[논문 리뷰] Nonlinear state space smoothing using the conditional particle filter

Andreas Svensson, Thomas B. Schön외 1명|arXiv (Cornell University)|2015. 02. 12.

Target Tracking and Data Fusion in Sensor Networks참고 문헌 17인용 수 11

한 줄 요약

이 논문은 비선형 상태공간 모델의 스무딩을 위한 조건부 입자 필터와 조상 샘플링( CPF-AS)을 제안한다. 이는 $p(x_{1:T}|y_{1:T})$에서 반복적인 마르코프 체인 몬테카를로 샘플링을 가능하게 하며, 渐近 수렴성을 확보하고 초광대역(UWB) 및 관성 측정치를 이용한 실내 위치 측정에서 센서 융합에 있어 기존 방법들, 특히 FFBSi보다 뛰어난 성능을 보인다. 비정규 분포 상황에서도 강력한 성능을 발휘한다.

ABSTRACT

To estimate the smoothing distribution in a nonlinear state space model, we apply the conditional particle filter with ancestor sampling. This gives an iterative algorithm in a Markov chain Monte Carlo fashion, with asymptotic convergence results. The computational complexity is analyzed, and our proposed algorithm is successfully applied to the challenging problem of sensor fusion between ultra-wideband and accelerometer/gyroscope measurements for indoor positioning. It appears to be a competitive alternative to existing nonlinear smoothing algorithms, in particular the forward filtering-backward simulation smoother.

연구 동기 및 목표

• 비선형이며 비정규 분포인 상태공간 모델에서 스무딩 분포를 근사하는 견고하고 반복적인 몬테카를로 방법을 개발하는 것.
• 기존 입자 스무퍼의 한계, 특히 비정규 잡음과 복잡한 동역학을 다루는 데 어려움이 있음을 해결하는 것.
• 도전적인 실세계 응용 분야에서 후방 필터링-역방향 시뮬레이션(FFBSi) 스무퍼에 경쟁 가능한 대안을 제공하는 것.
• 몬테카를로 샘플링을 통한 신뢰구간을 제공하여 상태 추정의 정확성과 불확실성 정량화를 향상시키는 것.

제안 방법

• 이 방법은 조건부 입자 필터와 조상 샘플링(CPF-AS)을 사용하며, 전체 관측 시퀀스를 조건으로 삼아 궤적을 반복적으로 재샘플링하여 스무딩 분포를 목표로 한다.
• 마르코프 체인 몬테카를로(MCMC) 프레임워크를 사용하며, 각 반복에서 동역학과 관측 가능도를 통합한 제안 분포를 사용해 $p(x_{1:T}|y_{1:T})$에 대한 입자 근사치를 향상시킨다.
• 알고리즘은 임의의 궤적에서 시작하여, 동역학과 관측 가능도를 모두 반영한 제안 분포를 사용해 반복적으로 궤적을 업데이트한다.
• 조상 샘플링을 통해 입자 고갈을 방지하고 혼합성을 향상시켜 진정한 스무딩 분포로의 渐近 수렴을 보장한다.
• 상태 벡터 $x_t = [p_t^T, v_t^T, q_t^T]$를 포함하는 비선형 상태공간 모델에 적용되며, 이는 위치, 속도, 자세(쿼aternion 기반)의 동역학을 수반한다.
• 초광대역(UWB) 범위 측정치와 가속도계 및 고속도계에서 온 관성 데이터를 융합하며, UWB에는 혼합 정규분포와 코시 분포를 조합한 비정규 잡음 모델을, 관성 센서에는 정규 잡음 모델을 적용한다.

실험 결과

연구 질문

• RQ1 CPF-AS는 비선형이며 비정규 분포인 상태공간 모델에 대해 기존 입자 스무퍼의 신뢰할 수 있고 渐近 수렴하는 대안을 제공할 수 있는가?
• RQ2 실세계 센서 융합 작업에서 CPF-AS는 정확도와 불확실성 정량화 측면에서 FFBSi 스무퍼보다 어떻게 성능을 발휘하는가?
• RQ3 입자 수 $N$과 반복 횟수 $K$는 알고리즘의 수렴성과 계산 비용에 어떤 영향을 미치는가?
• RQ4 CPF-AS는 다중 경로 전파 등으로 인한 비대칭적이고 꼬리가 두꺼운 UWB 측정 잡음도 효과적으로 다룰 수 있는가?

주요 결과

• CPF-AS 알고리즘은 정리 1에서 증명한 바와 같이 진정한 스무딩 분포 $p(x_{1:T}|y_{1:T})$로 渐近 수렴한다.
• 실내 위치 측정 응용에서, 광학 기반 기준 시스템의 참값을 거의 완벽하게 따라가는 99% 신뢰구간을 포함한 평균 추정치를 생성하였다.
• K=1000회 반복 및 N=500개의 입자를 사용할 경우, 표준 데스크톱 컴퓨터에서 약 1일의 계산 시간이 소요되었으며, 실세계 적용 가능성은 입증되었다.
• 신뢰구간은 시간에 따라 변동하였으며, 상태 간(위치 vs. 자세)으로도 다름을 보여, 점 추정치에서는 확보할 수 없는 유용한 불확실성 정량화를 제공하였다.
• 특히 비선형 경로 조건에서 비정규 UWB 측정 잡음이 존재할 경우, FFBSi 스무퍼보다 더 뛰어난 정확성과 강건성을 보였다.