저 식(state space equation)에서 A,B,C,D를 추정하는게 control 아닙니다.
control이란 input이 주워졌을때 output으로 도달하는과정에 관한 학문으로, 주로 stability나 response time에 관해서 논합니다.
Linear control은 x(n+1) = A x(n) + Bu(n) 이란 관계식이 주워졌다고 가정하고 시작합니다.
관계식은 물리적인 관계식일 수도 있고, 본인이 찾은 관계식을 수도 있고요.
y(n) = C x(n) + Du(n) 에서 y는 output입니다. C와 D는 state ( x(n) )가 어떻게 주워졌냐에 따라, 무엇을 얻고 싶은지에 따라 변하는 값입니다.
또한, x(n+1) = A x(n) + Bu(n)이란 관계식이 있다고 해서 다 control이 되지 않습니다. controllability를 확인하셔야 됩니다.
제가 생각할때는, 센서 noise cancellation 할 수 있는 Kalman Filter가 쓰일수 있겠네요.
칼만 필터는 제가 알기로는 estimation의 기능으로, 우선 모델을 알때 즉, A,B,C,D를 알때,, 측정하기 까다로운 state (가량 x1, x2가 있을때, x2만 측정 가능할 때 )를 모델 업데이트와 측정치 업데이트를 recursive하게 돌림으로서, estimation 해 나가는 과정으로 알고 있고, 말씀하신 부분은 제어가 아니라 A,B,C,D를 찾아가는 system i.d. 부분입니다. 이를 하려면, state( x)를 먼저 적절하게 정의해주고, 거기에 따른 y또한 정의를 먼저 해야합니다.
1. x,y 적절히 정의 -> 2. system i.d. 방법을 통한 모델 identification (A,B,C,D 찾기) -> 3. 제어는 입력에 따른 시스템의 변화를 보는 것으로 지금 상황으로는 제어보다는 estimation 쪽에 가까운듯, 칼만 필터 등 다양한 observer theory를 통해서 측정하기 까다로운 state값 noise filtering.