック指向および変分近似法を用いた2つのPM-B近似法—TO-PMBおよびV-PMB—を、ガンマ・ガウス逆ウィシャーマン（GGIW）モデルを用いた拡張対象フィルタリングに適用すること。
• 提案されたPM-Bフィルタが、特に密度が高く共析が顕著な状況において、精度と計算効率の良好なトレードオフを実現することを示すこと。

提案手法

• 各測定値が独立したベルヌーイ成分を生成する新しいローカル仮説表現を導入し、従来のサブセットベース表現と比較して、成分数を著しく削減する。
• 近似最近傍法に類似したアサインメントを用いて、予測および更新ステップにおける計算コストを最小化するトラック指向PM-B（TO-PMB）フィルタを構築する。
• 真のPMBM事後分布と近似PM-B密度との間のKullback–Leibler（KL）ダイバージェンスを最小化する変分PM-B（V-PMB）フィルタを提案し、精度を向上させる。
• 拡張対象状態の閉形式伝搬を可能にするガンマ・ガウス逆ウィシャーマン（GGIW）族を用いて、両フィルタを実装し、運動パラメータおよび拡張パラメータを効率的に扱う。
• 予測および更新ステップを再帰的に適用し、フィルタリングプロセス全体を通じてPM-B密度を維持する。
• 対象状態および生成プロセスをGGIW族でモデル化し、共役フィルタリングと事後モーメントの効率的計算を可能にする。

実験結果

リサーチクエスチョン

• RQ1 計算複雑性を著しく低減しつつ、高い推定精度を維持できるように、拡張対象PMBMフィルタのPM-B近似を構築可能か？
• RQ2 サブセットベース表現と比較して、測定値ベースのローカル仮説表現は、成分数とフィルタリング性能においてどのように異なるか？
• RQ3 KLダイバージェンス最小化に基づく変分PM-B近似は、データアソシエーションの不確実性が高く、対象が共析する状況において、トラック指向MB近似を上回る性能を示すか？
• RQ4 GOSPA誤差および計算時間の観点から、提案されたPM-Bフィルタは、完全なPMBMフィルタおよび他の最先端のフィルタ（例：MBM、LMB）と比較して、どのように性能を発揮するか？
• RQ5 生成モデルの選択（ポアソン vs. MB）が、PM-Bベースの拡張対象フィルタの性能と効率に与える影響は何か？

主な発見

• PMBMフィルタは、すべてのシナリオにおいて最良の全体的な推定性能を達成し、性能ベンチマークとして機能する。
• 変分近似に基づくV-PMB-LPフィルタは、PMBMフィルタに最も近い推定性能を達成し、特に高共析状況ではTO-PMB-Mフィルタを著しく上回る。
• より多くのベルヌーイ成分を生成するTO-PMB-Cバージョンは、TO-PMB-Mと比較してわずかに高い精度を示すが、成分数の増加に伴い計算コストが高くなる。
• すべてのPM-Bフィルタにおいて、ポアソン生成モデルを用いたものは、多ベルヌーイ（MB）生成モデルを用いたものよりも推定精度および計算効率の両面で優れている。
• V-PMB-LPフィルタは、測定値から対象へのアソシエーションの不確実性が最も低く、少ないベルヌーイ成分を維持することで、アソシエーションの曖昧さを低減している。
• V-PMB-LPフィルタの平均サイクル時間は、PMBMフィルタに比べて顕著に短く、性能損失を最小限に抑えつつ、顕著な計算的利点を示している。