Adquiriendo señal…
Adquiriendo señal…
Lección 8 de 9· Control y estimación
0 de 9 lecciones · 0 %
Una nave lleva casi siempre varios sensores que miden lo mismo de formas distintas: un radar rápido y ruidoso y un sistema óptico preciso pero lento; un giroscopio que sigue cada giro pero deriva y un sensor estelar que no deriva pero llega pocas veces por segundo. La fusión no elige el mejor: combina todos con el peso que merece cada uno. El filtro de Kalman lo hace sin cambiar nada de su estructura.
Deducción en una dimensión. Una predicción con varianza y medidas independientes con varianzas . Cada una es una gaussiana sobre el mismo estado; su producto (lección 3) es la gaussiana
Cada fuente pesa su información, .
Predicción 10 km con varianza 2; sensor A mide 11.20 km con varianza 1; sensor B mide 13 km con varianza 9. Pesos: 0.5, 1 y 0.111; A pesa 9 veces lo que B.
La varianza final es menor que la de cualquier fuente. Y hay una propiedad que lo hace práctico: corregir en secuencia da lo mismo. Corrigiendo primero con A (, queda 10.800 con varianza 0.667) y luego con B () se llega a 10.952 y 0.621; en el orden contrario se pasa por 10.545 y 1.636, pero se termina igual. Por eso el filtro puede procesar cada sensor cuando llega, sin esperar a los demás.
En la simulación de ochenta pasos del video, A (cada 5 pasos, km) unido con rectas da 0.98 km de error —haciendo trampa, porque para unir usa la medida siguiente—; B con filtro, 1.06; los dos en un solo filtro, 0.69. Entre dos medidas de A, el filtro no queda ciego: B rellena los huecos.
La actitud de un cubesat. El giroscopio mide la velocidad de giro; integrándola se obtiene el ángulo, pero con un sesgo de 0.02 rad/s la integral deriva rad en un minuto. Un sensor de ángulo (de horizonte o de Sol) mide directo y no deriva, pero tiene un ruido de 0.1 rad. En frecuencia, el error del giroscopio integrado crece como (enorme en las bajas) y el del sensor es plano: cada uno es bueno donde el otro es malo.
El filtro complementario aprovecha ese reparto con una sola constante:
El giroscopio integrado pasa por un paso alto y el sensor por un paso bajo; las dos funciones de transferencia suman uno, así que la señal verdadera pasa entera. Con s y , la constante de tiempo es s y la frecuencia de cruce Hz. En el video el error RMS en 60 s es de 0.686 rad para el giroscopio solo, 0.099 para el sensor y 0.045 para el complementario.
Deducción del desfase. Con el cubesat quieto en y el giroscopio midiendo solo su sesgo , el punto fijo del complementario cumple , de donde
Una ganancia fija deja un error permanente. Kalman lo elimina metiendo el sesgo en el estado, , con el modelo y : el giroscopio entra como entrada de la predicción y el sensor de ángulo como medida. Recalcula la ganancia y estima el sesgo: en el video converge a 0.0196 rad/s frente a 0.02 reales, y el error baja a 0.012 rad. En el modelo lineal y gaussiano es el estimador de varianza mínima: el complementario óptimo.
Con sensores a ritmos distintos —A cada 5 pasos, B cada paso, C cada 2— la regla es simple: predecir siempre, corregir con lo que llega. En 60 pasos, A corrige 12 veces, B 60 y C 30: 102 correcciones. La dibuja un diente de sierra: sube al predecir y baja con cada medida.
Si se apaga la antena ocho pasos, el filtro no se detiene: solo predice, y la banda de se abre (hasta 2.68 km en el video). Esa banda ancha es el filtro avisando cuánto duda.
Una medida retrasada es más delicada. A midió en el paso 45 pero el dato llega en el 48. Aplicarla como si fuera del paso 48 introduce un error sistemático: la sonda se movió km entretanto. Lo correcto, con modelo lineal y ruidos conocidos, es reprocesar: volver al estado guardado del paso 44, insertar la medida en su instante y rehacer 45 a 48. En el promedio de 40 realizaciones del laboratorio, el error RMS de los pasos 48 a 52 es de 0.82 km si no hubiera retraso, 1.05 km ignorando la medida, 1.30 km aplicándola como actual —peor que ignorarla— y 0.82 km reprocesando.
Fusión asíncrona pone en pantalla los tres sensores del video 8.3. La escena superior muestra el diente de sierra de y, debajo, las llegadas de A, B y C; la franja roja del apagón se arrastra sobre la gráfica y se alarga con su deslizador. Apaga B y verás crecer la cinco pasos seguidos entre medidas de A. Las lecturas comparan las cuatro estrategias para la medida tardía.
Una predicción con varianza 2 se corrige con un sensor de varianza 1 y otro de varianza 9. ¿Cuál es la varianza final?
Con todas las piezas montadas, la lección 9 las aplica a tres problemas reales: seguir un satélite en un pase sobre una estación terrena, mantener acotado el error de una navegación inercial con GPS y determinar la actitud con un giroscopio y un sensor estelar.
Cierre de la lección
Sigue el recorrido de la lección paso a paso.
Con una cuenta desbloqueas el cuestionario, el foro de dudas y el tutor con IA de esta lección, además del registro de progreso y el certificado verificable al terminar «Estimación y filtro de Kalman: seguir un objeto con medidas ruidosas».