Medida+conversión, filtrado óptimo: Ejemplo Matlab (2/3), kalman discreto, continuo, vs. simple promedio

Antonio Sala, UPV

Dificultad: ***** ,       Relevancia: PIC,      Duración: 20:24

*Link to English version

Materiales:    [ Cód.: ESSensorTSTKlmVsDifFinPart1.mlx ] [ PDF ]

Resumen:

Este vídeo es continuación del [medex1], caso de estudio sobre el proceso de medición y conversión a digital + filtrado discreto cuyas ideas en abstracto se comentaron en el vídeo [medabs].

Tras resumir el vídeo anterior, aquí se calcula un filtro de Kalman en tiempo discreto con el comando kalman de Matlab y se compara la varianza de las medidas de posición y velocidad conseguidas con la del filtro de Kalman en tiempo continuo. Para períodos de muestreo bajos, los resultados en tiempo discreto y continuo son idénticos, lo que era el objetivo principal del caso de estudio.

La parte final del vídeo discute la precisión del uso más ‘simple’ de la medida que sería ‘creerse’ que el promedio durante Ts unidades de tiempo es la sen~al medida. Si el período de muestreo es pequen~o, eso es muy sensible a ruido de medida, si el período de muestreo es grande entonces es sensible a cambios en posición y velocidad durante el intervalo de promediado (foto ‘borrosa’ si se mueve el sujeto fotografiado). Por tanto, existe un tiempo de promediado (adquisición) óptimo en este caso; eso no ocurre con los filtros de Kalman discretos: cuanto más pequen~o es el período de muestreo, más cercano se está al resultado en tiempo contínuo.

*Usualmente se hacen simplificaciones y aproximaciones en los cursos de grado para no ampliar el orden de los modelos, ver vídeo [medex3red].

© 2026, A. Sala. Se reservan todos los derechos en materiales cuyo autor pertenezca a UPV.
Para condiciones de uso de material de terceros referenciado, consulte a sus autores.