베이즈가 아닌 입자 필터: 직접 샘플링과 반복적 보간

논문은 데이터 동화와 상태 추정 문제에서 널리 사용되는 베이즈 입자 필터가 요구하는 대규모 입자 집합과 역방향 MCMC 샘플링의 계산 비용을 감소시키기 위한 새로운 비베이즈 프레임워크를 제시한다. 먼저, 일반적인 비선형·비가우시안 시스템을 SDE dx = f(x,t)dt + g(x,t)dw 형태로 모델링하고, 관측식 bₙ = h(xₙ)+G Wₙ을 통해 시계열 데이터를 얻는다. 전통적인 베이즈 필터는 사전밀도(Pₙ)를 입자 집합으로 근사하고, 동역학 전진 단계와 관측 업데이트 단계에서 각각 베이즈 정리를 적용해 사후밀도(Pₙ₊₁)를 얻는다. 이 과정에서 입자 수가 급격히 증가하거나, 중복된 입자(‘입자 고갈’) 문제가 발생하면 역방향 샘플링(보통 MCMC)으로 보정한다. 저자들은 이러한 전통적 절차를 배제하고, 목표 사후밀도 Pₙ₊₁를 직접 샘플링하는 방법을 고안한다. 핵심은 ‘참조 변수’ ξ ∼ N(0,1) 를 고정하고, 이를 통해 Pₙ₊₁의 샘플을 생성하는 함수 집합을 반복적으로 찾는 것이다. 이를 위해 먼저 SDE를 균형 암시적 스키마(식 (3)–(4))로 이산화하고, 각 시간 구간의 증분을 가우시안 변수로 표현한다. 선형 경우 f(x,t)=f(t)에서는 증분이 독립 가우시안이므로, 중간 시점 x_{N/2}를 두 개의 독립 가우시안 합성으로 나타내어 평균·분산을 정확히 계산한다. 이 과정을 이진 트리 구조로 재귀 적용하면 전체 경로 (x₁,…,x_{N‑1})를 한 번에 샘플링할 수 있다. 비선형 경우에는 f와 그 도함수 f′가 상태에 의존하므로, 직접적인 합성식이 성립하지 않는다. 저자들은 고정된 ξ 벡터를 유지하면서 초기 추정 x⁰를 설정하고, 현재 추정에 대한 f, f′를 계산해 증분의 가우시안 파라미터(aₙ,σₙ)를 업데이트한다. 이 과정을 반복하면 xᵏ가 수렴하고, 수렴 시점에서 얻은 파라미터는 실제 사후밀도와 일치한다. 수렴 조건 K·T·M<1(K는 Lipschitz 상수, T는 시간 구간 길이, M은 증분 최대 크기)으로 제시되며, 필요 시 완화 인자를 도입해 안정성을 확보한다. 구체적인 실험으로 선박 방위(azimuth) 추정 문제를 다룬다. 선박은 2차원 랜덤 워크를 수행하고, 관측은 arctan(y/x) + 노이즈 형태이다. 기존 베이즈 입자 필터는 수천 개의 입자를 전진·재샘플링하고, 관측이 들어올 때마다 역방향 MCMC를 수행한다. 비베이즈 방법에서는 각 입자에 대해 두 개의 독립 표준 정규 ξₓ, ξ_y를 샘플링하고, 이를 이용해 증분 (ΔX,ΔY) 를 가우시안 형태(ax, vx)·ξₓ + (ax, vx)와 (ay, vy)·ξ_y 로 표현한다. 여기서 ax, vx 등은 현재 상태와 관측값을 이용해 식 (8)–(10)에서 유도된 ‘위상(phase)’ φ를 최소화하도록 반복적으로 업데이트한다. 각 반복 단계는 관측식의 1차 테일러 전개를 사용해 η 변수를 정의하고, η의 두 가우시안 표현을 결합해 새로운 평균·분산을 계산한다. 최종적으로 얻은 (ΔX,ΔY) 가 실제 사후분포에 대한 고확률 샘플이 되며, φ 값들을 가중치로 사용해 필요 시 재샘플링을 수행한다. 알고리즘은 크게 네 단계로 구성된다. (1) 초기 입자 집합을 생성하고, 고정된 ξ를 샘플링한다. (2) 현재 입자 상태에 대해 f와 f′를 평가하고, 증분의 가우시안 파라미터를 계산한다. (3) 식 (8)–(10)의 반복 과정을 통해 증분을 업데이트하고, 수렴 조건이 만족될 때까지 반복한다. (4) φ에 기반한 가중치를 이용해 재샘플링을 수행한다. 이때 재샘플링은 전체 입자 집합에 대해 매 단계 수행하거나, 누적 가중치 비율이 일정 임계값을 초과할 때만 수행하도록 조절할 수 있다. 실험 결과는 비베이즈 필터가 베이즈 입자 필터와 비교해 동일하거나 더 낮은 평균 제곱 오차를 보이며, 입자 수를 크게 줄여도 정확도가 유지된다는 점을 강조한다. 특히, 역방향 샘플링이 거의 필요 없으며, ‘위상’ 가중치만으로도 충분히 입자 다양성을 확보할 수 있다. 그러나 비선형성이 강하거나 고차원 상태 공간에서는 테일러 근사의 정확도가 떨어질 수 있어, 추가적인 고차 근사나 적응형 시간 스텝 조절이 필요할 수 있다. 결론적으로, 논문은 베이즈 정리를 회피하면서도 사후밀도를 정확히 샘플링할 수 있는 비베이즈 입자 필터를 제안하고, 이론적 수렴 조건과 실험적 검증을 통해 그 유용성을 입증한다. 향후 연구에서는 고차원 시스템, 비가우시안 관측, 그리고 실시간 구현을 위한 효율적인 병렬화 방안 등을 탐색할 여지가 있다.