Основные понятия
非線形システムにおける逆認知問題に対して、効率的な数値積分手法に基づく逆カルマンフィルタを提案する。特に、逆キュバチャーカルマンフィルタ、逆クアドラチャーカルマンフィルタ、逆キュバチャー-クアドラチャーカルマンフィルタを開発し、その安定性と一致性を理論的に解析する。さらに、システムモデルが未知の場合のRKHS-CKFも提案する。
Аннотация
本論文では、非線形システムにおける逆認知問題に対して、効率的な数値積分手法に基づく逆カルマンフィルタを提案している。
- 逆認知問題の背景と目的:
- 認知的エージェントの行動を検出、推定、予測するための逆認知の重要性
- 逆カルマンフィルタの目的は、前向きカルマンフィルタによって計算された事後分布を推定すること
- 提案手法の概要:
- 逆キュバチャーカルマンフィルタ(I-CKF)、逆クアドラチャーカルマンフィルタ(I-QKF)、逆キュバチャー-クアドラチャーカルマンフィルタ(I-CQKF)の開発
- システムモデルが未知の場合のRKHS-CKFの提案
- 提案フィルタの安定性と一致性の理論的解析
- 数値実験:
- 提案フィルタの推定精度をRCRLBと比較して評価
- I-CKF、I-QKF、I-CQKFの性能比較
本論文は、非線形システムにおける逆認知問題に対して、効率的な数値積分手法に基づく新しい逆カルマンフィルタを提案し、その理論的解析と数値実験による性能評価を行っている。
Статистика
逆フィルタの状態遷移は、前向きフィルタのゲイン行列Kk+1に依存する非加法性を持つ。
前向きフィルタのゲイン行列Kk+1は、状態推定値ˆxkを通して決まるため、パラメータとして扱うのではなく、状態遷移の一部として扱う必要がある。
提案の逆フィルタは、前向きフィルタの情報(例えば、クアドラチャ点の数m)を必要とするが、逆フィルタ自体のパラメータ(例えば、クアドラチャ点の数)は独立に設定できる。
Цитаты
"Recent research in inverse cognition with cognitive radar has led to the development of inverse stochastic filters that are employed by the target to infer the information the cognitive radar may have learned."
"Prior works addressed this inverse cognition problem by proposing inverse Kalman filter (I-KF) and inverse extended KF (I-EKF), respectively, for linear and non-linear Gaussian state-space models."
"However, in practice, many counter-adversarial settings involve highly non-linear system models, wherein EKF's linearization often fails."