[论文解读] The direct L2 geometric structure on a manifold of probability densities with applications to Filtering

Damiano Brigo|arXiv (Cornell University)|Nov 29, 2011

Stochastic processes and financial applications参考文献 9被引用 8

一句话总结

本文提出混合投影滤波器，一种基于概率密度流形上直接 $L^2$ 几何结构的新型有限维滤波方法。通过使用 $L^2$ 度量将 Kushner-Stratonovich 随机 PDE 投影到混合族上，该方法实现了线性预测步骤和通过基函数更新实现精确计算的校正步骤，在连续时间设定下提供了比伽辽金法和假设密度滤波器更优的几何一致性。

ABSTRACT

In this paper we introduce a projection method for the space of probability distributions based on the differential geometric approach to statistics. This method is based on a direct L2 metric as opposed to the usual Hellinger distance and the related Fisher Information metric. We explain how this apparatus can be used for the nonlinear filtering problem, in relationship also to earlier projection methods based on the Fisher metric. Past projection filters focused on the Fisher metric and the exponential families that made the filter correction step exact. In this work we introduce the mixture projection filter, namely the projection filter based on the direct L2 metric and based on a manifold given by a mixture of pre-assigned densities. The resulting prediction step in the filtering problem is described by a linear differential equation, while the correction step can be made exact. We analyze the relationship of a specific class of L2 filters with the Galerkin based nonlinear filters, and highlight the differences with our approach, concerning particularly the continuous--time observations filtering problems.

研究动机与目标

• 开发一种基于直接 $L^2$ 度量而非传统费雪信息度量的非线性滤波新几何框架。
• 通过将滤波方程投影到预设密度的混合族流形上，构建有限维滤波器。
• 通过动态更新切空间基函数，确保校正步骤保持精确。
• 建立所提出的 $L^2$-基滤波器与伽辽金型方法之间的联系，同时在连续时间观测设定下突出其关键差异。
• 通过严格的 $L^2$ 投影残差，为数值实现和误差量化奠定基础。

提出的方法

• 该方法采用直接 $L^2$ 内积在概率密度流形上定义黎曼度量，替代标准的希尔伯特度量或费雪信息度量。
• 滤波动力学被投影到由预设密度函数 $q_1, \dots, q_m, q_{m+1}$ 张成的有限维流形上，形成切空间基。
• 通过使用 $L^2$ 正交投影将 Kushner-Stratonovich SPDE 投影到该流形上，推导出参数 $\theta(t)$ 的线性 SDE，从而得到预测步骤。
• 通过在每次观测时刻更新切空间基函数，使校正步骤保持精确，从而在流形内保持密度。
• 滤波方程以 Stratonovich 形式表达，以维持几何一致性，漂移项和扩散项通过 $L^2$ 投影生成元和观测算子得到。
• 定义了 $L^2$ 投影残差以量化局部滤波误差，当引入似然比校正时，该残差具有严格的误差分析潜力。

实验结果

研究问题

• RQ1 如何利用直接 $L^2$ 度量构建非线性滤波问题的有限维近似？
• RQ2 所得到滤波器的动力学特性如何，特别是在预测与校正步骤的线性性与精确性方面？
• RQ3 在连续时间观测设定下，$L^2$-基混合投影滤波器与伽辽金基滤波器相比有何差异？
• RQ4 能否通过基函数更新在流形内使校正步骤精确可计算？
• RQ5 $L^2$ 投影残差在量化滤波误差和指导族选择中的作用是什么？

主要发现

• 混合投影滤波器的预测步骤由线性随机微分方程控制，简化了数值积分。
• 通过在每次观测时刻更新切空间基函数，可使校正步骤精确可计算，从而在流形内保持密度。
• 滤波方程以 Stratonovich 形式推导，以维持几何一致性，这与 Ito 基伽辽金方法形成区别。
• 该方法推广了基于费雪度量的指数投影滤波器和伽辽金基滤波器，将其适用范围扩展至非指数型、一般混合族。
• 可定义严格的 $L^2$ 投影残差，尤其在将似然比校正引入混合分量时，可实现误差量化。
• 该方法具有数值可实现性，目前正在标准滤波系统上评估其性能，特别是在高斯或对数正态混合族中的表现。