⚡ electrical engineering

The Variational Approach in Filtering and Correlated Noise

Cet article démontre que la formulation variationnelle classique du filtrage non linéaire échoue en présence de bruit corrélé entre le signal et l'observation, et propose une nouvelle principe variationnel conditionnel qui restaure cette approche en préservant la structure de corrélation des bruits.

Auteurs originaux : Sharan Srinivasan, Vijay Gupta, Harsha Honnappa

Publié 2026-04-06

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Sharan Srinivasan, Vijay Gupta, Harsha Honnappa

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

🕵️‍♂️ Le Grand Jeu de la Déduction : Quand le Messager et le Message partagent le même vent

Imaginez que vous essayez de deviner la position d'un sous-marin (le Signal) en écoutant ses sonars (les Observations). C'est le problème classique du "filtrage" : reconstruire la réalité cachée à partir de données bruitées.

Pendant longtemps, les mathématiciens avaient une méthode élégante pour résoudre ce casse-tête, inventée par Mitter et Newton. Leur idée ? Dire que la meilleure estimation possible est celle qui minimise une sorte de "coût énergétique" (un mélange de surprise et d'énergie). C'était comme si l'univers cherchait toujours le chemin le plus "paisible" pour expliquer ce qu'on observe.

Mais il y a un gros problème. Cette méthode supposait une chose très importante : que le sous-marin et le sonar étaient influencés par des vents totalement différents et indépendants.

Ce papier de Sharan Srinivasan et ses collègues dit : "Attendez ! Si le sous-marin et le sonar sont secoués par le même vent, toute cette belle théorie s'effondre."

Voici comment ils le prouvent et comment ils réparent le problème.

1. Pourquoi l'ancienne méthode échoue (Le Vent Commun)

Dans la théorie originale, on pouvait comparer la réalité (le sous-marin + le sonar) à une version "imaginaire" où les deux évoluaient séparément. C'était possible parce qu'ils pensaient que les bruits (les vents) étaient indépendants.

L'analogie du couple qui se dispute :
Imaginez un couple (le Signal et l'Observation) qui se dispute.

Cas indépendant : Si l'homme crie parce qu'il est en colère (bruit A) et que la femme crie parce qu'elle a mal à la tête (bruit B), on peut analyser leurs cris séparément. On peut dire : "Si l'homme n'avait pas crié, la femme aurait-elle crié ?" C'est facile à modéliser.
Cas corrélé (le problème du papier) : Maintenant, imaginez qu'ils sont dans une tempête. Le vent (le bruit commun) les secoue tous les deux en même temps. Si l'homme crie, c'est à cause du vent. Si la femme crie, c'est aussi à cause du vent.

Les auteurs montrent que si vous essayez de comparer leur comportement réel (secoués par le même vent) à une version imaginaire où ils seraient séparés (sans le vent commun), la comparaison devient impossible. Mathématiquement, les deux mondes sont "mutuellement singuliers". C'est comme essayer de comparer une photo prise sous la pluie à une photo prise sous un soleil radieux : les pixels ne correspondent à rien. La formule magique de Mitter et Newton devient nulle et non avenue.

La conclusion brutale : Vous ne pouvez pas utiliser l'ancienne formule si le signal et l'observation partagent la même source de bruit. C'est un échec fondamental, pas juste un petit bug.

2. La Nouvelle Solution : Le "Guide" Adaptatif

Puisque l'ancienne méthode (qui comparait tout à une version "indépendante") ne fonctionne plus, les auteurs proposent une nouvelle approche. Au lieu de comparer la réalité à un monde imaginaire où tout est séparé, ils comparent la réalité à un monde imaginaire qui garde la structure du vent commun.

L'analogie du GPS et de la carte routière :

L'ancienne méthode : Elle disait : "Pour trouver ton chemin, compare ta position actuelle à celle que tu aurais eue si tu étais sur une autre planète sans gravité." (C'est inutile si tu es sur Terre).
La nouvelle méthode : Elle dit : "Pour trouver ton chemin, compare ta position actuelle à celle que tu aurais eue si tu avais le même vent, mais sans le moteur de ta voiture."

Ils introduisent un principe variationnel conditionnel.
Au lieu d'utiliser une "référence" fixe (le passé), ils utilisent une référence conditionnelle qui s'adapte à ce que vous observez.

Imaginez que vous essayez de prédire la trajectoire d'un cerf-volant.

Si le vent est calme, vous comparez le cerf-volant à un cerf-volant immobile.
Si le vent est fort et turbulent (bruit corrélé), vous ne comparez pas le cerf-volant à un objet immobile. Vous le comparez à un autre cerf-volant qui subit exactement le même vent, mais qui n'a pas de pilote (pas de "dérive" ou de moteur).

Cette nouvelle référence (appelée $\mu_y$ dans le papier) capture la "danse" imposée par le vent commun. Ensuite, on calcule le "coût" (l'énergie) pour passer de cette danse de base à la réalité observée.

3. Ce que cela change concrètement

Pour les cas simples (bruits indépendants) : Si le vent est calme ou indépendant, leur nouvelle formule tombe exactement sur l'ancienne formule célèbre. C'est une preuve qu'ils n'ont pas inventé une théorie bizarre, mais qu'ils ont généralisé l'ancienne.
Pour les cas complexes (bruits corrélés) : Ils montrent que pour les systèmes linéaires (comme des avions ou des robots simples), on peut maintenant écrire une formule précise pour trouver la meilleure estimation, même avec le bruit commun.
La limite : Ils précisent aussi que si le signal est entièrement piloté par le bruit commun (sans son propre moteur privé), alors le problème devient insoluble par cette méthode. C'est comme si le cerf-volant n'avait plus de ficelle du tout : on ne peut plus le distinguer du vent.

En résumé

Ce papier est comme une mise à jour logicielle cruciale pour les mathématiques du contrôle.

Avant : On pensait qu'une seule formule suffisait pour tout, à condition que les bruits soient indépendants.
Maintenant : On sait que si les bruits sont liés (corrélés), l'ancienne formule est cassée.
La solution : Il faut utiliser une nouvelle formule qui prend en compte le "vent commun" dès le départ, en comparant la réalité à une version "désactivée" de ce même vent, plutôt qu'à un monde imaginaire sans vent.

C'est une avancée majeure pour comprendre comment filtrer le bruit dans les systèmes complexes où tout est interconnecté, des marchés financiers aux systèmes de navigation spatiale.

1. Problématique

L'article aborde le problème fondamental du filtrage stochastique : l'estimation de l'état d'un système dynamique (signal $X$ ) à partir d'observations partielles et bruitées ( $Y$ ).

Contexte existant : Dans le cadre linéaire gaussien, le filtre de Kalman-Bucy fournit une solution récursive. Pour les systèmes non linéaires, Mitter et Newton [9] ont proposé une approche variationnelle élégante. Ils caractérisent la distribution de filtrage comme le minimiseur unique d'une fonctionnelle d'énergie libre, somme de l'entropie relative par rapport à une loi a priori et d'une énergie attendue.
Hypothèse critique : La formulation de Mitter-Newton repose sur une condition d'absolue continuité entre la mesure de chemin conjointe $P_{XY}$ et un produit de mesures de référence $P_X \otimes \lambda_Y$ . Cette condition est satisfaite lorsque le signal et l'observation sont pilotés par des mouvements browniens indépendants.
Le problème traité : Les auteurs examinent le cas où le signal et l'observation partagent une source de bruit commune (bruit corrélé). Ils démontrent que la condition d'absolue continuité de Mitter-Newton échoue fondamentalement dans ce contexte, rendant leur formulation inapplicable.

2. Méthodologie et Preuves de l'Échec de la Formulation Classique

Les auteurs utilisent plusieurs outils mathématiques pour prouver l'impossibilité d'appliquer la formulation originale aux bruits corrélés :

Exemple en temps discret : Ils commencent par un exemple discret simple où le signal et l'observation partagent un bruit commun. Ils montrent que le rapport de densité (dérivée de Radon-Nikodym) entre la mesure conjointe et le produit des marginales dégénère (tend vers 0 ou l'infini) à la limite continue, indiquant une singularité mutuelle.
Théorème de Feldman-Hajek (Cas Gaussien Linéaire) : Pour le cas linéaire gaussien, ils appliquent le théorème de Feldman-Hajek. Ce théorème établit une dichotomie stricte pour les mesures gaussiennes sur des espaces de dimension infinie : elles sont soit équivalentes, soit mutuellement singulières.
- Ils calculent les opérateurs de covariance des mesures conjointe ( $P_{XY}$ ) et produit ( $P_X \otimes P_Y$ ).
- Ils démontrent que les espaces de Cameron-Martin associés à ces deux mesures sont différents.
- Conclusion : Les mesures sont mutuellement singulières ( $P_{XY} \perp P_X \otimes P_Y$ ). Par conséquent, aucune mesure de référence $\lambda_Y$ ne peut rendre $P_{XY}$ absolument continue par rapport à $P_X \otimes \lambda_Y$ .
Cas Non Linéaire Général : Pour le cas général non linéaire, les auteurs construisent un ensemble explicite qui a une mesure pleine sous $P_{XY}$ mais une mesure nulle sous $P_X \otimes P_Y$ . Ils utilisent la variation quadratique des processus pour montrer que la limite de la somme des produits des incréments converge vers une intégrale non nulle sous la mesure conjointe (due au bruit corrélé $\sigma_1$ ), mais vers zéro sous la mesure produit. Cela prouve la singularité mutuelle directe.

3. Contribution Principale : Un Principe Variationnel Conditionnel

Face à l'échec de la formulation basée sur l'a priori $P_X$ , les auteurs proposent une généralisation variationnelle conditionnelle :

Nouvelle Hypothèse (Assumption 6.1) : Au lieu d'exiger l'absolue continuité de la mesure conjointe par rapport à un produit, ils exigent l'absolue continuité de la mesure conditionnelle de filtrage $P_{X|Y}(\cdot, y)$ par rapport à une mesure de référence conditionnelle $Q_{X|Y}(\cdot, y)$ .
Choix de la Mesure de Référence ( $Q$ ) : La clé de la nouvelle approche est de choisir une mesure de référence $Q$ $Q$ qui préserve la structure de corrélation du bruit.
- Dans le cas des diffusions linéaires corrélées, ils choisissent $Q$ comme la loi du système sans dérive (driftless) mais avec le même couplage de bruit.
- Cette mesure de référence conditionnelle $\mu_y$ correspond à la dynamique du signal où le bruit partagé est "figé" sur la trajectoire d'observation $y$ , et où toutes les dérives sont supprimées.
Formulation Variationnelle :
- Ils définissent une énergie $H(x, y) = -\log \frac{dP_{X|Y}(\cdot, y)}{dQ_{X|Y}(\cdot, y)}(x)$ .
- Ils démontrent que la mesure de filtrage $P_{X|Y}(\cdot, y)$ est le minimiseur unique de la fonctionnelle d'énergie libre :
  $\min_{\tilde{P}} \left\{ h(\tilde{P} \parallel Q_{X|Y}(\cdot, y)) + \langle H(\cdot, y), \tilde{P} \rangle \right\}$
- Cette formulation inclut le cas de Mitter-Newton comme cas particulier (lorsque les bruits sont indépendants, $Q_{X|Y}$ devient simplement l'a priori $P_X$ ).

4. Résultats Clés pour les Diffusions Linéaires

Pour le modèle linéaire avec bruit corrélé, les auteurs obtiennent une caractérisation explicite :

Densité de Radon-Nikodym : Ils dérivent une expression explicite pour la densité entre la loi de filtrage et la mesure de référence conditionnelle $\mu_y$ .
Énergie Libre : L'énergie $H(x, y)$ prend la forme d'une intégrale stochastique impliquant le terme de dérive $(A - \sigma_1 C)X_t$ et la différentielle de l'observation $dy_t$ .
Condition de Non-Dégénérescence : Ils soulignent que l'inversibilité de la matrice de diffusion du bruit "privé" ( $\sigma_0$ ) est essentielle. Si $\sigma_0 = 0$ (le signal est piloté uniquement par le bruit corrélé), la loi conditionnelle dégénère et aucune formulation variationnelle de ce type n'est possible.

5. Signification et Impact

Correction d'une limitation fondamentale : L'article clarifie pourquoi les méthodes variationnelles classiques échouent en présence de bruit corrélé, non pas par un manque de technique, mais à cause d'une obstruction structurelle (singularité mutuelle des mesures).
Nouveau cadre théorique : En introduisant une mesure de référence conditionnelle qui encode le couplage de bruit, les auteurs restaurent la puissance de l'approche variationnelle pour les systèmes corrélés.
Interprétation physique : La nouvelle formulation sépare l'information en deux composantes :
1. La structure de corrélation (capturée par la mesure de référence $\mu_y$ ).
2. L'information de dérive (capturée par l'énergie $H$ ).
Perspectives : Bien que la solution soit complète pour le cas linéaire, l'extension de cette formulation conditionnelle au cadre non linéaire général reste un problème ouvert, nécessitant la construction de mesures de référence conditionnelles appropriées pour des dynamiques complexes.

En résumé, ce papier répare une lacune théorique majeure dans le filtrage non linéaire en remplaçant une hypothèse d'indépendance de bruit (invalide en pratique pour de nombreux systèmes physiques) par un principe variationnel conditionnel robuste, capable de gérer les corrélations de bruit inhérentes.