Conceitos essenciais
オルソゴナル変換に基づいた柔軟なカルマンフィルタリングとスムージングアルゴリズムを提案し、その実装を行った。このアルゴリズムは従来のカルマンフィルタよりも数値的に安定しており、状態ベクトルの次元が変化する問題や観測値がない場合にも対応できる。
Resumo
本論文では、オルソゴナル変換に基づいた柔軟なカルマンフィルタリングとスムージングアルゴリズムを提案し、その実装を行っている。このアルゴリズムは1977年にPaige and Saundersによって提案されたものを簡略化したものである。
提案するアルゴリズムの特徴は以下の通り:
数値的に安定である: 従来のカルマンフィルタアルゴリズムは行列の逆行列計算などの不安定な演算を含むが、本アルゴリズムはオルソゴナル変換に基づいているため数値的に安定である。
柔軟性が高い:
初期状態の期待値が未知の場合でも対応できる
状態ベクトルの次元が時間とともに変化する問題にも対応できる
観測値がない時間ステップにも対応できる
アルゴリズムの詳細は以下の通り:
重み付きQR分解を用いて、係数行列Aと右辺ベクトルbを段階的に変換する。
変換後の上三角行列Rと変換後の右辺ベクトルyを用いて、状態推定値を逆代入法により計算する。
状態推定値の共分散行列は、Rの部分行列を用いて表現する。
過去の情報を忘れる機能や、過去の状態に戻る機能を持つ。これにより、メモリ使用量を抑えつつ、必要に応じて過去の情報を利用できる。
提案するアルゴリズムは、MATLAB、C、Javaの3つの言語で実装されており、それぞれ同等の機能を提供している。また、様々な例題を用いて正しさと性能を検証している。
Estatísticas
観測値の標準偏差が10の場合、最初の数ステップで推定値の分散が急激に減少し、その後安定する。
観測値の標準偏差が0.25の場合、推定値の分散がさらに小さくなる。