2019 Fiscal Year Annual Research Report
Improvement of accuracy and speed in phase unwrapping by Bayes inference with application to the indoor positioning
| Project/Area Number |
17K00358
|
|---|
| Research Institution | National Institute of Information and Communications Technology |
|---|
Principal Investigator |
梅原 広明 国立研究開発法人情報通信研究機構, 脳情報通信融合研究センター脳情報工学研究室, 研究マネージャー (60358942)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
成瀬 康 国立研究開発法人情報通信研究機構, 脳情報通信融合研究センター脳情報工学研究室, 室長 (00455453)
志賀 信泰 国立研究開発法人情報通信研究機構, 電磁波研究所時空標準研究室, 主任研究員 (50536050)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 逐次ベイズフィルタ / マルコフ確率場モデル / 角度統計 / 位相測距 / トレンドモデル |
|---|
| Outline of Annual Research Achievements |
移動物体の位置を搬送波位相を用いて高精度に推定するために，尤度関数は観測値が角度統計に基づく包れた正規分布 (wrapped normal distribution) に従うと仮定し，事前分布については，初年度は1時刻前との位置がほぼ不変であると仮定し，試験計測を行った昨年度は1時刻前の速度がほぼ不変であると仮定した．最終年度では，静止を含む様々な移動状況に対応させるために，長時間にわたる一方的な変動を表したトレンド成分モデルを事前分布に導入し，円周統計に基づく尤度関数と組み合わせた最大周辺事後確率推定による逐次ベイズフィルタを構成した．
1次，2次，3次のトレンド成分モデルを用いることは，それぞれ，位置がほぼ不変，速度がほぼ不変，加速度がほぼ不変，という仮定を含めていることに相当する．どのトレンド成分モデルが適切であるかについて，次数もベイズ定理に基づく最尤推定を行った．また，周辺事後確率分布については，仮定するトレンド成分モデルの次数と等しい次元数による確率分布を扱わざるを得ないため，区分求積による周辺化では計算時間を要してしまう．高速な推定を実現させるため，周辺化計算の部分をモンテカルロフィルタ（パーティクルフィルタ）に仕立てた．
推定モデルの妥当性を人工データを用いて確かめた．人工データを生成する際に仮定したトレンド成分モデルの次数がほぼ正しく選択され，正しい次数でアンラップされた位相は他の次数による推定値に比べ推定精度が統計的に向上していた．したがって，移動物体の傾向的変動にも対応する柔軟性を兼ね備えたノイズ低減位相アンラップ法が得られた．
|
