12:02
[610: mnc] Muestreo
no
convencional
(mutifrecuencia,
en
red):
planteamiento
de
la
problemática
***
12:02
[611: drt] Control
bifrecuencia
en
representación
interna
por
asignación
de
polos
****
10:39
[612: drml] Control
bifrecuencia
por
asignación
de
polos:
ejemplo
Matlab
****
16:49
En muchos casos, se dispone de muestras espaciadas de forma irregular y se desea estimar un estado interno o “filtrar” dicha señal.
Modelos entrada-salida. Cuando el problema se aborda desde un punto de vista entrada-salida en estado estacionario (usando autocorrelación, función de transferencia excitada por ruido, power spectral density) entonces los desarrollos se encuadran dentro de la teoría de “procesos estocásticos Gaussianos” y los “filtros de Wiener”. De hecho, los vídeos [ krigt(08:44)] (teoría) y [ krigtm(10:29)] (ejemplo Matlab) discutidos en el capítulo sobre procesos estocásticos realizan un filtrado (estimación en instantes no medidos) interpolando sobre datos irregulares conocida la función de autocovarianza o, equivalentemente, la densidad espectral de potencia. Por ello, se recomienda al lector que consulte dichos vídeos (y el material introductorio preliminar del capítulo, según sus conocimientos previos) para entender el enfoque del problema de estimación con muestreo no convencional en el marco de los modelos entrada-salida.
Modelos en representación interna. Este tipo de modelos requiere de modificaciones del filtro de Kalman. No dispongo por el momento de los materiales completos para abordar dicho tema en el caso más general (modelo en tiempo continuo muestrado irregularmente, caso sampled-data). Si todo se ciñe a tiempo discreto, las modificaciones del filtro de Kalman son bastante sencillas, y la siguiente subsección presenta un caso de estudio en Matlab que ilustra las ideas principales.
[613: rampNC] Fusión
sensorial
con
muestreo
no
convencional:
eliminación
de
derivas
y
rampas
Kalman/Rauch-Tung-Striebel
****
13:15