[논문 리뷰] A New Kalman Filter Model for Nonlinear Systems Based on Ellipsoidal Bounding

Ligang Sun, Hamza Alkhatib외 3명|arXiv (Cornell University)|2018. 02. 08.

Target Tracking and Data Fusion in Sensor Networks참고 문헌 22인용 수 3

한 줄 요약

이 논문은 비선형 시스템에 대해 무작위 오차와 알려지지 않은 그러나 유계된(UbB) 불확실성을 동시에 다루는 새로운 집합-소속 칼만 필터(SKF)를 제안한다. 타원체 근사법을 사용하여, 각 단계에서 상태 추정 타원체의 형태 행렬의 트레이스를 최소화하는 최적화 문제를 해결함으로써, 특히 높은 각도 불확실성 하에서, 확장 칼만 필터(EKF)보다 더 신뢰성 있고 강건한 상태 추정을 제공한다. 이는 궤적 추정 벤치마크를 통해 입증되었다.

ABSTRACT

In this paper, a new filter model called set-membership Kalman filter for nonlinear state estimation problems was designed, where both random and unknown but bounded uncertainties were considered simultaneously in the discrete-time system. The main loop of this algorithm includes one prediction step and one correction step with measurement information, and the key part in each loop is to solve an optimization problem. The solution of the optimization problem produces the optimal estimation for the state, which is bounded by ellipsoids. The new filter was applied on a highly nonlinear benchmark example and a two-dimensional simulated trajectory estimation problem, in which the new filter behaved better compared with extended Kalman filter results. Sensitivity of the algorithm was discussed in the end.

연구 동기 및 목표

• 무작위 노이즈와 알려지지 않은 그러나 유계된(UbB) 불확실성을 모두 고려하는 비선형 시스템을 위한 강건한 상태 추정 프레임워크를 개발하기 위해.
• 특히 모델의 비선형성과 노이즈 가정의 부정확성으로 인한 민감성 문제를 해결하고자, 확장 칼만 필터(EKF)의 한계를 개선하기 위해.
• 칼만 필터의 순환적 구조를 집합-소속 방법과 통합하여, 계산 효율성을 유지하면서도 불확실성 표현을 향상시키기 위해.
• 상태 추정치가 타원체 내에 유계되어 있음을 보장함으로써, 보수적이고 현실적인 불확실성 범위를 반영하는 더 신뢰할 수 있는 추정 프레임워크를 제공하기 위해.
• 특히 각도 오차가 거리 오차보다 지배적인 조건에서, 실제 불확실성 조건 하에서 제안된 필터의 성능을 평가하기 위해.

제안 방법

• 이 방법은 예측 및 보정의 두 단계로 구성된 순환적 프레임워크를 사용하며, 각 단계에서 비선형 최적화 문제를 해결한다.
• 각 단계에서 상태 추정치는 중심 벡터와 정부호 정의형 형태 행렬로 정의되는 타원체로 표현되며, 이는 형태 행렬의 트레이스를 최소화함으로써 유도된다.
• 예측 단계에서는 비선형 시스템 동역학을 통해 상태 타원체를 전파하며, 타원체로 유계된 과정 불확실성을 고려한다.
• 보정 단계에서는 측정 데이터를 통합하기 위해 최적화 문제를 해결함으로써, 갱신된 형태 행렬의 트레이스를 최소화하여 더 좁고 정확한 타원체 유계를 도출한다.
• 타원체 불확실성의 민코프스키 합은 볼록 최적화 문제를 풀어 근사함으로써 볼록성과 유계성을 유지한다.
• 타원체 부피와 형태 사이의 균형을 맞추기 위해, 알고리즘은 트레이스 최소화 기준을 사용하여 극단적인 평탄함이나 긴장함을 방지한다.

실험 결과

연구 질문

• RQ1 비선형 시스템에서 무작위 오차와 알려지지 않은 그러나 유계된(UbB) 불확실성을 동시에 다룰 수 있도록 칼만 필터를 어떻게 적응시킬 수 있는가?
• RQ2 비선형 시스템에서 상태 추정 성능에 대해 각도 불확실성과 거리 불확실성의 영향은 어떠한가?
• RQ3 집합-소속 칼만 필터는 유계된 불확실성 조건 하에서 확장 칼만 필터(EKF)보다 추정 신뢰성 측면에서 뛰어나게 작동할 수 있는가?
• RQ4 최적화 기준의 선택(예: 트레이스, 행렬식, 최대 고유값)은 추정된 상태 타원체의 형태와 크기에 어떤 영향을 미치는가?
• RQ5 필터 결과는 집합-소속 불확실성의 초기 유계에 얼마나 민감한가?

주요 결과

• 제안된 집합-소속 칼만 필터(SKF)는 유계된 불확실성을 포함하는 고도로 비선형적인 시스템에서 기존의 확장 칼만 필터(EKF)보다 더 강건하고 신뢰할 수 있는 상태 추정치를 제공한다.
• 2차원 궤적 추정 문제에서 SKF는 EKF를 크게 능가하였으며, 특히 각도 불확실성이 지배적인 경우에 뚜렷했다. 예를 들어, 1°의 각도 오차는 85m 거리에서 1.48m의 위치 불확실성으로 이어졌다.
• 필터 성능은 집합-소속 불확실성의 초기 유계에 매우 민감하다. 너무 큰 초기 유계는 정확한 측정 데이터가 있음에도 불구하고 비현실적으로 큰 출력 타원체를 초래했다.
• 최적화 문제에서의 트레이스 최소화 기준은 극단적인 평탄함을 피하는 잘 조절된 타원체를 생성하였으며, 이는 행렬식 최소화 기준에 비해 우수한 성능을 보였다.
• 초기 불확실성 유계를 감소시켰을 때(예: 0.01m 거리, 1° 각도), SKF는 현실적이며 좁은 타원체 추정치를 생성하였으며, 실용적 적용 가능성을 입증하였다.
• 알고리즘의 안정성과 수렴성은 향후 분석이 필요하다. 특히 상태 추정은 본질적으로 잘 정의되지 않은 역문제이기 때문이다.