자세 칼만필터 (Attitude Kalman Filter)
쉽게 풀면
자세 칼만필터는 여러 개의 부정확한 목격담을 종합해서 가장 그럴듯한 결론을 내리는 탐정과 비슷합니다. 태양센서, 자기장 센서, 자이로 같은 여러 센서는 각각 오차와 잡음을 가지고 있는데, 칼만필터는 이 정보들을 수학적으로 결합해서 실제 자세에 더 가까운 값을 계산해냅니다. 새로운 측정값이 들어올 때마다 이전 추정값을 조금씩 수정해 나가기 때문에 시간이 지날수록 더 정확한 추정이 가능해집니다.
왜 중요한가
실제 센서는 완벽하지 않고 항상 오차와 잡음을 포함하기 때문에, 단일 센서 값만으로 위성 자세를 결정하면 오차가 누적됩니다. 칼만필터는 여러 센서 정보를 통계적으로 융합해 오차를 줄이는 표준적인 방법이어서 자세결정 관련 논문에서 핵심적으로 다뤄집니다.
논문에서는 이렇게 쓰입니다
자이로 센서의 오차 성분과 위성의 실제 자세를 함께 추정하는 필터 설계를 설명한 문장입니다.
비선형 문제에 더 강한 형태의 칼만필터를 사용해 추정 정확도를 검증한 연구를 설명한 문장입니다.
조금 더 깊게 보면
자세 추정 문제는 쿼터니언이나 회전행렬처럼 비선형적인 표현을 다루기 때문에, 선형 칼만필터를 그대로 적용하기 어렵고 확장 칼만필터(EKF)나 무향 칼만필터(UKF) 같은 비선형 변형이 널리 쓰입니다. 필터는 예측 단계와 갱신 단계를 반복하며, 예측 단계에서는 자세 동역학 모델로 다음 상태를 예측하고 갱신 단계에서는 실제 센서 측정값으로 예측값을 보정합니다.
주의할 점
칼만필터는 시스템과 측정 잡음에 대한 통계적 가정(주로 정규분포)에 의존하므로, 실제 잡음 특성이 가정과 크게 다르면 추정 성능이 저하될 수 있습니다. 또한 초기값이나 모델이 부정확하면 발산할 위험도 있습니다.