Intelligent Extended Kalman Filter for Satellite Attitude Estimation via Machine Learning-based Anomaly Detection and Reinforcement Learning -driven Weight Optimization

위성 자세 추정은 지구 관측, 통신, 항법 및 탐사 임무 수행에 필수적이다. 기존 확장 칼만 필터 기반 융합 기법은 효율적이지만, 센서 이상이나 급격한 환경 변화에서 고정 가중치나 규칙 기반 로직만으로는 강건성이 제한되기 때문에 본 논문에서는 머신러닝 기반 이상 탐지와 시계열 신뢰도 예측, 그리고 강화학습 기반 가중치 최적화를 결합한 지능형 확장 칼만 필터 프레임워크를 제안하였다. 이 때, 자가부호화기를 활용해 이상을 검출하고, 신뢰도를 예측하며, 강화학습을 이용하여 센서 가중치를 동적으로 조절하였다. 정상 상태, 별 추적기 관측불가, 측정 손실, 급기동 및 방사선 잡음 시나리오에서 알고리즘을 검증한 결과, 제안 기법은 자세 추정 오차를 감소시키고 센서 불가용 상황에서도 추정 연속성을 유지하였다. 제안된 방법은 단순한 구조와 실시간 구현 가능성을 지니며, 차세대 위성 항법·자세 제어 시스템의 신뢰성 향상에 기여할 수 있다.