非線形カルマンフィルタ

多次元(多変量)カルマンフィルタをマスターしたら、次は非線形カルマンフィルタに取り組みましょう。

カルマンフィルタは線形システムの推定問題を扱います。しかし、実際のシステムの多くは非線形システムです。

この非線形システムを取り扱うためには、線形近似の手法を適用する必要があります。本章では、カルマンフィルタの2つの改良版について説明します。

  • 拡張カルマンフィルタ(Extended Kalman Filter, EKF)
  • 無香料カルマンフィルタ(Unscented Kalman Filter, UKF)又はシグマポイントカルマンフィルタ(Sigma-point Kalman Filter, SPKF)

拡張カルマンフィルタは、各時点でモデルの解析的線形化 (analytic linearization)を行います。拡張カルマンフィルタは最も一般的な非線形カルマンフィルタとして知られています。

標準的な線形カルマンフィルタ(LKF)は、推定の不確かさ(分散)を最小にする最適フィルタです(詳細は「カルマンゲイン方程式の導出」を参照)。一方で、非線形カルマンフィルタは近似モデルを使用するため、準最適フィルタに位置付けられます。

この章では、拡張カルマンフィルタと無香料カルマンフィルタについて説明し、各手法の利点と欠点について議論します。これまでと同様、各手法の理解を深めるために数値例も扱います。

カルマンフィルタの本
例に基づくカルマンフィルタ解説ガイド

非線形問題

非線形問題を解く前に、まず問題自体を理解する必要があります。非線形システムとは何か、そしてなぜ線形カルマンフィルタが非線形システムにはうまく機能しないのでしょうか?

非線形性は2つに分類できます。

  • 観測モデルが非線形な場合
  • 運動モデルが非線形な場合

それぞれの非線形性について扱い、その後、それらを組み合わせます。

例 – 線形システム

一定の加速度で上下にのみ動くことができる気球を考えます。私たちはこの気球の高度を推定しようとしています。

気球の運動モデルは線形です。

したがって、気球の運動は次のように表現できます。

前 次