Estimación velocidad por diferencias finitas (4): comparación filtro Kalman

Antonio Sala, UPV

Dificultad: **** ,       Relevancia: ,      Duración: 15:19

Resumen:

Este vídeo concluye el caso de estudio de los vídeos [fdest1], [fdest2] y [fdest3], donde se abordó la estimación de la velocidad por diferencia finita ‘naive’, y la estimación óptima de mínima varianza con dos medidas de posición.

Con infinitas medidas pasadas para estimar velocidad, el resultado es el filtro de Kalman como estimador óptimo (recurrente, memoria infinita). La teoría no es el objetivo aquí, simplemente se utilizan los comandos dlqe y kalman para calcular la varianza del error de predicción y comprobar que como era de esperar, es menor que la de todas las opciones discutidas en vídeos anteriores.

La parte final del vídeo discute que la suposición de ruido de medida de varianza constante conforme disminuye el período de muestreo deja de ser exacta cuando el período de muestreo se acerca a las constantes de tiempo de los filtros de las sondas y la electrónica de conversión analógico-digital, por lo que, aunque las gráficas parecen indicar que conforme el período de muestreo se reduce el filtro de Kalman converge a un estimado de velocidad de error ‘cero’, eso no puede ser cierto físicamente. Por brevedad, no se da detalle teórico de todo ello, remitiéndose al lector a otros materiales (pendientes).

Colección completa [VER]:

• Anterior   Estimación velocidad por diferencias finitas (3): comparación con estimador óptimo ventana finita

• Siguiente Bayesian Optimization motivation (1/4): problem statement and model classes