[논문 리뷰] The Progressive Proposal Particle Filter: Better Approximations to the Optimal Importance Density

Pete Bunch, Simon Godsill|arXiv (Cornell University)|2014. 01. 13.

Target Tracking and Data Fusion in Sensor Networks참고 문헌 29인용 수 3

한 줄 요약

이 논문은 비선형성과 비정규성의 상태 추정 과제에서 표준 방법에 비해 입자 열악성과 필터 추적 실패를 줄이며, 순차적인 국소 가우시안 근사 방법을 통해 관측치를 점진적으로 통합함으로써 입자 필터에서 최적의 중요도 밀도를 근사하는 데 새로운 방법인 점진적 제안 입자 필터를 제안한다.

ABSTRACT

The crucial step in designing a particle filter for a particular application is the choice of importance density. The optimal scheme is to use the conditional posterior density of the state, but this cannot be sampled or calculated analytically in most case. In practice, approximations of this density are used, particularly Gaussian densities based on linearisation or the unscented transform. For many highly nonlinear or non-Gaussian models, these approximations can be poor, leading to degeneracy of the particle approximation or even the filter "losing track" completely. In this paper, we develop a new mechanism for approximating the optimal importance density, which we call the progressive proposal method. This works by introducing the observation progressively and performing a series of state updates, each using a local Gaussian approximation to the optimal importance density. A number of refinements and extensions to the basic algorithm are also introduced. Simulations are used to demonstrate an improvement in performance over simpler particle filters on a number of applications.

연구 동기 및 목표

• 비선형성과 비정규 모델에서 표준 입자 필터의 성능이 낮아지는 이유인 중요도 밀도 근사의 정확도 부족 문제를 해결하기 위해.
• 대부분의 실용적 경우에서 해석적으로 구할 수 없는 최적의 중요도 밀도에 대해 더 정확한 근사를 개발하기 위해.
• 복잡한 동적 시스템에서 입자 열악성과 필터 추적 실패를 줄이기 위해.
• 정교한 점진적 근사 전략을 통해 입자 필터링의 강건성과 정확도를 향상시키기 위해.

제안 방법

• 관측치를 상태 갱신 과정에 점진적으로 통합하여 최적의 중요도 밀도에 대한 국소 근사의 순차적 시퀀스를 허용한다.
• 각 단계에서 현재 부분 관측치를 바탕으로 중요도 밀도를 추정하기 위해 국소 가우시안 근사를 사용한다.
• 알고리즘은 각각 국소적으로 근사된 중요도 밀도를 사용하여 입자 집합을 개선하는 다중 상태 갱신을 수행한다.
• 전역 선형화나 유스케이드 변환을 피하기 위해 국소적이고 관측 증분 기반 갱신에 집중한다.
• 적응형 단계 크기와 수렴성 및 안정성 향상을 위한 제안 조정 개선이 포함되어 있다.
• 표준 확장 또는 유스케이드 칼만 기반 제안보다 진정한 사후 분포의 구조를 더 잘 포착하도록 설계되어 있다.

실험 결과

연구 질문

• RQ1 비선형성과 비정규 상태공간 모델에서 최적의 중요도 밀도를 어떻게 더 정확하게 근사할 수 있는가?
• RQ2 점진적인 관측 통합은 단일 단계 근사보다 더 나은 입자 필터 성능을 이끌 수 있는가?
• RQ3 각 단계에서 국소 가우시안 근사를 사용하면 전역 선형화 방법에 비해 입자 열악성이 감소하는가?
• RQ4 점진적 제안 방법은 도전적인 비선형 시스템에서 추적 정확도를 어느 정도 향상시키는가?

주요 결과

• 점진적 제안 입자 필터는 매우 비선형적이고 비정규적인 모델에서 표준 입자 필터보다 유의미하게 뛰어난 성능을 달성한다.
• 필터링 과정 전반에 걸쳐 사후 분포의 더 정확한 근사를 유지함으로써 입자 열악성을 감소시킨다.
• 표준 필터가 실패하는 복잡한 시스템에서 필터가 추적을 놓치는 것을 방지한다.
• 시뮬레이션 결과는 강한 비선형성 또는 비정규 잡음이 존재하는 시나리오에서 여러 테스트 응용 분야에서 일관된 개선이 나타남을 보여준다.