비선형 가역 동역학을 위한 라그랑지안 격자 기반 상태 추정기

초록

본 논문은 가역적인 비선형 상태 전이 함수를 갖는 시스템에 대해 라그랑지안 격자 기반 필터(LGbF)를 제안한다. 기존의 Eulerian 격자 필터는 O(N²) 복잡도를 가지지만, 제안된 방법은 격자를 역동역학에 따라 재배치함으로써 예측 단계의 복잡도를 O(N log N)으로 낮춘다. 정확도와 강인성을 유지하면서도 파티클 필터와 비교해 계산 효율성이 크게 향상됨을 수치 실험을 통해 입증한다.

상세 분석

이 논문은 비선형·비가우시안 시스템의 베이지안 상태 추정을 위해 격자 기반 필터(GbF)의 라그랑지안 형태를 확장한다는 점에서 학술적·실용적 의의가 크다. 기존의 Eulerian GbF는 격자를 고정하거나 상태와 무관하게 적응시키는 방식으로, 예측 단계에서 모든 격자 쌍에 대해 전이 확률 p(x_{k+1}|x_k) 를 계산해야 하므로 O(N²) 연산량이 요구된다. 반면 라그랑지안 GbF는 격자 자체를 상태 흐름에 따라 이동시키는 ‘advection’와 확산(노이즈) 단계로 분리한다. 핵심 아이디어는 상태 전이 함수 f_k 가 분석적으로 가역(invertible)일 경우, 새로운 격자 Ξ_{k+1} 를 설계하고 이를 역동역학 f_k^{-1} 로 뒤로 전파하여 기존 격자와 일대일 대응 관계를 만든다. 이렇게 하면 격자 간의 매핑이 일관되게 유지되며, 전이 확률을 직접 계산할 필요 없이 DFT 기반의 컨볼루션으로 확산을 수행할 수 있다. 결과적으로 복잡도는 O(N log N) 로 감소한다.

제안된 알고리즘은 세 단계로 구성된다. 첫째, 현재 필터링 PMD(점질량 밀도)로부터 평균 ˆx_k|k 와 공분산 C_k|k 를 추정한다. 둘째, 로컬 필터(예: EKF, UKF)를 이용해 예측 평균 ˆx_{k+1|k} 와 공분산 C_{k+1|k} 를 얻고, 이를 기반으로 등간격 직사각형 격자 Ξ_{k+1} 를 설계한다(스케일링 팩터 κ 사용). 셋째, 설계된 격자를 역동역학 f_k^{-1} 로 뒤로 전파해 Ξ_{BP,k} 를 만든 뒤, 기존 필터링 PMD를 보간하여 새로운 격자 위에 매핑한다. 이후 advection 단계에서는 격자 점들을 f_k 로 직접 이동시키고, diffusion 단계에서는 동일한 격자 상에서 노이즈 PDF와의 컨볼루션을 DFT를 이용해 빠르게 수행한다.

가역성 가정은 이 방법의 전제조건이다. 논문은 조정 가능한 가역 비선형 모델(예: 코디네이티드 턴 모델, Dubins 모델, 혼돈 지도 등)을 사례로 들어, 기존의 두 격자(코스와 파인) 방식이 격자 파편화 혹은 메모리 폭증을 초래할 위험을 지적한다. 제안된 단일 격자 방식은 이러한 문제를 근본적으로 회피한다.

수치 실험에서는 2차원 및 4차원 비선형 추적 시나리오, 그리고 혼돈 시스템을 대상으로 파티클 필터와 비교하였다. 평균 제곱 오차(MSE)와 실행 시간 측면에서 제안된 LGbF는 파티클 필터와 동등하거나 더 나은 정확도를 보이며, 특히 고차원에서 실행 시간이 크게 감소한다. 또한 동일한 초기 격자와 난수 시드에 대해 결정론적 결과를 제공하므로 안전-critical 시스템에 적합하다.

이 논문의 한계는 가역성 가정이 성립하지 않는 경우(예: 다중 해를 갖는 비가역 함수)에는 적용이 어려우며, 격자 설계 시 κ 선택과 경계 처리에 대한 민감도가 존재한다는 점이다. 향후 연구에서는 가역성 근사화, 적응형 격자 밀도 조절, 그리고 GPU 기반 DFT 가속을 통한 실시간 구현 가능성을 탐색할 여지가 있다.