[논문 리뷰] Partitioned Update Kalman Filter

Matti Raitoharju, Robert Piché외 2명|arXiv (Cornell University)|2015. 03. 10.

Target Tracking and Data Fusion in Sensor Networks참고 문헌 20인용 수 10

한 줄 요약

분할 업데이트 컨버전 필터(PUKF)는 비선형 측정 시스템에서 상태 추정 정확도를 향상시키기 위해 측정치를 비선형성 증가 순서로 나누어 순차적으로 상태를 업데이트한다. 비선형성 평가에 수치적 2차 근사(2차 CDF)를 사용하며, 측정치에 선형 변환을 적용해 일부 영역의 비선형성을 최소화함으로써 분석적 도함수 없이 더 정확한 단계적 업데이트를 가능하게 한다.

ABSTRACT

In this paper we present a new Kalman filter extension for state update called Partitioned Update Kalman Filter (PUKF). PUKF updates the state using multidimensional measurements in parts. PUKF evaluates the nonlinearity of the measurement function within a Gaussian prior by comparing the effect of the 2nd order term on the Gaussian measurement noise. A linear transformation is applied to measurements to minimize the nonlinearity of a part of the measurement. The measurement update is then applied using only the part of the measurement that has low nonlinearity and the process is then repeated for the updated state using the remaining part of the transformed measurement until the whole measurement has been used. PUKF does the linearizations numerically and no analytical differentiation is required. Results show that when the measurement geometry allows effective partitioning, the proposed algorithm improves estimation accuracy and produces accurate covariance estimates.

연구 동기 및 목표

• 선형화 오차로 인해 추정 정확도가 떨어지는 고도로 비선형적인 측정 모델에서 표준 칼만 필터 확장의 한계를 해결한다.
• 비선형성 평가 기반으로 업데이트 과정을 분할하여 多차원 측정치의 비선형성 영향을 줄인다.
• 분석적 야코비안 및 헤시안 계산을 피하면서도 추정 및 공분산 정확도를 향상시키는 도함수 없는 방법을 개발한다.
• 가장 선형적인 성분을 먼저 업데이트하기 위해 측정치의 자동 적응적 분할을 가능하게 하여 후행 추정을 향상시킨다.
• IEKF 및 RUF와 같은 반복적이고 다중 재선형화 필터의 계산 비용이 더 낮고 공분산 추정 정확도가 뛰어난 대안을 제공한다.

제안 방법

• 측정 함수의 2차 테일러 전개를 사용해 비선형성을 평가하며, 2차 항의 공분산을 측정 노이즈 공분산과 비교한다.
• 측정 벡터에 선형 변환을 적용해 성분을 분리하고 개별 측정 차원의 비선형성을 최소화한다.
• 비선형성 증가 순서로 측정치 업데이트를 수행: 가장 비선형성이 적은 부분부터 먼저 업데이트하고, 이후에 업데이트된 상태를 기반으로 다음 부분을 업데이트한다.
• 현재 측정치 파art만을 사용해 상태 업데이트를 수행하며, 분석적 도함수 없이 2차 중앙차분 필터(2nd order CDF)를 통한 수치 선형화를 적용한다.
• 각 단계 후 남은 측정치 파art에 대해 반복적으로 업데이트를 적용함으로써 일관된 후행 분포를 유지한다.
• 비선형성 평가 및 상태 업데이트에 필요한 통계를 계산하기 위해 2차 CDF를 수치 미분 엔진으로 사용한다.

실험 결과

연구 질문

• RQ1 비선형성 순서로 분할된 순차적 상태 업데이트가 단일 단계 칼만 필터 확장 대비 비선형 측정 모델에서 추정 정확도 향상에 기여하는가?
• RQ2 고도로 비선형적인 측정에서 EKF2, UKF, RUF와 비교해 제안된 방법이 추정 편향을 줄이고 공분산 정확도를 향상시키는가?
• RQ3 측정치가 매우 비선형인데도 선형 독립 성분을 포함할 경우, 분할 전략이 비선형성 영향을 어느 정도 감소시키는가?
• RQ4 PUKF의 성능은 UKF, RUF 등 기존 도함수 없는 필터 대비 평균 추정 오차와 칼리브크-라이블러 발산 측면에서 어떻게 비교되는가?
• RQ5 수동 분해가 필요 없이 메서드가 측정 벡터의 가장 선형적인 부분을 자동으로 식별하고 우선순위를 정할 수 있는가?

주요 결과

• PUKF는 두 번의 베어링 오직 추적 시나리오 모두에서 가장 낮은 중앙값 칼리브크-라이블러 발산을 기록하여 진정한 후행 분포를 더 잘 근사함을 나타낸다.
• 첫 번째 테스트에서 PUKF의 중앙값 KL 발산은 0.62로 UKF(5.20), EKF2(1.16), RUF(0.99)보다 유의미하게 낮아 우수한 추정 정확도를 입증한다.
• 근접한 센서를 가진 두 번째 테스트에서는 PUKF가 가장 낮은 KL 발산(2.14)을 유지했으며, EKF2(2.60), RUF(3.56), UKF(9.36)를 모두 능가했다.
• PUKF와 EKF2가 테스트된 모든 필터 중에서 가장 정확한 공분산 행렬을 추정했으며, PUKF는 RUF보다 더 우수한 일관성을 보였다. RUF는 너무 작아서 보수적인(과도하게 작은) 공분산을 생성했다.
• PUKF에서 비선형성 임계값을 사용했지만 10단계 트랙 테스트에서 성능에 유의미한 영향을 주지 않아, 해당 기하학적 조건에서 임계값 선택에 대한 민감도가 낮고 강건함을 보였다.
• PUKF는 UKF와 EKF2보다 추정 정확도에서 뛰어났으며, 일부 경우 UKF는 진짜 값에 더 가까운 평균을 보였고, EKF2는 일부 경우 더 큰 오차를 보였지만 PUKF보다 공분산 추정이 더 우수했다.