[논문 리뷰] Kalman filtering for linear wave equations with model error

Wonjung Lee, Damon McDougall외 1명|arXiv (Cornell University)|2011. 01. 26.

Target Tracking and Data Fusion in Sensor Networks인용 수 1

한 줄 요약

이 논문은 선형 파동 방정식에 대한 칼만 필터링에서 모델 오차의 영향을 조사하며, 조그만 모델 오차라도 대량의 데이터에서 신호 복원이 일관되지 않을 수 있음을 보여준다. 시간에 따라 변화하는 속도 오차는 정확한 필터링을 가능하게 하지만 스무딩은 불가능하며, 오차가 존재하는 상황에서 일관성을 회복하기 위해 유연한 모델 접근법을 제안한다.

ABSTRACT

Filtering is a widely used methodology for the incorporation of observed data into time-evolving systems. It provides an online approach to state estimation inverse problems when data is acquired sequentially. The Kalman filter plays a central role in many applications because it is exact for linear systems subject to Gaussian noise, and because it forms the basis for many approximate filters which are used in high dimensional systems. The aim of this paper is to study the effect of model error on the Kalman filter, in the context of linear wave propagation problems. A consistency result is proved when no model error is present, showing recovery of the true signal in the large data limit. This result, however, is not robust: it is also proved that arbitrarily small model error can lead to inconsistent recovery of the signal in the large data limit. If the model error is in the form of a constant shift to the velocity, the filtering and smoothing distributions only recover a partial Fourier expansion, a phenomenon related to aliasing. On the other hand, for a class of wave velocity model errors which are time-dependent, it is possible to recover the filtering distribution exactly, but not the smoothing distribution. Numerical results are presented which corroborate the theory, and also to propose a computational approach which overcomes the inconsistency in the presence of model error, by relaxing the model.

연구 동기 및 목표

• 선형 파동 전파 문제에서 모델 오차가 칼만 필터링의 일관성에 미치는 영향을 분석하는 것.
• 대량의 데이터가 존재함에도 불구하고 진정한 신호를 복원하지 못하는 필터링 및 스무딩 분포의 조건을 규명하는 것.
• 시간에 따라 변화하는 모델 오차가 존재하더라도 정확한 필터링이 가능한지 여부를 탐색하는 것.
• 모델 오차가 존재하는 상황에서 일관성을 복원하기 위한 계산 전략을 개발하는 것.

제안 방법

• 선형 파동 방정식에 대한 칼만 필터링을 분석하기 위해 이론적 프레임워크를 사용하며, 추가적인 모델 오차를 고려한다.
• 대량의 데이터에서의 신호 복원 성능을 평가하기 위해 일관성 분석을 적용한다.
• 일정한 속도 이격과 시간에 따라 변화하는 속도 오차가 필터링 및 스무딩 분포에 미치는 영향을 분석한다.
• 특히 시간에 따라 변화하는 오차가 존재하더라도 필터링이 정확하게 유지될 수 있는 조건을 유도한다.
• 모델 오차의 영향을 상쇄하기 위해 시스템 동역학을 조정하는 유연한 모델 접근법을 제안한다.
• 파동 전파 시나리오에 대한 수치 실험을 통해 이론적 결과를 검증한다.

실험 결과

연구 질문

• RQ1 모델 오차가 선형 파동 방정식에 대한 칼만 필터링에서 일관되지 않은 신호 복원을 유도하는 조건은 무엇인가?
• RQ2 일정한 오차와 시간에 따라 변화하는 오차가 필터링 및 스무딩 분포에 어떤 영향을 미치는가?
• RQ3 모델 오차가 존재하더라도 정확한 필터링을 달성할 수 있는가, 그리고 그 조건은 무엇인가?
• RQ4 모델 오차가 존재하는 상황에서 필터링의 일관성을 복원할 수 있는가, 그리고 어떻게 계산적으로 이를 달성할 수 있는가?
• RQ5 어떤 역할을 하는 가역성(ali either)은 모델 오차 하에서의 신호 복원 실패에 기여하는가?

주요 결과

• 임의로 작은 모델 오차라도 진정한 시스템이 선형이고 가우시안일지라도 대량의 데이터에서 일관되지 않은 신호 복원을 초래할 수 있다.
• 일정한 속도 오차는 필터링 및 스무딩 분포가 부분적인 푸리에 전개만 복원하게 하며, 이는 가역성과 관련이 있다.
• 시간에 따라 변화하는 모델 오차의 경우, 필터링 분포는 정확하게 복원될 수 있지만 스무딩 분포는 그렇지 않다.
• 제안된 유연한 모델 접근법은 수치 결과에 의해 확인되듯이, 모델 오차가 존재하는 상황에서 필터링의 일관성을 성공적으로 복원한다.
• 수치 실험은 이론적 결과를 검증하며, 오차가 존재하는 상황에서 일관성 상실을 완화하는 데에 효과적인 이론적 전략의 유효성을 입증한다.