[論文レビュー] The Smart Sampling Kalman Filter with Symmetric Samples

Jannik Steinbring, Martin Pander+1 more|arXiv (Cornell University)|Jun 10, 2015

Target Tracking and Data Fusion in Sensor Networks被引用数 16

ひとこと要約

本稿では、スマートサンプリングカルマンフィルタ（S²KF）のための対称的サンプリング方式を提案し、正規分布に内在する点対称性を活用することで、推定精度と数値的安定性を向上させる。この手法により、1000次元までの高次元正規分布を数万サンプルで最適近似可能となり、最適化変数の数を半減させることで計算時間を短縮するとともに、標準正規分布のすべての奇数モーメントを正確に一致させることが可能となる。

ABSTRACT

Nonlinear Kalman Filters are powerful and widely-used techniques when trying to estimate the hidden state of a stochastic nonlinear dynamic system. In this paper, we extend the Smart Sampling Kalman Filter (S2KF) with a new point symmetric Gaussian sampling scheme. This not only improves the S2KF's estimation quality, but also reduces the time needed to compute the required optimal Gaussian samples drastically. Moreover, we improve the numerical stability of the sample computation, which allows us to accurately approximate a thousand-dimensional Gaussian distribution using tens of thousands of optimally placed samples. We evaluate the new symmetric S2KF by computing higher-order moments of standard normal distributions and investigate the estimation quality of the S2KF when dealing with symmetric measurement equations. Finally, extended object tracking based on many measurements per time step is considered. This high-dimensional estimation problem shows the advantage of the S2KF being able to use an arbitrary number of samples independent of the state dimension, in contrast to other state-of-the-art sample-based Kalman Filters.

研究の動機と目的

• 高次元非線形システムにおけるスマートサンプリングカルマンフィルタ（S²KF）の推定精度と数値的安定性を向上させること。
• 最適に配置されたサンプルを用いて、高次元正規分布（最大1000次元）を正確に近似できることを可能とすること。
• 点対称性を活用することで、サンプリングプロセスにおける最適化変数の数を半減させ、計算コストを低減すること。
• 対称的サンプル配置により、標準正規分布のすべての奇数次モーメントを正確に一致させること。
• 複数の測定値が1タイムステップあたり存在するような挑戦的な推定タスク（例：拡張対象追跡）における手法の有効性を示すこと。

提案手法

• 原点を中心に点対称なペアに配置されたサンプルを用いる対称的サンプリング方式を導入し、正規分布に内在する対称性を反映する。
• 既存のS²KFフレームワークを対称的サンプル集合の導入により変更し、最適化すべき自由パラメータの数を半減させる。
• 局所的累積分布（LCD）と修正されたCramér-von Mises距離を用いて、対称的構成における最適なサンプル位置を計算する。
• 距離指標 $ D^e_3(S) $ および $ D^o_3(S) $ の閉形式表現を用い、サンプル位置の勾配ベース最適化を効率的に行う。
• 数値最適化を支援するため、解析的勾配 $ \partial D^e_3 / \partial s_i^{(d)} $ および $ \partial D^o_3 / \partial s_i^{(d)} $ を導出する。
• 対称的S²KFを用いて標準正規分布の高次モーメントを計算し、対称的測定方程式および高次元拡張対象追跡において性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 対称的サンプリングは、特に標準正規分布の奇数次モーメントの近似精度をS²KFで向上させ得るか？
• RQ2 対称的サンプリングにより、S²KFフレームワークにおける最適化変数の数を半減させ、計算コストを低減できるか？
• RQ3 対称的S²KFは、高次元システム（例：1000次元）においても数値的安定性を維持し、正確な推定を達成できるか？
• RQ4 複数の測定値が1タイムステップあたり存在するような実世界の推定タスク（例：複数測定の拡張対象追跡）において、対称的S²KFはどのように性能を発揮するか？
• RQ5 サンプルベースカルマンフィルタにおいて、対称的サンプリングはランダムまたは非対称サンプリング方式よりもより頑健で再現性が高いと評価できるか？

主な発見

• 対称的サンプル配置のおかげで、対称的S²KFは標準正規分布のすべての奇数モーメントを正確に一致させる。
• 最適化変数の数を半減させることで、サンプル生成にかかる計算時間を顕著に短縮する。
• 対称的S²KFは、数万サンプルを用いて1000次元の標準正規分布を正確に近似可能な数値的安定性を達成する。
• 対称的測定方程式を有するシステムの推定において、標準S²KFや他のLRKFと比較して優れた性能を示し、精度と安定性に優れる。
• 1タイムステップあたり複数の測定値がある拡張対象追跡において、状態次元に依存せずに任意の数のサンプルを効果的に使用できるため、UKF や CKF などの従来フィルタの制限を克服する。
• 距離指標およびその勾配の閉形式表現により、高次元空間においても効率的かつ安定したサンプル配置最適化が可能となる。