칼만 필터와 차분 비교: 속도 추정 잡음 계산
실험실은 잡음 섞인 센서 두 개로 숨은 속도를 알아낼 수 있는지 묻습니다. 이 노트는 필터가 넘어야 할 기준을 정합니다. 20 ms마다 각도 센서를 차분하는 것이 가장 쉬운 대안이고, 그 잡음은 손으로 계산할 수 있습니다. 그다음 필터가 가정한 센서 잡음을 센서의 실제 잡음과 비교합니다.
실험실의 숨은 속도 추정하기 실험에 딸린 이론 노트입니다. 실험은 실험실에서 하고, 무엇이 왜 보일지는 여기서 미리 계산합니다.
이 실험에 쓰이는 모델
LQR 역진자 카트 실행(qx = 10, qθ = 100, R = 1, 1.4초에 1.2 N·s 충격)에 잡음 설정 0.3을 씁니다. 위치 측정에는 ±0.015 m, 각도 측정에는 ±0.0075 rad의 균일 잡음이 섞입니다. 필터는 20 ms마다 이산 모델로 예측하고 두 측정으로 보정하며, 과정 분산 0.00001과 두 센서 모두에 센서 분산 0.001을 가정합니다. 제어기는 여전히 실제 상태를 쓰므로 움직임은 LQR 실험과 같습니다.
여기서 중요한 단순화
- 필터의 모델은 선형 20 ms 모델이며 비선형 항도, 모델에 없는 외란인 충격도 모릅니다.
- 센서 잡음은 샘플마다 독립인 균일 분포이고, 필터는 이를 주어진 분산의 정규 분포로 가정합니다.
손으로 먼저 예측하기
±a의 균일 오차는 σ = a/√3이므로 각도 센서의 σ는 0.248°, 위치 센서는 8.66 mm입니다. 필터는 둘 다 σ = √0.001 = 0.0316, 즉 1.81°와 31.6 mm로 가정하므로 7.3배, 3.7배 비관적입니다. 원시 각도를 20 ms 간격으로 차분하면 각속도 잡음은 √2·σ/Tₛ입니다.
시뮬레이션 결과와 비교
3초부터 끝까지 엔진의 원시 각도 측정은 RMS 0.26° 어긋나고 이를 차분하면 RMS 17.75 °/s로 손 계산과 같습니다. 필터의 각도 추정 오차는 RMS 0.18°, 막대 각속도 추정 오차는 1.25 °/s에 불과합니다. 차분이라면 키웠을 잡음 대부분을 모델이 걸러 냅니다. 충격 구간(1.4~2.4 s)에는 충격이 필터 모델에 없으므로 각속도 오차가 RMS 12.41 °/s로 커집니다.
다음에 바꿔 볼 것
- 가정한 센서 분산을 0.1로 올리기
필터가 센서를 더욱 믿지 않으므로 매끄럽지만 늦은 추정을 예측합니다. 3초 이후 엔진의 각도 추정 오차는 RMS 2.64°, 각속도는 19.10 °/s로 원시 차분보다 나쁩니다.
- 0.00001로 낮추기
각도 센서의 실제 분산 (0.0075 rad)²/3 = 1.9 × 10⁻⁵ rad²에 가까우므로 추정이 더 시끄러워지는 것이 아니라 더 좋아진다고 예측합니다. 3초 이후 엔진의 오차는 RMS 0.14°와 0.92 °/s로 줄어듭니다.
이 결과를 읽을 때 흔한 실수
- 추정이 움직임을 바꾸리라 기대하는 것. 여기서 제어는 실제 상태를 쓰므로 실행은 LQR 실험과 똑같고 최대 기울기도 18.43°입니다.
- 가정한 분산을 크게 잡는 것이 안전하다고 생각하는 것. 필터가 좋은 데이터를 무시하게 됩니다. 가장 좋은 값은 센서의 실제 분산입니다.
- 충격 구간만 보고 필터를 판단하는 것. 필터 모델에 충격이 없으므로 그 구간의 오차는 센서 잡음이 아니라 모델 불일치를 잽니다.
이어서 볼 곳
실험실에서 이 실험 해 보기에서 결과를 고정하고 위의 두 가지 변화를 시험해 보세요.