Eliminación de derivas y rampas (4): suavizado Rauch-Tung-Striebel no causal

Antonio Sala, UPV

Dificultad: **** ,       Relevancia: ,      Duración: 06:00

Resumen:

Este vídeo continua el caso de estudio abordado en el vídeo [rampkalne]. De hecho, usa los resultados (matrices de varianzas-covarianzas) del filtro de Kalman no estacionario para iterar hacia atrás en el tiempo y reducir la incertumbre del estimado usando las medidas futuras. Se comparan los resultados del RTS smoother (ver teoría en el vídeo [rtsm]) con los resultados previos sobre los mismos datos (vídeos [rampdetr], [rampkales], [rampkalne]).

La aplicación del suavizado RTS en escenarios de muestreo no convencional sobre esta misma serie de datos se discute en el vídeo [rampNC].

La salida de un doble integrador ante ruido blanco de entrada en tiempo contínuo se conoce como el Integrated Wiener Process, y se analiza desde una perspectiva distinta (pero en esencia equivalente) en el vídeo [wienkrig], estimando a partir de matrices de varianzas-covarianzas; en ese vídeo también se comprueba que el resultado de la interpolación entre muestras es una spline cúbica, esto es, interpolación con funciones que son polinomios de grado tres “piecewise” (por tramos).

Colección completa [VER]:

• Anterior   Eliminación de derivas y rampas (3): filtro de Kalman no estacionario

• Siguiente Comparación observador óptimo (Kalman) versus derivación numérica en sistema de 2o orden: resultados inesperados