연속 이산 비선형 야우 필터링 보편적 해법

초록

본 논문은 선형·아핀 형태의 드리프트와 상태와 무관한 확산 행렬을 갖는 연속‑이산 시스템에 대해, 전통적인 FPK 방정식 풀이 대신 순수 선형 대수 연산만으로 전이 확률밀도함수를 구할 수 있음을 제시한다. 초기 분포의 형태에 제한이 없으며, 시간 간격 크기와 측정 모델에 제약이 없으므로 실시간 고차원 구현에 유리한 계산 구조를 제공한다.

상세 분석

논문은 연속‑이산 필터링 문제를 “연속 시간 상태 방정식 + 이산 시간 측정식” 형태로 정의하고, 상태 방정식이
dx(t)=A x(t) dt+ b dt+ G dw(t)
와 같이 선형(아핀)이며 확산 행렬 Σ=G Gᵀ가 상태에 독립적이라고 가정한다. 이 경우 Fokker‑Planck‑Kolmogorov 전방 방정식의 해는 가우시안 형태임이 알려져 있으나, 기존 접근법은 PDE를 직접 풀거나 수치적 스킴에 의존한다. 저자는 이를 완전히 선형 대수학적으로 전이 커널을 도출한다. 구체적으로, 상태 전이 평균 μ(t₁|t₀)=e^{AΔt} x₀+∫₀^{Δt}e^{A(Δt‑s)}b ds 로 행렬 지수와 적분을 이용해 계산하고, 공분산 P(t₁|t₀)는 Lyapunov 방정식
A P+P Aᵀ+Σ=0
의 해를 시간에 따라 전파하는 형태로 표현한다. 이때 P는
P(t₁|t₀)=∫₀^{Δt}e^{A s} Σ e^{Aᵀ s} ds
로 행렬 지수와 적분만으로 구할 수 있다. 따라서 전이 확률밀도는 평균 μ와 공분산 P를 파라미터로 하는 다변량 정규분포가 된다. 초기 분포가 임의의 형태라도, 베이즈 정리를 적용해 측정 업데이트 단계에서 사후 분포를 다시 정규분포(또는 Gaussian mixture)로 근사할 수 있다. 핵심은 “미분 방정식 없이 행렬 연산만으로 전이 커널을 얻는다”는 점이며, 이는 시간 스텝 크기에 제한을 두지 않는다. 또한, 고차원 시스템에서 행렬 지수와 Lyapunov 적분을 효율적으로 계산하기 위해 Krylov 서브스페이스, 스케일드‑스퀘어드 루트, 혹은 차원 축소 기법을 제안한다. 이러한 접근은 수치적 불안정성(예: 큰 Δt에서의 발산)이나 복잡한 측정 모델(비선형, 비가우시안)에도 적용 가능하도록 설계되었다. 결과적으로, 필터링 파이프라인은 “예측 단계(행렬 지수·공분산 전파) → 측정 단계(베이즈 업데이트)”의 두 단계만으로 구성되며, 실시간 구현을 위한 메모리 및 연산량 최적화 방안도 상세히 논의된다.