[論文レビュー] Analytic MMSE Bounds in Linear Dynamic Systems with Gaussian Mixture Noise Statistics

Leila Pishdad, Fabrice Labeau|arXiv (Cornell University)|Jun 25, 2015

Target Tracking and Data Fusion in Sensor Networks参考文献 32被引用数 5

ひとこと要約

本稿では、ガウス混合（GM）ノイズを有する線形動的システムにおける最小平均二乗誤差（MMSE）の解析的扱い可能な下界および上界を提案する。ガウス和フィルタ（GSF）フレームワークを活用し、GMノイズの形状に適応する2つの実装可能なフィルタベースの上界を導出する。高次元のマルチモーダルな状況では真のMMSEに収束し、数値近似を用いない低複雑性の性能評価が可能となる。

ABSTRACT

Using state-space representation, mobile object positioning problems can be described as dynamic systems, with the state representing the unknown location and the observations being the information gathered from the location sensors. For linear dynamic systems with Gaussian noise, the Kalman filter provides the Minimum Mean-Square Error (MMSE) state estimation by tracking the posterior. Hence, by approximating non-Gaussian noise distributions with Gaussian Mixtures (GM), a bank of Kalman filters or Gaussian Sum Filter (GSF), can provide the MMSE state estimation. However, the MMSE itself is not analytically tractable. Moreover, the general analytic bounds proposed in the literature are not tractable for GM noise statistics. Hence, in this work, we evaluate the MMSE of linear dynamic systems with GM noise statistics and propose its analytic lower and upper bounds. We provide two analytic upper bounds which are the Mean-Square Errors (MSE) of implementable filters, and we show that based on the shape of the GM noise distributions, the tighter upper bound can be selected. We also show that for highly multimodal GM noise distributions, the bounds and the MMSE converge. Simulation results support the validity of the proposed bounds and their behavior in limits.

研究の動機と目的

• 非ガウス的（ガウス混合）ノイズ統計を持つ線形動的システムにおける解析的MMSEバウンズの欠如に応えること。
• 数値近似に依存せずに、計算効率的かつ閉形式のMMSEバウンズを提供すること。
• 複雑なノイズ条件下での移動対象の位置決めにおける性能評価およびフィルタ選定を可能にすること。
• 従来の静的システムバウンズを、リアルタイム追跡に適した動的システムへと拡張すること。
• MMSEのタイトで形状依存の上界を提供する2つの実装可能なフィルタを提示すること。

提案手法

• 状態空間表現を用いて、状態方程式および観測方程式を有する線形動的システムを定式化する。
• プロセスノイズおよび観測ノイズをガウス混合（GM）分布としてモデル化し、非ガウス的挙動を捉える。
• MMSE推定器としてガウス和フィルタ（GSF）を適用する。GSFは、事後分布を追跡するためにカルマンフィルタのバンクを用いる。
• 事後モーメントおよび条件付き期待値を用いて、MMSEに対する解析的下界を導出する。
• GMノイズの形状に応じて選択可能な2つの実装可能なフィルタを提案し、それらの平均二乗誤差（MSE）が真のMMSEの上界として機能することを示す。
• GM成分の閉形式表現を活用し、領域固有の尤度および条件付き期待値の積分を用いてバウンズを計算する。

実験結果

リサーチクエスチョン

• RQ1 ガウス混合ノイズを有する線形動的システムにおいて、解析的下界および上界をMMSEに対して導出可能か？
• RQ2 上界を実装可能かつGMノイズ分布の形状に依存させるにはどうすればよいか？
• RQ3 提案された上界が真のMMSEに収束する条件は何か？
• RQ4 数値積分や複雑な近似を用いずにバウンズを計算可能か？
• RQ5 高次元のマルチモーダルなGMノイズ分布の極限において、バウンズはどのように振る舞うか？

主な発見

• 提案されたMMSEに対する解析的下界は、GMフレームワーク内での事後モーメント分解および条件付き期待値を用いて導出された。
• 2つの実装可能なフィルタが導入され、それぞれのMSEが真のMMSEの上界として機能する。よりタイトな上界を得るため、GMノイズの形状に応じて適切なフィルタを選択する。
• 高次元のマルチモーダルなGMノイズ分布において、上界は真のMMSEに収束し、極端な状況でもタイトであることが示された。
• バウンズは解析的に扱いやすく、複雑な数値積分を回避でき、リアルタイムでの性能評価が可能である。
• シミュレーション結果により、バウンズの妥当性および極限状況における収束特性が確認された。
• 本フレームワークは、従来の静的システムバウンズを動的システムへと拡張し、移動対象の追跡および位置情報連携システムへの応用を可能にした。