일반 공분산 합집합과 최소 포락 타원체의 놀라운 동치성

초록

본 논문은 통계적 의미를 갖는 양의 반정치 행렬을 이용한 일반 공분산 합집합(GCU) 문제와, 기하학적 의미의 최소 포락 타원체(MEE) 문제 사이에 정확히 동일한 해가 존재함을 증명한다. GCU는 서로 모순되는 추정값들을 일관된 공분산으로 결합하는 방법이며, MEE는 주어진 여러 타원체를 모두 포함하는 최소 부피 타원체를 찾는 문제이다. 두 문제를 동일시함으로써 칼만 필터 기반의 통계적 데이터 융합과 경계 영역 기반의 기하학적 융합 기법을 하나의 통합 이론으로 연결한다.

상세 분석

논문은 먼저 공분산 기반 데이터 융합의 전통적 접근법을 정리한다. 칼만 필터는 추정값(평균)과 그 공분산을 이용해 선형 가우시안 모델 하에서 최적의 선형 결합을 제공한다. 그러나 실제 시스템에서는 센서 간 상관관계가 알려지지 않거나, 비선형 변환으로 인해 독립성 가정이 깨지는 경우가 빈번하다. 이러한 상황에서 칼만 필터는 일관성을 잃을 위험이 있다. 이를 보완하기 위해 공분산 교차(CI)와 공분산 합집합(CU) 개념이 도입된다. CU는 두 추정값이 서로 모순될 때, 어느 쪽이 올바른지 알 수 없을 경우 두 추정값을 모두 포함하는 최소 크기의 공분산을 찾는 절차이다. 수식적으로는
U ≽ A + (u−a)(u−a)ᵀ, U ≽ B + (u−b)(u−b)ᵀ
를 만족하면서 det(U)와 같은 크기 척도를 최소화한다.

여기서 일반 공분산 합집합(GCU)은 CU를 다변량·다수 추정값에 일반화한 형태이며, 각 추정값에 가중치 ω_i∈