고노이즈·고이심률 타원·구면체 강인 피팅

본 논문은 타원 및 타원체(특히 구면체) 피팅 문제에서 기존 대수적, 직교 최소제곱(OLSF), 최대우도(ML) 방법이 높은 잡음이나 큰 이심률 상황에서 성능이 급격히 저하되는 한계를 지적한다. 이러한 문제를 해결하기 위해 저자들은 타원의 기하학적 정의—두 초점에서의 거리 합이 일정한 점들의 집합—에 기반한 새로운 목적함수 \(F(c_1,c_2,a)=\sum_i(\|z_i-c_1\|+\|z_i-c_2\|-2a)^2\)를 제안한다. 이 함수는 초점과 반장축 길이만을 파라미터로 하여 회전·이동에 불변하고, 별도의 제약조건이 필요 없으며, 장축 방향에 대한 데이터 가중치가 자연스럽게 부여돼 잡음이 큰 경우에도 장축 방향 추정이 강인하게 이루어진다. 그러나 초점 간 거리가 무한대로 커질 때 전역 최소값이 0에 수렴하는 구조적 결함이 존재한다. 이를 보완하기 위해 세 가지 변형 알고리즘을 설계한다. 1. **페널티 적용 목적함수**: 원 목적함수에 \(\lambda \hat a_{\max}\hat\sigma \exp((a/\hat a_{\max})^4)\) 형태의 페널티 항을 추가한다. \(\hat a_{\max}\)와 \(\hat\sigma\)는 데이터 평균 거리와 초기 목적함수 값으로 추정한다. 페널티는 반장축이 비현실적으로 커지는 것을 억제하고, 잡음 수준에 비례해 강도를 조절한다. 경사하강법으로 최적화하면 전역 최소가 사라지고, 높은 잡음에서도 안정적인 수렴을 보인다. 2. **축 가이드 피팅**: 먼저 원 목적함수로 초점, 중심, 장축 방향 \(\phi\)를 추정한다. 이후 데이터를 회전·이동시켜 표준 위치(장축이 x축, 중심이 원점)로 변환하고, 잡음 추정식 \(\sigma^2 = \frac{1}{n}\sum f_{z_i}^2(1+\cos\zeta_i)\)를 이용해 \(\sigma\)를 구한다. 잡음 수준에 따라 장축·단축 길이 \(a, b\)를 결정하는 비율 \(P_a, P_b\)를 적분식(11)(12)로 계산한다. 마지막으로 해당 비율을 만족하도록 데이터의 x, y 좌표 범위를 조정해 \(a, b\)를 얻는다. 이 방법은 장축 방향은 원 목적함수의 강인성을 그대로 활용하고, 크기 추정은 통계적 가이드에 의해 정확성을 높인다. 3. **가중치 적용 목적함수**: \