오랜만에 강좌를 시작해 보려고 한다. 이번에 시작할 강좌는 공대생이라면 한번쯤 들어봤을만한 <칼만필터> 이다.
우선 왜 필자가 칼만필터에 대해서 관심을 갖게 되었는지 끄적이자면 최근에 떠오르고 있는 비콘 기술을 찾다가 비콘이 사실은 사용자의 위치 파악을 위해서 나온 기술이 아니었는데 애플에서 iBeacon을 거리측정이 가능한 알고리즘을 넣어 제품화하면서 크게 이슈되었으며 이에 기반한 기술을 검색하다보니 또다시 칼만필터 라는 알고리즘에 봉착해 이번에는 제대로 칼만필터를 뽀개보자. 라고 생각하고 진행하고자 한다.
사실 기존에 만들어진 칼만필터 라이브러리를 가져다가 사용해도 되지만 엔지니어로써 궁금한건 파해쳐야 하기에 이참에 기본부터 제대로 다져볼려고 .... 콜럭 콜럭 하지만 초중고 때 공부를 너무 안한 관계로 굉장히 기나긴 여정이 될 것 같다. 어짜피 해야하는거 이번에 10강이 되던 100강이 되던 한번 최대한 쉽게 정리해 보려고 한다.
그럼 프롤로그는 여기까지 하고 칼만필터를 어떻게 정리해 볼 것 인지 일단 간략하게 목차를 잡아보자.
우선 기초조사를 했을 때 필요한 부분들을 정리해보면
선형 시스템, 비선형 시스템, 통계/확률의 이해, 평균, 표준편차, 분산, 공분산, 정규분포, 가우스, state space의 이해, Observer의 이해 등 (헉헉)
정도가 선행 학습으로 필요하다... (엄청난 선행학습 인것 같지만 이미 초중고때 다 배웠다는 ㅠ 필자는 기억안남)
여기서 잠깐 잡소리하자면 최근에 필자가 가장 관심 있어 하는 부분중에 하나가 바로 '예측' 시스템이다. 주식부터 인생까지 예측만 가능하다면 모든 부분에서 남들보다 이득을 볼 수 있는데 이 예측 가능한 기술중에 요즘 떠오르는 기계학습, 딥러닝, 인공지능 기술 등이 있지만 이번에 정리하는 '칼만필터'도 예측기술 중 하나이기에 제대로 파보려고 하는 것.
그럼 앞서 말했던 선행 학습부터 강좌를 진행해야 하는데 우선 순서는
1. 역사
2. 평균, 표준편차
3. 분산, 공분산
4. 가우스, 정규분포
5. 통계/확률
6. 선형시스템
7. 비선형시스템
8. state space 이해
9. observer 이해
.
.
.
요런식으로 진행할 예정이며 중간중간 진행하면서 분량 문제 또는 추가로 필요한 지식에 대해서 삽입, 수정 될 수 있음을 말한다.
그럼 다음 강좌부터 기나긴 여정을 시작해 보자.
No comments :
Post a Comment