Resumen

El filtro óptimo local está diseñado para una clase de sistemas discretos en tiempo sujeto a funciones de no linealidad estocástica, ruidos correlacionados de pasos finitos y medidas faltantes. Los ruidos multiplicativos se emplean para describir las perturbaciones aleatorias en el modelo del sistema. Los fenómenos de medidas faltantes ocurren de manera aleatoria y la probabilidad de falta está caracterizada por variables aleatorias distribuidas de Bernoulli con probabilidades condicionales conocidas. Basado en la teoría de proyección, se construye una clase de filtro óptimo local tipo Kalman y la matriz de covarianza del error de filtrado se minimiza en el sentido del principio de mínimo error cuadrático medio. Además, al resolver la ecuación matricial recursiva, podemos obtener la ganancia del filtro. Finalmente, se proporcionan dos ejemplos: uno es un ejemplo numérico para ilustrar la viabilidad y efectividad del esquema de filtrado propuesto; el otro es para resolver el problema de estimación de objetivo para un sistema de seguimiento considerando

• Materias:Comportamiento asintótico Entropía del gráfico Seguridad dinámica Polinomios diferenciales Gráfico monocíclico
• Subjects:Asymptotic behavior Entropy of the graph Dynamic safety Differential polynomials Monocyclic graph
• Palabras claves:Filtro; Estocástico; Ruidos; Mediciones faltantes; Tipo Kalman; Matriz de covarianza
• Keywords:Filter; Stochastic; Noises; Missing measurements; Kalman-type; Covariance matrix