Resumen

El filtro de Kalman de cubatura (CKF) es un método de estimación para sistemas gaussianos no lineales. Sin embargo, su solución de filtrado se ve afectada por el error del sistema, lo que conduce a una estimación sesgada o divergente del estado del sistema. Este trabajo propone un CKF ponderado aleatoriamente (RWCKF) para solventar la limitación del CKF. Este método incorpora pesos aleatorios en el CKF para restringir la influencia del error del sistema en la estimación del estado del sistema mediante la modificación dinámica de los pesos del punto de cubatura. Se establecen teorías ponderadas aleatoriamente para estimar el estado previsto del sistema y la medición del sistema, así como sus covarianzas. Los resultados experimentales y de simulación, así como los análisis comparativos, demuestran que el RWCKF presentado resuelve el problema del CKF, lo que mejora la precisión de la estimación del estado del sistema.

• Materias:Biotecnología Sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology sensors Sensor system Sensor technology
• Palabras claves:estimación del estado del sistema, ckf, error del sistema, teorías ponderadas aleatoriamente, filtro kalman de cubatura, ponderaciones puntuales de cubatura, sistemas gaussianos no lineales, limitación del ckf, problema del ckf, rwckf conquista
• Keywords:system state estimation, ckf, system error, randomly weighted theories, cubature kalman filter, cubature point weights, nonlinear gaussian systems, ckf limitation, ckf problem, rwckf conquers