Filtro de Kalman

Filtro de Kalman

El filtro de Kalman es un algoritmo desarrollado por Rudolf E. Kalman en 1960 que sirve para poder identificar el estado oculto (no medible) de un sistema dinámico lineal, al igual que el observador de Luenberger, pero sirve además cuando el sistema está sometido a ruido blanco aditivo.[1] La diferencia entre ambos es que en el observador de Luenberger, la ganancia K de realimentación del error debe ser elegida "a mano", mientras que el filtro de Kalman es capaz de escogerla de forma óptima cuando se conocen las varianzas de los ruidos que afectan al sistema.

Contenido

Cálculo básico

Caso de tiempo discreto:

Se tiene un sistema dado por:

\quad x_k=A_{k-1} x_{k-1}+B_{k-1} u_{k-1}+w_{k-1}

\quad z_k=C_k x_k+v_k

donde:

\quad w_k es ruido blanco de valor promedio igual a cero y con varianza \quad Q_k en el instante k.

\quad v_k es ruido blanco de valor promedio igual a cero y con varianza \quad R_k en el instante k.

El filtro de Kalman permite identificar el estado \quad x_k a partir de las mediciones anteriores de \quad u_k, \quad z_k, \quad Q_k, \quad R_k y las identificaciones anteriores de \quad x_k.


Caso de tiempo continuo:

Se tiene un sistema dado por:

\quad \frac{d}{dt}x(t)=A(t) x(t)+B(t) u(t)+w(t)

\quad z(t)=C(t) x(t)+v(t)

donde:

\quad w(t) es ruido blanco de valor promedio igual a cero y con varianza \quad Q(t) en el intervalo de tiempo descrito como t.

\quad v(t) es ruido blanco de valor promedio igual a cero y con varianza \quad R(t) en el intervalo de tiempo descrito como t.

El filtro de Kalman permite identificar el estado \quad x(t+dt) a partir de las mediciones anteriores de \quad u(t), \quad z(t), \quad Q(t), \quad R(t) y las identificaciones anteriores de \quad x(t).

Extensibilidad

En el caso de que el sistema dinámico sea no-lineal, es posible usar una modificación del algoritmo llamada "filtro de Kalman extendido", el cual linealiza el sistema en torno al \hat x(t) identificado realmente, para calcular la ganancia y la dirección de corrección adecuada. En este caso, en vez de haber matrices A, B y C, hay dos funciones f(x,u,w) y h(x,v) que entregan la transición de estado y la observación (la salida contaminada) respectivamente. El modelo lineal dinámico con observación nolineal y no-Gausiano se estudia en este caso. Se extiende el teorema de Masreliez (ver. C. Johan Masreliez (1975)) como una aproximación de filtrado no-Gausiano con ecuación de estado lineal y ecuación de observaciones también lineal, al caso en que la ecuación de observaciones nolineal pueda aproximarse mediante la extensión de Taylor de segundo orden. [2]

Aplicaciones

Véase también

Notas

  1. ↑ Kalman, R. E.; A New Approach to Linear Filtering and Prediction Problems, Transactions of the ASME - Journal of Basic Engineering Vol. 82: pag. 35-45 (1960).
  2. ↑ T. Cipra & A. Rubio; Kalman filter with a non-linear non-Gaussian observation relation, Springer (1991).

Enlaces externos


Wikimedia foundation. 2010.

Игры ⚽ Поможем написать курсовую

Mira otros diccionarios:

  • Filtro de Kalman — El filtro de Kalman es un algoritmo desarrollado por Rudolf E. Kalman que sirve para poder estimar el estado de un sistema dinámico lineal, al igual que el estimador de Luenberger, pero sirve además cuando el sistema está sometido a ruido blanco… …   Enciclopedia Universal

  • Filtro adaptativo — Saltar a navegación, búsqueda La definición de filtro adaptativo es un dispositivo que intenta modelizar la relación entre señales en tiempo real de forma iterativa. Se diferencia de los filtros digitales comunes tipo IIR o FIR, en que éstos… …   Wikipedia Español

  • Filtro de Hodrick-Prescott — Saltar a navegación, búsqueda El filtro de Hodrick Pescott es un método para extraer el componente secular o tendencia de una serie temporal, propuesto en 1980 por Robert J. Hodrick y Edward C. Prescott.[1] Descompone la serie observada en dos… …   Wikipedia Español

  • Factorización de Cholesky — Saltar a navegación, búsqueda En matemáticas, la factorización o descomposición de Cholesky toma su nombre del matemático André Louis Cholesky, quien encontró que una matriz simétrica definida positiva puede ser descompuesta como el producto de… …   Wikipedia Español

  • Teorema de Masreliez — El teorema de Masreliez es un algoritmo recursivo a menudo empleado en estadística robusta y el método matemático de filtros de Kalman extendidos[1] y lleva el nombre del físico C. Johan Masreliez, su autor. Contenido 1 Historial 2 Aplicac …   Wikipedia Español

  • Alisado — En estadística y procesamiento de imágenes, suavizar un conjunto de datos es crear una función que intente capturar patrones importantes en los datos, dejando fuera el ruido. Para ello se emplean diversos algoritmos. Uno de los más comunes es la… …   Wikipedia Español

  • Suavizado — Saltar a navegación, búsqueda En estadística y procesamiento de imágenes, suavizar un conjunto de datos es crear una función que intente capturar patrones importantes en los datos, dejando fuera el ruido. Para ello se emplean diversos algoritmos …   Wikipedia Español

  • Controlabilidad — es una propiedad importante de un sistema de control, y juega un papel crucial en muchos problemas de control, como la estabilización de sistemas inestables, o el control óptimo. Controlabilidad y observabilidad son aspectos duales de un mismo… …   Wikipedia Español

  • Electrónica de control — Saltar a navegación, búsqueda Los sistemas de control son aquellos dedicados a obtener la salida deseada de un sistema o proceso. En un sistema general se tienen una serie de entradas que provienen del sistema a controlar, llamado planta, y se… …   Wikipedia Español

  • Observador de Luenberger — Este artículo o sección sobre ciencia necesita ser wikificado con un formato acorde a las convenciones de estilo. Por favor, edítalo para que las cumpla. Mientras tanto, no elimines este aviso puesto el 26 de junio de 2007. También puedes ayudar… …   Wikipedia Español

Compartir el artículo y extractos

Link directo
… Do a right-click on the link above
and select “Copy Link”