[논문 리뷰] The Pointillist Family of Multitarget Tracking Filters

Roy L. Streit, Christoph Degen외 1명|arXiv (Cornell University)|2015. 05. 29.

Target Tracking and Data Fusion in Sensor Networks참고 문헌 29인용 수 11

한 줄 요약

이 논문은 유한 점 과정의 확률 생성 기능수(functionals, PGFLs)를 사용하여 고전적 필터들인 MHT, JPDA, PHD 등을 통합하는 '포인틸리스트 가족'이라는 다중목표 추적 필터를 소개한다. PGFLs가 다중목표 추적의 조합적 확률 구조를 엄밀한 해석적 조합론 기반으로 기반으로 삼아, 기능도함수를 통해 사후 분포의 정확한 및 근사적 계산을 가능하게 하고, 새로운 연결 고리—예를 들어 초합성(superposition) 하에서 다중 베르누이 필터와 JIPDA 필터의 등가성—를 드러낸다.

ABSTRACT

The family of pointillist multitarget tracking filters is defined to be the class of filters that is characterized by a joint target-measurement finite point process. The probability generating functional (PGFL) of the joint process is derived directly from the probabilistic structure of the tracking problem. PGFLs exemplify the analytic combinatoric method applied to the measurement to target assignment problems that are fundamental to the tracking problem. It is shown that multi-hypothesis tracking (MHT), joint probabilistic data association (JPDA), and many other now-classic tracking filters can be derived via PGFLs, and thus are members of the family of pointillist filters. When one or more of the target processes are dimensionally compatible, targets can be superposed. It is shown that the classic MHT filter for superposed targets is closely related to the multi-Bernoulli filter. A technique is presented for deriving the functional derivatives by ordinary differentiation, and both exact and approximate methods for evaluating the ordinary derivatives are discussed.

연구 동기 및 목표

• 유한 점 과정을 기반으로 한 단일 수학적 프레임워크에 고전적 다중목표 추적 필터의 광범위한 클래스를 통합하기 위해.
• 확률 생성 기능수(PGFLs)가 다중목표 추적 문제의 조합적 확률 구조를 정확하고 간결하게 모델링할 수 있음을 보여주기 위해.
• 초합성 하에서 잘 알려진 필터들 간의 이전에 알려지지 않은 관계, 예를 들어 다중 베르누이 필터와 JIPDA 필터의 등가성을 드러내기 위해.
• 일반 미분과 점근적 근사 기법을 사용하여 PGFL의 기능도함수를 계산하는 실용적인 방법을 개발하기 위해.
• 목표물과 측정치의 점 과정 모델을 조합하여 응용 분야에 맞는 맞춤형 추적 필터 설계를 가능하게 하기 위해.

제안 방법

• 다중목표 추적 문제의 모델링 가정에서 직접 PGFL를 유도하며, 핵심 모델로 연합 목표-측정 유한 점 과정을 사용한다.
• PGFL에 해석적 조합론을 적용하여 다중목표 추적의 기본 할당 문제, 예를 들어 측정치-목표 할당 문제를 해결한다.
• 기능도함수를 다변수 코시 스타일의 경로 적분을 통해 일반 도함수로 감소시키기 위해 고전적 함수 방법을 사용한다.
• 안정점 방법(정상위상 방법)을 사용하여 경로 적분을 근사하고 PGFL 도함수의 점근적 분석을 수행한다.
• 기능도함수와 베이즈의 정리를 사용하여 주요 필터 구성 요소—사후 PGFL, 강도, 카디널리티 분포—를 유도한다.
• 일부 목표는 초합성하고 다른 목표는 개별 상태를 유지하는 방식으로 선택적으로 초합성을 적용하는 하이브리드 포인틸리스트 필터 클래스를 도입한다.

실험 결과

연구 질문

• RQ1 MHT, JPDA, PHD와 같은 고전적 다중목표 추적 필터들이 어떻게 단일 수학적 프레임워크에 통합될 수 있는가?
• RQ2 확률 생성 기능수(PGFLs)가 다중목표 추적 문제의 조합적 구조를 기술하는 데 어떤 역할을 하는가?
• RQ3 PGFL의 기능도함수는 어떻게 사후 분포와 강도, 카디널리티와 같은 요약 통계량을 도출하는가?
• RQ4 PGFL과 해석적 조합론의 시각에서 볼 때 기존 필터들 사이에 새로운 관계가 어떻게 드러나는가?
• RQ5 초합성과 비초합성 목표를 조합하는 하이브리드 필터 아키텍처는 체계적으로 도출되고 특성화될 수 있는가?

주요 결과

• PGFL은 MHT, JPDA, PMHT, PHD 필터와 같은 잘 알려진 필터들을 직접 유도하고 상호 연결하는 통합적 해석적 프레임워크를 제공한다.
• 초합성 하에서 고전적 MHT 필터는 다중 베르누이 필터와 밀접하게 관련되어 있으며, 후자는 초합성 하에서 JIPDA 필터와 등가임을 입증한다.
• 고전적 함수 방법을 통해 기능도함수를 경로 적분을 통해 일반 도함수로 감소시켜 정확하고 근사적인 계산이 가능해진다.
• 사후 점 과정의 강도는 기능도함수의 비율로 유도되며, 목표 상태 추정의 핵심 요약 통계량이 된다.
• 목표 수의 사후 분포는 테스트 함수에 대한 PGFL의 기능도함수로부터 유도되며, 카디널리티의 확률 생성 함수를 제공한다.
• 선택적으로 동일한 상태공간을 가진 목표를 초합성하고 다른 목표는 개별 상태를 유지하는 하이브리드 포인틸리스트 필터의 새로운 클래스를 도입하여 보다 민첩한 모델링이 가능해졌다.