[논문 리뷰] Interacting particle filters for simultaneous state and parameter estimation

David Angwenyi, Jana de Wiljes외 1명|arXiv (Cornell University)|2017. 09. 26.

Target Tracking and Data Fusion in Sensor Networks참고 문헌 6인용 수 3

한 줄 요약

이 논문은 고차원 확률적 동역계에서 연속적인 상태 추정을 위한 엔semble 칼만-부시 필터(EnKBF)와 간헐적인 매개변수 갱신을 위한 확장된 엔셈블 변환 입자 필터(ETPF)를 조합한 하이브리드 상호작용 입자 필터를 제안한다. 이 방법은 상태 조건부 분포의 거의 정규성과 매개변수의 비정규성을 활용하여, 병렬 필터링과 적응형 리샘플링을 통해 최소한의 계산 오버헤드로 비정규 파라미터인 불확실한 파동 속도를 정확하게 복원함으로써 공동 상태-매개변수 추정을 효율적으로 처리한다.

ABSTRACT

Simultaneous state and parameter estimation arises from various applicational areas but presents a major computational challenge. Most available Markov chain or sequential Monte Carlo techniques are applicable to relatively low dimensional problems only. Alternative methods, such as the ensemble Kalman filter or other ensemble transform filters have, on the other hand, been successfully applied to high dimensional state estimation problems. In this paper, we propose an extension of these techniques to high dimensional state space models which depend on a few unknown parameters. More specifically, we combine the ensemble Kalman-Bucy filter for the continuous-time filtering problem with a generalized ensemble transform particle filter for intermittent parameter updates. We demonstrate the performance of this two stage update filter for a wave equation with unknown wave velocity parameter.

연구 동기 및 목표

• 고차원 비선형 확률적 동역계에서 동시 상태 및 매개변수 추정의 계산적 과제를 해결하기 위해.
• 표준 입자 필터와 엔셈블 칼만 필터가 비정규 매개변수 분포를 다루는 데에 한계가 있음에도 불구하고 고차원 상태 공간에서의 효율성을 유지하기 위해.
• 상태와 매개변수 갱신을 별도의 입자 필터 전략을 사용하여 분리함으로써 스케일업 가능하고 병렬 처리가 가능한 필터링 프레임워크를 개발하기 위해.
• 상태 분포는 약간 정규적이지만 매개변수 사후분포는 비정규적인 시스템에서 미지의 매개변수를 정확하게 추정할 수 있도록 하기 위해.

제안 방법

• 이 방법은 두 단계 필터링 전략을 사용한다: 고정된 매개변수 값 조건 하에서 연속적인 상태 갱신을 위한 엔셈블 칼만-부시 필터(EnKBF)와 이산적, 간헐적인 매개변수 갱신을 위한 확장된 엔셈블 변환 입자 필터(ETPF).
• EnKBF는 고정된 매개변수 값에 조건부로 각 엔셈블 멤버에 적용되어 피드백 입자 흐름 역학을 사용하여 효율적이고 병렬화된 상태 추정을 가능하게 한다.
• 효율 샘플 크기가 임계값 이하로 떨어질 때 ETPF를 사용하여 매개변수 엔셈블을 갱신함으로써 비정규 매개변수 사후분포의 다양성과 정확성을 보장한다.
• 상태 엔셈블 간의 상관관계를 유지하기 위해 상태 엔셈블을 서로 다른 매개변수 실현값 간에 정렬하기 위해 워샤르슈타인 바리센터 문제를 사용한다.
• 상태와 매개변수 역학을 분리하여 전체 고차원 공간에서의 공동 필터링을 피하기 위해 하이브리드 안사즈를 사용하여 공동 조건부 밀도를 근사한다.
• 스케일링과 엔셈블 확산 기법을 지원하여 공간적으로 확장된 시스템에서의 성능을 향상시킨다.

실험 결과

연구 질문

• RQ1 EnKBF와 ETPF를 조합한 하이브리드 입자 필터가 비정규 매개변수 분포를 가진 고차원 확률적 PDE에서 적절한 공동 상태-매개변수 추정을 달성할 수 있는가?
• RQ2 매개변수 분포가 비정규일 경우, 제안된 방법의 성능이 직접 EnKBF 접근법보다 어떻게 다른가?
• RQ3 워샤르슈타인 바리센터를 사용할 경우 서로 다른 매개변수 실현값 간 상태 엔셈블 간의 상관관계가 얼마나 향상되는가?
• RQ4 비선형 고차원 시스템, 예를 들어 확률적 파동 방정식에서 장기간 시뮬레이션에서도 이 방법이 정확성과 안정성을 유지할 수 있는가?
• RQ5 ETPF 기반 매개변수 갱신의 계산 비용은 표준 리샘플링 대비 얼마나 높은가? 그리고 싱크호른 알고리즘과 같은 효율적 해법을 통해 이를 줄일 수 있는가?

주요 결과

• 제안된 하이브리드 필터는 짧은 융합 창 내에서 확률적 파동 방정식의 진짜 파동 속도 매개변수를 정확하게 추정하며, 올바른 값으로 수렴한다.
• 매개변수 사후분포가 비정규일 경우, 상태 및 매개변수 모두에 대해 직접 EnKBF 접근법보다 성능이 뛰어나며, ETPF가 더 정확하게 진짜 매개변수 분포를 포착한다.
• 상태 엔셈블 정렬을 위한 워샤르슈타인 바리센터의 사용은 빈번한 재조직화 없이도 상태 및 매개변수 엔셈블 간의 충분한 상관관계를 유지하였다.
• 100개의 공간 이산화점과 함께 400개의 시간 단계 동안 안정적이고 강건한 성능을 보이며 정확한 상태 및 매개변수 추적을 달성하였다.
• ETPF 기반 매개변수 갱신의 계산 비용은 표준 리샘플링보다 높지만, 효율적인 구현(예: 싱크호른 알고리즘)을 통해 여전히 실행 가능하다.
• 상태와 매개변수 갱신을 분리함으로써 확장 가능하고 병렬 처리가 가능한 필터링을 가능하게 하여, 적은 수의 미지 매개변수를 가진 고차원 시스템에 적합하다.