[논문 리뷰] Analytic MMSE Bounds in Linear Dynamic Systems with Gaussian Mixture Noise Statistics

Leila Pishdad, Fabrice Labeau|arXiv (Cornell University)|2015. 06. 25.

Target Tracking and Data Fusion in Sensor Networks참고 문헌 32인용 수 5

한 줄 요약

이 논문은 가우시안 믹스처(Gaussian Mixture, GM) 노이즈를 가진 선형 동적 시스템에서 최소 평균 제곱 오차(MMSE)에 대한 해석적으로 다룰 수 있는 하한 및 상한을 제안한다. 가우시안 합 필터(Gaussian Sum Filter, GSF) 프레임워크를 활용하여, GM 노이즈의 형태에 적응하는 두 가지 구현 가능한 필터 기반 상한을 도출하였으며, 매우 다중모달적인 경우에 진짜 MMSE로 수렴함으로써 수치적 근사 없이 저복잡도 성능 평가가 가능하다.

ABSTRACT

Using state-space representation, mobile object positioning problems can be described as dynamic systems, with the state representing the unknown location and the observations being the information gathered from the location sensors. For linear dynamic systems with Gaussian noise, the Kalman filter provides the Minimum Mean-Square Error (MMSE) state estimation by tracking the posterior. Hence, by approximating non-Gaussian noise distributions with Gaussian Mixtures (GM), a bank of Kalman filters or Gaussian Sum Filter (GSF), can provide the MMSE state estimation. However, the MMSE itself is not analytically tractable. Moreover, the general analytic bounds proposed in the literature are not tractable for GM noise statistics. Hence, in this work, we evaluate the MMSE of linear dynamic systems with GM noise statistics and propose its analytic lower and upper bounds. We provide two analytic upper bounds which are the Mean-Square Errors (MSE) of implementable filters, and we show that based on the shape of the GM noise distributions, the tighter upper bound can be selected. We also show that for highly multimodal GM noise distributions, the bounds and the MMSE converge. Simulation results support the validity of the proposed bounds and their behavior in limits.

연구 동기 및 목표

• 비정규 분포(가우시안 믹스처) 노이즈 통계를 갖는 선형 동적 시스템에서 해석 가능한 MMSE 하한 및 상한의 부족을 해결하기 위해.
• 수치적 근사에 의존하지 않고 계산 효율적이고 닫힌 형태의 MMSE 추정기 하한 및 상한을 제공하기 위해.
• 복잡한 노이즈 조건 하에서 이동 물체 위치 추적의 성능 평가 및 필터 선택을 가능하게 하기 위해.
• 이전의 정적 시스템 하한을 실시간 추적에 적합한 동적 시스템으로 확장하기 위해.
• 각각의 평균 제곱 오차(MSE)가 진짜 MMSE보다 날카롭고 형태에 따라 달라지는 상한이 되는 두 가지 구현 가능한 필터를 제공하기 위해.

제안 방법

• 상태공간 표현을 사용하여 상태 및 측정 방정식을 포함하는 선형 동적 시스템을 수립한다.
• 비정규 행동을 캡처하기 위해 공정 및 측정 노이즈를 가우시안 믹스처(GM) 분포로 모델링한다.
• 가우시안 합 필터(GSF)를 MMSE 추정기로 적용하여, 후행 분포를 추적하기 위해 칼만 필터의 집합을 사용한다.
• 후행 모멘트와 조건부 기대값을 사용하여 MMSE에 대한 해석적 하한을 도출한다.
• 가우시안 믹스처 노이즈의 형태에 따라 선택된 두 가지 구현 가능한 필터를 제안하며, 각각의 평균 제곱 오차(MSE)가 진짜 MMSE보다 상한이 되도록 한다.
• GM 성분에 대한 닫힌 형태의 표현을 활용하여 영역별 우도 및 조건부 기대값의 적분을 사용해 하한을 계산한다.

실험 결과

연구 질문

• RQ1 가우시안 믹스처 노이즈를 가진 선형 동적 시스템에서 해석적 하한 및 상한을 도출할 수 있는가?
• RQ2 상한은 어떻게 구현 가능하게 하고, 가우시안 믹스처 노이즈의 형태에 따라 의존하게 할 수 있는가?
• RQ3 제안된 상한이 진짜 MMSE로 수렴하는 조건은 무엇인가?
• RQ4 수치적 적분이나 복잡한 근사 없이 하한을 계산할 수 있는가?
• RQ5 매우 다중모달적인 가우시안 믹스처 노이즈 분포의 극한에서 하한은 어떻게 행동하는가?

주요 결과

• 제안된 MMSE에 대한 해석적 하한은 GM 프레임워크 내에서 후행 모멘트 분해와 조건부 기대값을 사용하여 도출되었다.
• 두 가지 구현 가능한 필터가 도입되었으며, 각각의 평균 제곱 오차(MSE)가 진짜 MMSE보다 상한이 되며, GM 노이즈의 형태에 따라 더 날카로운 상한을 선택한다.
• 매우 다중모달적인 GM 노이즈 분포의 경우, 상한은 진짜 MMSE로 수렴하여 극한의 경우에 매우 날카로운 수렴성을 보인다.
• 하한은 해석적으로 다룰 수 있으며 복잡한 수치 적분을 피함으로써 실시간 성능 평가가 가능하다.
• 시뮬레이션 결과는 하한의 타당성과 극한 경우에서의 수렴 행동을 확인한다.
• 이 프레임워크는 이전의 정적 시스템 하한을 동적 시스템으로 확장하여 이동 물체 추적 및 위치 기반 시스템에의 적용을 가능하게 한다.