가중 공분산 교차 기반 3차원 분산 협동 위치추정

초록

본 논문은 GNSS가 차단된 환경에서 다중 차량 시스템(MVS)의 협동 위치추정을 위해, 기존 공분산 교차(CI)의 한계를 극복하고자 가중 공분산 교차(WCI) 기법을 제안한다. 3차원 상태공간에서 위치·속도·자세·IMU 바이어스 등 규모와 관측 가능성이 크게 다른 상태 요소들을 균형 있게 추정하도록, INS 오차 전파 규칙에 기반한 가중 행렬과 다중 거리 측정의 동시 융합 전략을 설계하였다. 시뮬레이션 결과, 제안된 WCI는 전통적인 CI 대비 추정 정확도가 크게 향상되며, 분산 방식이 중앙집중식 방식보다 견고성과 확장성에서 우수함을 확인하였다.

상세 분석

이 연구는 분산 협동 위치추정(DCL)에서 가장 핵심적인 문제인 ‘알 수 없는 상태 상관관계’를 다루기 위해 공분산 교차(CI)를 기본 틀로 채택한다. 기존 CI는 트레이스 최소화 혹은 행렬식 최소화와 같은 전통적인 최적화 기준을 사용했으며, 이는 주로 2차원(2D) 차량 모델에 적용돼 왔다. 그러나 3차원(3D) 환경에서는 상태벡터가 위치, 속도, 자세(쿼터니언), 자이로·가속도 바이어스 등 다차원으로 확장되고, 각 요소의 스케일과 관측 가능성이 크게 차이난다. 전통 CI는 대체로 스케일이 큰 위치 성분에 편향돼, 스케일이 작고 관측이 약한 자세나 바이어스의 공분산이 급격히 팽창한다. 이는 장기적인 위치 추정 발산과 자세 제어 오류를 초래한다.

논문은 이러한 문제를 해결하기 위해 두 가지 핵심 메커니즘을 도입한다. 첫째, ‘가중 행렬’ W를 정의하여 각 상태 성분별 오차 전파 특성을 정량화한다. INS의 오차 전파 방정식에서 유도된 W는 위치·속도·자세·바이어스 각각에 대한 민감도를 반영하며, 이를 CI의 비용 함수에 삽입해 가중 평균제곱오차(WMSE) 기반 최적화를 수행한다. 둘째, 다중 거리 측정(차량‑차량, 차량‑앵커)을 동시에 융합하는 ‘동시 융합 전략(concurrent fusion)’을 설계한다. 기존 CI는 하나의 측정에 대해 순차적으로 업데이트하므로 정보 중복과 계산 비용이 증가하지만, 제안된 전략은 모든 거리 정보를 한 번에 결합해 가중치 벡터 ω를 최적화한다. 이때 ω는 각 측정의 신뢰도와 상태 행렬의 상관관계를 고려해 선형 제약조건(∑ω=1, ω≥0) 하에 구해진다.

수학적으로, 두 추정 (Σ₁, μ₁)와 (Σ₂, μ₂)의 융합은
Σ_WCI⁻¹ = ω·Σ₁⁻¹ + (1‑ω)·Σ₂⁻¹,
μ_WCI = Σ_WCI·