[논문 리뷰] Distributed SMC-PHD Fusion for Partial, Arithmetic Average Consensus

Tiancheng Li|arXiv (Cornell University)|2017. 12. 17.

Target Tracking and Data Fusion in Sensor Networks참고 문헌 39인용 수 6

한 줄 요약

이 논문은 계산 효율적인 입자에서 가우시안 혼합 모델(P2GM)로의 변환과 중요도 샘플링(IS)을 통한 가중치 재가중치 조정을 통해 부분 산술 평균 공감을 이용한 분산 SMC-PHD 융합 방법을 제안한다. 입자 상태를 유지하고 병렬 우선사전/우도 계산을 가능하게 함으로써, 입자 확산 또는 전체 GM 재생 방식에 비해 통신 비용을 줄이고 융합 정확도를 햖을 수 있다.

ABSTRACT

We propose an average consensus approach for distributed SMC-PHD (sequential Monte Carlo-probability hypothesis density) fusion, in which local filters extract Gaussian mixtures (GMs) from their respective particle posteriors, share them (iteratively) with their neighbors and finally use the disseminated GM to update the particle weight. There are two distinguishable features of our approach compared to exiting approaches. First, a computationally efficient particles-to-GM (P2GM) conversion scheme is developed based on the unique structure of the SMC-PHD updater in which the particle weight can be exactly decomposed with regard to the measurements and misdetection. Only significant components of higher weight are utilized for parameterization. The consensus, conditioned on information dissemination over the network, is called partial consensus. Second, importance sampling (IS) is employed to re-weight the local particles for integrating the received GM information, while the states of the particles remain unchanged. By this, the local prior PHD and likelihood calculation can be carried out in parallel to the dissemination \& fusion procedure. To assess the effectiveness of the proposed P2GM parameterization approach and IS approach, two relevant yet new distributed SMC-PHD fusion protocols are introduced for comparison. One uses the same P2GM conversion and GM dissemination schemes as our approach but local particles are regenerated from the disseminated GMs at each filtering iteration - in place of the IS approach. This performs similar to our IS approach (as expected) but prevents any parallelization as addressed above. The other is disseminating the particles between neighbors - in place of the P2GM conversion. This avoids parameterization but is communicatively costly. The state-of-the-art exponential mixture density approach is also realized for comparison.

연구 동기 및 목표

• 입자 확산 또는 전체 GM 재생 방식을 사용할 경우 발생하는 높은 통신 비용과 계산 비효율성 문제를 해결하기 위해.
• SMC-PHD 필터링에서 입자 가중치의 구조적 분해를 활용한 계산 효율적인 P2GM 변환 기법을 개발하기 위해.
• 입자 재생 없이 중요도 샘플링을 통해 가중치 재가중치 조정을 수행함으로써 국부적 필터링과 융합을 병렬 실행할 수 있도록 하기 위해.
• 오직 중요한 GM 성분들만 공유하는 부분 공감을 통해 통신 오버헤드를 줄이면서도 추정 정확도를 유지하기 위해.
• 최신 기술인 지수 혼합 밀도 및 입자 확산 방식과의 비교를 통해 제안된 방법의 성능을 평가하기 위해.

제안 방법

• 입자 가중치를 측정 및 탐지 실패 성분으로 정확하게 분해함에 기반한 P2GM 변환 기법을 설계하여, 높은 가중치를 가진 중요한 가우시안 성분들만 유지한다.
• 네트워크 내 인접 노드 간에 반복적으로 중요한 가우시안 혼합 성분들만 공유함으로써 부분 공감을 달성한다.
• 수신된 GM을 사용하여 중요도 샘플링을 적용해 국부적 입자 가중치를 재가중치 조정하지만, 입자 상태는 그대로 유지하여 계산 효율성을 보존한다.
• 확산 및 융합 과정과 병행하여 국부적 우선사전 PHD 및 우도 계산을 수행함으로써 실시간 운영이 가능해진다.
• 전체 입자 재생이나 직접적인 입자 교환을 피함으로써 통신 부담을 줄이고 융합 정확도를 유지한다.
• 두 가지 비교 프로토콜을 구현하였다: 하나는 각 반복마다 GM 재생을 사용하는 방식(병렬 처리 없음), 다른 하나는 직접적인 입자 교환을 사용하는 방식(높은 통신 비용)

실험 결과

연구 질문

• RQ1 분산 SMC-PHD 융합에서 추정 정확도를 유지하면서도 입자 사후분포를 효율적으로 매개변수화할 수 있도록 P2GM 변환을 어떻게 설계할 수 있는가?
• RQ2 입자 재생에 비해 중요도 샘플링을 통한 입자 재가중치 조정이 계산 효율성과 병렬 처리 능력에 미치는 영향은 무엇인가?
• RQ3 중요한 GM 성분들에 기반한 부분 공감은 전체 공감과 비교할 때 통신 비용과 추정 성능 측면에서 어떻게 다를까?
• RQ4 입자를 직접 교환하는 것과 GM을 교환하는 것 사이의 통신 비용과 추정 정확도 간의 상충 관계는 어떠한가?
• RQ5 제안된 IS 기반 융합 방법은 분산 SMC-PHD 융합에서 최신 기술인 지수 혼합 밀도 접근법과 비교해 어떻게 성능을 냈는가?

주요 결과

• 제안된 P2GM 변환 기법은 측정 및 탐지 실패 성분으로 입자 가중치를 정확하게 분해함으로써 계산 부담을 크게 감소시켰다.
• 중요도 샘플링을 통해 국부적 필터링과 융합이 병렬로 수행될 수 있어 입자 재생이 필요 없어졌고, 실시간 성능이 향상되었다.
• 부분 공감 방식은 중요한 가우시안 성분들만 공유함으로써 통신 비용을 줄였으며, 추정 정확도에 영향을 주지 않았다.
• 재생 방식에 비해 중요도 샘플링 기반 융합은 계산 효율성이 뛰어나며, 재생은 필터링과 융합의 병렬 처리를 방해하므로 성능이 열 劣하다.
• 직접적인 입자 확산은 GM 확산보다 더 높은 통신 비용을 유발하여 대규모 네트워크에서는 확장성이 떨어진다.
• 제안된 방법은 통신 및 계산 오버헤드를 낮추면서도 최신 기술인 지수 혼합 밀도 접근법과 유사한 추정 정확도를 달성하였다.