El Filtro de Kalman - Departamento de ElectrÃ³nica - Universidad de ...

More documents

Recommendations

Info

Proceso a estimar Introduction Filtro de Kalman Orígenes Descripción del Filtro de Kalman Ejemplo: Conclusiones Proceso Estocástico Lineal. { X k+1 = G · X k + H · U k + W k Y k = C · X k + V k , (10) donde: k ∈ Æ := índice de tiempo. X k ∈ Ê n := vector de estados. U k ∈ Ê r := vector de control. Y k ∈ Ê m := vector de medida. W k ∈ Ê n := ruido aleatorio del proceso. N(0, Σ W ) V k ∈ Ê m := ruido aleatorio de medida. N(0, Σ V ) Profesor: Daniel Pizarro Pérez Estimación estocástica: Filtro de Kalman
Proceso a estimar Introduction Filtro de Kalman Orígenes Descripción del Filtro de Kalman Ejemplo: Conclusiones Condición de partida importante Todos los procesos estocásticos involucrados deben tener distribución gaussiana. W k = N(0, Σ W y V k = N(0, Σ V ). X 0 = N(X 0 , Σ 0 ). Consecuencia X k e Y k son también gaussianos. Profesor: Daniel Pizarro Pérez Estimación estocástica: Filtro de Kalman
Page 1 and 2: Índice Observadores de Estado en P
Page 3 and 4: Introduction Filtro de Kalman Recor
Page 5 and 6: Introduction Filtro de Kalman Anál
Page 7 and 8: Introduction Filtro de Kalman Contr
Page 13 and 14: Introduction Filtro de Kalman Ruido
Page 21: Introduction Filtro de Kalman Oríg
Page 25 and 26: Introduction Filtro de Kalman Orige
Page 27 and 28: Introduction Filtro de Kalman Descr
Page 29 and 30: Ejemplo: Introduction Filtro de Kal
Page 31 and 32: Introduction Filtro de Kalman Oríg
Page 33 and 34: Ejemplo: Introduction Filtro de Kal
Page 35 and 36: Introduction Filtro de Kalman Ejemp
Page 37 and 38: Introduction Filtro de Kalman Ejemp
Page 39: Bibliografía Introduction Filtro d

El Filtro de Kalman - Departamento de ElectrÃ³nica - Universidad de ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?