일반 공분산 합집합과 최소 포락 타원체의 놀라운 동치성

본 논문은 양의 반정치(PSD) 행렬을 이용한 두 가지 전혀 다른 분야—통계적 데이터 융합과 기하학적 최소 포락 타원체(MEE) 문제— 사이에 깊은 연관성을 밝힌다. 서론에서는 PSD 행렬이 상태 추정의 불확실성을 표현하는 데 널리 사용되는 이유를 설명한다. 칼만 필터는 추정값과 그 공분산을 이용해 가우시안 가정 하에서 최적의 선형 결합을 제공하지만, 실제 센서 데이터는 독립성이나 정확한 교차 공분산 정보를 제공하지 못한다. 이러한 한계를 극복하기 위해 공분산 교차(CI)와 공분산 합집합(CU) 개념이 도입된다. CI는 알려진 교차 공분산을 활용해 일관된 결합을 수행하고, CU는 두 추정값이 서로 모순될 때 어느 쪽이 정확한지 모를 경우 두 추정값을 모두 포함하는 최소 크기의 공분산을 찾는다. CU의 수식은 U ≽ A + (u−a)(u−a)ᵀ, U ≽ B + (u−b)(u−b)ᵀ 이며, 여기서 “≽”는 반정치 순서를 의미한다. 논문은 이 CU 개념을 일반화하여 다수의 추정값에 적용 가능한 일반 공분산 합집합(GCU)을 정의한다. GCU는 각 추정값 (a_i, A_i) 에 가중치 ω_i∈