Resumen

El filtro de Kalman se aplica ampliamente en la fusión de datos de sistemas dinámicos bajo el supuesto de que el sistema y los ruidos de medición tienen una distribución gaussiana. En la literatura, se propuso el filtro Kalman de intervalo con el objetivo de controlar las influencias de las incertidumbres del modelo del sistema. También se ha propuesto el filtro de Kalman robusto para controlar los efectos de los valores atípicos. En este trabajo, se propone un nuevo algoritmo de filtro de Kalman de intervalo mediante la integración de la estimación robusta y el filtro de Kalman de intervalo en el que el ruido del sistema y los términos de ruido de observación se consideran simultáneamente. Los métodos de reducción de datos de ruido y de estimación robusta se introducen en el algoritmo de filtro de Kalman de intervalo propuesto. El nuevo algoritmo es igual al filtro de Kalman estándar en términos de cálculo, pero superior en la gestión de valores atípicos. La ventaja del algoritmo propuesto se demuestra experimentalmente utilizando la navegación integrada del Sistema de Posicionamiento Global (GPS) y el Sistema de Navegación Inercial (INS).

• Materias:Biotecnología Nanotecnología Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Nanotechnology Sensor networks Sensor system Sensor technology
• Palabras claves:filtro kalman de intervalo, algoritmo del filtro kalman de intervalo, nuevo algoritmo del filtro kalman de intervalo, sistema de posicionamiento global, sistema de navegación inercial, reducción de datos de ruido, términos de ruido de observación, filtro kalman robusto, métodos de estimación robustos, filtro kalman estándar
• Keywords:interval kalman filter, interval kalman filter algorithm, new interval kalman filter algorithm, global positioning system, inertial navigation system, noise data reduction, observation noise terms, robust kalman filter, robust estimation methods, standard kalman filter