고급필터링이론 (Advanced Filtering Theory)

강좌내용

선형시스템의 최적추정자인 칼만필터를 기본으로 하여 모델의 불확실성을 고려한 적응필터 및 강인필터, 계산량을 줄이기 위한 슈미트필터, 다양한 측정치에 대한 내고장을 높이기 위한 분산필터를 소개한다. 또한 비선형 모델에 대한 확장칼만필터를 기반으로 최근에 많은 연구가 되고 있는 무향 칼만필터 (Unscented Kalman Filter)에 대한 특성을 분석한다. 마지막으로 상태변수가 정규분포를 가지지 않을 때 최적의 필터로 최근에 각광을 받고있는 다양한 입자필터 (Particle Filter)를 소개한다. 수업에서 소개된 필터는 INS/GPS 결합시스템과 레이더 추적문제에 적용한다.

Based on the linear optimal Kalman filter, in the first part, some additional important topics such as adaptive and robust Kalman filtering to consider the model uncertainties, the Schmidt Kalman filtering to reduce the computational complexity, and decentralized filtering to improve the fault tolerance are discussed. In the second part, nonlinear filters including the extended Kalman filter (EKF), the unscented Kalman filter (UKF), and the particle filters are presented. The UKF is recently introduced to provide significant improvement over the EKF, and the particle filter is a completely nonlinear state estimator. Finally, various filters covered in this course are applied to INS/GPS and tracking problems.

What to cover

Introduction

Review of Kalman Filter

Linear Filter
- Decentralized / Federated Kalman Filters
- Robust Kalman Filters

Nonlinear Filter
- Extended Kalman Filter
- Gaussian Sum Filters
- Uncented Kalman Filters : Unscented Transformation, Scaled/Reduced Sigma Point
- Particle Filters

Applications

Reference

D. Simon, Optimal State Estimation, Wiley, 2006 B. Ristic, S. Arulampalan and N. Gordon, Beyond the Kalman Filter, Artech House, 2004 R. Brown and P. Hwang, Introduction to Random Signals and Applied Kalman Filtering(3rd Ed.), Wiley, 1997