[논문 리뷰] Optimally (Distributional-)Robust Kalman Filtering

Peter Ruckdeschel|arXiv (Cornell University)|2010. 04. 20.

Target Tracking and Data Fusion in Sensor Networks참고 문헌 33인용 수 3

한 줄 요약

이 논문은 분포 불확실성 하에서 최적의 강건한 칼만 필터링을 제시하며, 시스템 내재적 및 관측 외재적 이상치에 대해 모두 최소화된 평균 제곱 오차(MSE) 문제를 수립한다. 추적 성능과 이상치 감쇠 사이의 균형을 이루는 닫힌 형태의 안장점 해답을 도출하며, 이상치에 대한 계산이 단순한 rLS 필터가 이상치의 조건부 평균이 잔차에 선형일 경우 도출된다. 이는 이러한 선형 조건에 대한 놀라운 특성화를 제공한다.

ABSTRACT

We present optimality results for robust Kalman filtering where robustness is understood in a distributional sense, i.e.; we enlarge the distribution assumptions made in the ideal model by suitable neighborhoods. This allows for outliers which in our context may be system-endogenous or -exogenous, which induces the somewhat conflicting goals of tracking and attenuation. The corresponding minimax MSE-problems are solved for both types of outliers separately, resulting in closed-form saddle-points which consist of an optimally-robust procedure and a corresponding least favorable outlier situation. The results are valid in a surprisingly general setup of state space models, which is not limited to a Euclidean or time-discrete framework. The solution however involves computation of conditional means in the ideal model, which may pose computational problems. In the particular situation that the ideal conditional mean is linear in the observation innovation, we come up with a straight-forward Huberization, the rLS filter, which is very easy to compute. For this linearity we obtain an again surprising characterization.

연구 동기 및 목표

• 분포 불확실성 하에서 시스템 내재적 및 관측 외재적 이상치를 모두 고려한 최소화된 강건한 칼만 필터링 프레임워크를 개발하기 위해.
• 일반적인 상태공간 모델 설정에서, 유클리드 및 시간 이산 프레임워크를 초월하여 해당 최소화된 평균 제곱 오차(MSE) 문제를 해결하기 위해.
• 최적의 강건한 필터가 히버 유형 추정기로 단순화되는 조건을 규명하여 효율적인 계산을 가능하게 하기 위해.
• 이상치의 조건부 평균이 관측 잔차에 선형일 때 rLS 필터가 최적이 되는 조건을 특성화하여, 이러한 성질을 검증하는 데 새로운 테스트를 제공하기 위해.

제안 방법

• 이deal 가우시안 상태공간 모델 주변에 분포 이웃을 정의하여 이상치에 의한 오염을 모델링한다.
• 안장점 분석을 통해 최소화된 평균 제곱 오차(MSE) 문제를 해결하여 강건한 필터와 해당 최악의 조건 분포를 도출한다.
• 이deal 조건부 평균이 잔차에 선형일 경우, rLS 필터를 칼만 필터의 직접적인 히버화로 도입한다.
• rLS 필터가 최적성을 확보하는 조건을 유도하며, 잔차 공간에서의 선형성에 대한 놀라운 특성화를 사용한다.
• 선형화를 통해 연속시간 및 비선형 설정을 포함한 일반 상태공간 모델에 이론을 적용한다.
• 표준 선형 가우시안 모델을 초월하여, 정규 조건부 밀도와 알려진 측도를 사용하여 일반화한다.

실험 결과

연구 질문

• RQ1 분포 오염가 존재하는 상황에서 최소화된 강건한 칼만 필터는 어떤 조건에서 추적 정확도와 이상치 저항력 사이의 최적의 트레이드오프를 달성하는가?
• RQ2 최적의 강건한 필터는 언제 단순한 히버 유형 추정기(rLS 필터)로 줄어들며, 이러한 단순화를 가능하게 하는 구조적 조건은 무엇인가?
• RQ3 이deal 조건부 평균이 관측 잔차에 선형임을 어떻게 테스트할 수 있으며, 이러한 테스트의 통계적 기반은 무엇인가?
• RQ4 강건한 필터링 맥락에서 SO-이웃과 eSO-이웃 간의 관계는 무엇이며, 이는 최종 필터의 강건성에 어떻게 영향을 미치는가?
• RQ5 제안된 프레임워크는 비유클리드, 연속시간, 비선형 상태공간 모델로 어떻게 일반화되는가?

주요 결과

• 최적의 강건한 칼만 필터는 분포 불확실성 하에서 최소화된 평균 제곱 오차(MSE) 문제의 안장점 해답으로 도출되며, 추적 성능과 이상치 감쇠 사이의 균형을 이룬다.
• 시스템 내재적 및 관측 외재적 이상치 모두에 대해 최소화된 해답은 이상 모델 하의 조건부 평균을 포함하는 닫힌 형태의 표현식을 제공한다.
• 이deal 조건부 평균이 잔차에 선형일 경우, 최적의 필터는 rLS 필터로 단순화되며, 이는 계산이 간편한 히버화된 형태이다.
• 잔차 공간에서의 선형성에 대한 놀라운 특성화가 도출되었으며, 이는 이러한 조건을 검증하는 데 새로운 최적의 테스트를 가능하게 한다.
• rLS 필터는 해당되는 eSO-이웃에서 최소화된 평균 제곱 오차(MSE) 경계를 달성하여, 선형성 조건 하에서의 최적성을 입증한다.
• 적절한 선형화와 밀도 기반의 공식화를 통해 이 프레임워크는 연속시간, 비선형, 비유클리드 상태공간 모델로 일반화된다.