Resumen

A menudo existe un interés en conocer variables evolutivas que no son directamente observables; este es el caso en aeroespacial, control de ingeniería, imágenes médicas o asimilación de datos. Lo que se tiene a mano, sin embargo, son datos medidos que varían en el tiempo, un modelo que los conecta con las variables de interés y un modelo de cómo evolucionan las variables con el tiempo. Sin embargo, ambos modelos son solo aproximaciones y los datos observados están contaminados con ruido. Este es un problema inverso mal planteado. Se han ideado métodos, como el filtro de Kalman (KF), para extraer las cantidades de interés que varían en el tiempo. Estos métodos aplicados a este problema inverso, sin embargo, son lentos en términos de computación, ya que requieren multiplicaciones de matrices grandes e incluso inversión de matrices. Además, estos métodos generalmente no son adecuados para imponer ciertas restricciones. Este artículo introduce un nuevo algoritmo de filtrado iterativo basado en proyecciones alternas. Se realizaron experimentos con proyectiles en movimiento

• Materias:Ecuaciones elípticas Método asintótico Coeficiente variable Moléculas con fuerza Teoría de control óptimo
• Subjects:Elliptic equations Asymptotic method Variable coefficient Molecules with force Optimal control theory
• Palabras claves:Variables evolutivas; Aeroespacial; Control de ingeniería; Imágenes médicas; Asimilación de datos; Filtro de Kalman
• Keywords:Evolving variables; Aerospace; Engineering control; Medical imaging; Data assimilation; Kalman filter