칼만 필터의 이해
칼만 필터를 사용할 수 있는 다양한 실제 사례를 살펴볼 수 있습니다. 칼만 필터는 불확실하고 간접적인 측정값이 존재하는 상황에서 시스템의 내부 상태를 최적으로 추정하는 데 널리 사용됩니다. 다음의 입문 예제 영상을 통해 칼만 필터의 작동 원리를 배울 수 있습니다.
이 영상에서는 칼만 필터가 일반적으로 사용되는 상황들을 살펴볼 것입니다. 시스템의 상태를 직접 측정할 수 없을 때, 칼만 필터를 사용해 해당 시스템의 상태를 최적으로 추정할 수 있습니다. 그리고 서로 다른 센서로부터 측정값을 얻을 수 있지만 잡음이 포함된 경우, 칼만 필터를 사용해 다양한 출처의 센서 데이터를 결합(센서 융합이라고 함)하여 관심 있는 파라미터에 대한 최적 추정값을 찾을 수 있습니다.
간단한 수학을 포함하는 몇 가지 예제를 통해 상태 관측기에 대해서도 배우게 될 것입니다. 이를 통해 칼만 필터가 무엇인지, 그리고 어떻게 동작하는지 이해할 수 있습니다. 개념적으로 보면 칼만 필터는 최적 상태 추정기의 한 유형입니다. 이 영상에서는 확장 칼만 필터와 무향 칼만 필터와 같은 비선형 상태 추정기에 대해서도 함께 다룹니다.
마지막으로, 칼만 필터, MATLAB® 및 Simulink®를 사용해 선형 시스템의 상태를 추정하는 방법을 예제를 통해 보여줍니다.
몇 가지 예제를 단계별로 살펴보며 칼만 필터의 일반적인 용도를 알아볼 수 있습니다. 칼만 필터는 간접적이고 불확실한 측정값으로부터 시스템의 상태를 추정하는 데 사용되는 최적 추정 알고리즘입니다.
상태 관측기의 작동 원리를 배우고, 그 이면에 있는 수학적 개념을 알아볼 수 있습니다. 상태 관측기는 직접 측정할 수 없는 시스템의 내부 상태를 추정하는 데 사용됩니다.
칼만 필터의 작동 원리를 알아볼 수 있습니다. 칼만 필터는 예측된 상태와 잡음이 있는 측정값이라는 두 가지 정보 소스를 결합하여 최적의 무편향 상태 추정값을 생성할 수 있습니다.
칼만 필터 알고리즘을 구현하는 데 필요한 방정식들을 살펴봅니다.
이 영상에서는 확장 칼만 필터, 무향 칼만 필터, 입자 필터를 비롯한 비선형 상태 추정기의 기본 개념에 대해 다룹니다.
Simulink에서 칼만 필터를 사용해 단진자 시스템의 각위치를 추정할 수 있습니다. 시스템 모델, 초기 상태 추정값 및 잡음 특성과 같은 칼만 필터 블록 파라미터를 구성하는 방법을 배울 것입니다.
확장 칼만 필터를 사용해 비선형 진자 시스템의 각위치를 추정할 수 있습니다. 상태 천이 및 측정 함수와 같은 Extended Kalman Filter 블록 파라미터를 지정하고 C/C++ 코드를 생성하는 방법을 배울 것입니다.
