論文の概要: Variational Nonlinear Kalman Filtering with Unknown Process Noise
Covariance
- arxiv url: http://arxiv.org/abs/2305.03914v1
- Date: Sat, 6 May 2023 03:34:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-09 18:44:51.269761
- Title: Variational Nonlinear Kalman Filtering with Unknown Process Noise
Covariance
- Title（参考訳）: 未知過程雑音共分散を有する変分非線形カルマンフィルタ
- Authors: Hua Lan and Jinjie Hu and Zengfu Wang and Qiang Cheng
- Abstract要約: 本稿では,近似ベイズ推定原理に基づく非線形状態推定とモデルパラメータの同定手法を提案する。
シミュレーションおよび実世界のデータを用いて,レーダ目標追尾法の性能を検証した。
- 参考スコア（独自算出の注目度）: 24.23243651301339
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Motivated by the maneuvering target tracking with sensors such as radar and
sonar, this paper considers the joint and recursive estimation of the dynamic
state and the time-varying process noise covariance in nonlinear state space
models. Due to the nonlinearity of the models and the non-conjugate prior, the
state estimation problem is generally intractable as it involves integrals of
general nonlinear functions and unknown process noise covariance, resulting in
the posterior probability distribution functions lacking closed-form solutions.
This paper presents a recursive solution for joint nonlinear state estimation
and model parameters identification based on the approximate Bayesian inference
principle. The stochastic search variational inference is adopted to offer a
flexible, accurate, and effective approximation of the posterior distributions.
We make two contributions compared to existing variational inference-based
noise adaptive filtering methods. First, we introduce an auxiliary latent
variable to decouple the latent variables of dynamic state and process noise
covariance, thereby improving the flexibility of the posterior inference.
Second, we split the variational lower bound optimization into conjugate and
non-conjugate parts, whereas the conjugate terms are directly optimized that
admit a closed-form solution and the non-conjugate terms are optimized by
natural gradients, achieving the trade-off between inference speed and
accuracy. The performance of the proposed method is verified on radar target
tracking applications by both simulated and real-world data.
- Abstract（参考訳）: 本稿では, レーダーやソナーなどのセンサを用いた目標追跡を動機とし, 非線形状態空間モデルにおける動的状態と時間変化過程ノイズの共分散のジョイントと再帰的推定について検討する。
モデルの非線形性と非共役性により、一般の非線形関数と未知のプロセスノイズ共分散の積分を含む状態推定問題は一般に難解であり、閉形式解を持たない後確率分布関数をもたらす。
本稿では, 近似ベイズ推定原理に基づく非線形状態推定とモデルパラメータ同定のための再帰解を提案する。
確率的探索変分推論は、後方分布の柔軟で正確で効果的な近似を提供するために採用される。
既存の変分推論に基づく雑音適応フィルタ法と比較して,2つの貢献がある。
まず,動的状態の潜在変数とプロセスノイズ共分散を分離する補助潜在変数を導入することにより,後方推定の柔軟性が向上する。
次に,変分下限最適化を共役部分と非共役部分に分け,共役項を直接最適化し,閉形式解を許容し,非共役項を自然勾配で最適化し,推論速度と精度のトレードオフを実現する。
提案手法の性能は,シミュレーションデータと実世界データの両方を用いて,レーダ目標追跡アプリケーション上で検証される。
関連論文リスト
- Total Uncertainty Quantification in Inverse PDE Solutions Obtained with Reduced-Order Deep Learning Surrogate Models [50.90868087591973]
機械学習サロゲートモデルを用いて得られた逆PDE解の総不確かさを近似したベイズ近似法を提案する。
非線型拡散方程式に対する反復的アンサンブルスムーズおよび深層アンサンブル法との比較により,提案手法を検証した。
論文 参考訳（メタデータ） (2024-08-20T19:06:02Z) - Improving Diffusion Models for Inverse Problems Using Optimal Posterior Covariance [52.093434664236014]
近年の拡散モデルは、特定の逆問題に対して再訓練することなく、ノイズの多い線形逆問題に対する有望なゼロショット解を提供する。
この発見に触発されて、我々は、最大推定値から決定されるより原理化された共分散を用いて、最近の手法を改善することを提案する。
論文 参考訳（メタデータ） (2024-02-03T13:35:39Z) - Joint State Estimation and Noise Identification Based on Variational
Optimization [8.536356569523127]
CVIAKFと呼ばれる共役計算変分推論に基づく新しい適応カルマンフィルタ法を提案する。
CVIAKFの有効性は、目標追尾のための合成および実世界のデータセットを通して検証される。
論文 参考訳（メタデータ） (2023-12-15T07:47:03Z) - Towards stable real-world equation discovery with assessing
differentiating quality influence [52.2980614912553]
一般的に用いられる有限差分法に代わる方法を提案する。
我々は,これらの手法を実問題と類似した問題に適用可能であること,および方程式発見アルゴリズムの収束性を確保する能力の観点から評価する。
論文 参考訳（メタデータ） (2023-11-09T23:32:06Z) - Robust scalable initialization for Bayesian variational inference with
multi-modal Laplace approximations [0.0]
フル共分散構造を持つ変分混合は、パラメータ数による変動パラメータによる二次的な成長に苦しむ。
本稿では,変分推論のウォームスタートに使用できる初期ガウスモデル近似を構築する方法を提案する。
論文 参考訳（メタデータ） (2023-07-12T19:30:04Z) - Amortized backward variational inference in nonlinear state-space models [0.0]
変分推論を用いた一般状態空間モデルにおける状態推定の問題点を考察する。
仮定を混合することにより、加法的状態汎関数の期待の変動近似が、観測数において最も直線的に増加する誤差を誘導することを初めて確立した。
論文 参考訳（メタデータ） (2022-06-01T08:35:54Z) - A Priori Denoising Strategies for Sparse Identification of Nonlinear
Dynamical Systems: A Comparative Study [68.8204255655161]
本研究では, 局所的およびグローバルな平滑化手法の性能と, 状態測定値の偏差について検討・比較する。
一般に,測度データセット全体を用いたグローバルな手法は,局所点の周辺に隣接するデータサブセットを用いる局所的手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-01-29T23:31:25Z) - The Connection between Discrete- and Continuous-Time Descriptions of
Gaussian Continuous Processes [60.35125735474386]
我々は、一貫した推定子をもたらす離散化が粗粒化下での不変性を持つことを示す。
この結果は、導関数再構成のための微分スキームと局所時間推論アプローチの組み合わせが、2次または高次微分方程式の時系列解析に役立たない理由を説明する。
論文 参考訳（メタデータ） (2021-01-16T17:11:02Z) - Robust, Accurate Stochastic Optimization for Variational Inference [68.83746081733464]
また, 共通最適化手法は, 問題が適度に大きい場合, 変分近似の精度が低下することを示した。
これらの結果から,基礎となるアルゴリズムをマルコフ連鎖の生成とみなして,より堅牢で正確な最適化フレームワークを開発する。
論文 参考訳（メタデータ） (2020-09-01T19:12:11Z) - Stochastic Variational Bayesian Inference for a Nonlinear Forward Model [2.578242050187029]
変分ベイズ(VB)は、データから非線形モデルの文脈における後部分布の計算を容易にするために用いられる。
以前は、加法ガウス雑音を伴うデータに対する非線形モデル推論のために、VBの分析的定式化が導出されてきた。
ここでは、解析的定式化に必要な近似の一部を回避した解が導出される。
論文 参考訳（メタデータ） (2020-07-03T13:30:50Z) - Gaussian Variational State Estimation for Nonlinear State-Space Models [0.3222802562733786]
非線形状態空間モデルに対するフィルタリングと平滑化の両面から状態推定の問題を考察する。
我々は変分推論に基づく仮定ガウス解を開発し、必要な分布を近似する柔軟なが原則化されたメカニズムの鍵となる利点を提供する。
論文 参考訳（メタデータ） (2020-02-07T04:46:14Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。