# 확장 칼만 필터 소개

***

#### 확장 칼만 필터의 개념적 이해

확장 칼만 필터(Extended Kalman Filter, EKF)는 기본적으로 복잡한 시스템의 상태를 추정하는 방법론으로, 특히 시스템이 비선형일 때 효과적이다. 간단히 말해, EKF는 우리가 시스템의 내부 상태를 정확히 알 수 없는 상황에서 그 상태를 예측하고, 새롭게 얻어진 관측 데이터를 이용해 그 예측을 지속적으로 수정해 나가는 과정이다.

시스템의 상태란, 우리가 직접적으로 관측할 수 없지만 시스템의 동작을 결정하는 중요한 변수들을 의미한다. 예를 들어, 로봇의 경우 위치나 속도, 센서의 오프셋 등이 상태에 해당한다. EKF는 이런 상태를 실시간으로 추정하며, 이를 통해 시스템의 동작을 보다 정확하게 파악하고 제어할 수 있다.

#### 선형과 비선형 시스템의 차이

전통적인 칼만 필터(Kalman Filter)는 선형 시스템에 특화되어 있다. 선형 시스템에서는 시스템의 상태와 관측 값 사이의 관계가 직선적으로 표현되며, 이는 상태 추정을 매우 간단하게 만든다. 그러나 현실 세계의 대부분의 시스템은 비선형적이다. 즉, 상태와 관측 값 사이의 관계가 복잡하고 곡선 형태를 띠는 경우가 많다.

확장 칼만 필터는 이러한 비선형 시스템을 다루기 위해 설계되었다. 비선형 시스템에서는 단순한 직선 관계가 아닌, 복잡한 함수적 관계가 존재하며, EKF는 이를 처리하기 위해 비선형 관계를 국소적으로 직선(선형)으로 근사하여 상태 추정을 수행한다.

#### 예측과 업데이트의 반복 과정

EKF는 크게 두 가지 주요 단계로 구성된다: 예측(Prediction)과 업데이트(Update) 단계다. 이 두 단계는 연속적으로 반복되며, 시스템의 상태를 점점 더 정확하게 추정한다.

1. **예측 단계:** 현재까지의 상태 추정과 시스템에 대한 이해를 바탕으로, 다음 시점에서의 상태를 예측한다. 이 과정에서는 우리가 알고 있는 시스템의 동작 모델을 사용하여 미래 상태를 예상한다.
2. **업데이트 단계:** 새롭게 수집된 관측 데이터를 바탕으로, 예측된 상태를 조정한다. 이때, 관측 데이터와 예측된 값 사이의 차이를 계산하고, 이 차이를 이용해 상태 추정치를 수정한다.

이 두 단계는 반복되며, EKF는 시간이 지남에 따라 점점 더 정확한 상태 추정치를 얻을 수 있게 된다.

#### 비선형성의 도전과 EKF의 해결 방법

비선형 시스템을 다루는 가장 큰 도전은, 작은 변동이 전체 시스템의 상태에 큰 영향을 미칠 수 있다는 점이다. 비선형 시스템에서는 상태 변화가 단순히 더하거나 빼는 식으로 이루어지지 않기 때문에, 추정이 매우 어려워진다.

EKF는 이러한 문제를 해결하기 위해 비선형성을 적절히 처리할 수 있는 방법을 도입했다. 비선형 시스템에서 복잡한 관계를 처리하는 대신, EKF는 그 관계를 작은 구간에서 단순한 선형 관계로 근사한다. 이는 시스템이 매우 복잡할 때도 우리가 다룰 수 있는 형태로 문제를 단순화해 준다.

#### EKF의 한계와 고려 사항

EKF는 비선형 시스템에서 유용한 도구지만, 몇 가지 한계도 존재한다. 첫째, EKF는 비선형 시스템을 선형 근사하기 때문에, 근사의 정확도에 따라 성능이 크게 달라질 수 있다. 시스템이 매우 비선형적이거나 모델링이 부정확할 경우, EKF는 부정확한 상태 추정을 제공할 수 있다.

또한, EKF는 초기 상태 추정의 정확도에 민감하다. 초기 상태 추정이 부정확하면, 이후의 추정 과정에서 오차가 증폭될 수 있다. 따라서 초기 상태를 가능한 한 정확하게 설정하는 것이 중요하다.

마지막으로, EKF는 계산적으로 복잡할 수 있으며, 이는 실시간 시스템에서의 적용에 있어 제약이 될 수 있다. 이러한 점들을 고려하여 EKF를 적용해야 한다.

***

관련 자료:

1. Grewal, M. S., & Andrews, A. P. (2001). *Kalman Filtering: Theory and Practice Using MATLAB*. Wiley-Interscience.
2. Simon, D. (2006). *Optimal State Estimation: Kalman, H Infinity, and Nonlinear Approaches*. Wiley-Interscience.
3. Welch, G., & Bishop, G. (1995). *An Introduction to the Kalman Filter*. University of North Carolina at Chapel Hill.