Filtro de Kalman extendido y filtro de partículas Kalman extendido para problemas de estimación No Lineal

Abstract

En este artículo se presenta una metodología basada en los algoritmos: filtro de Kalman extendido y filtro de partículas Kalman extendido para estudiar el problema de estimación de parámetros en modelos dinámicos con estructuras no lineales, pero con errores de observación Gaussianos, se plantea un modelo en la forma de espacio estado, donde los estados del sistema no observado son tratados como parametros, se utilizan técnicas recursivas de inferencia Bayesiana para predecir y actualizar la distribución a posterior y marginal de los estados. Ilustramos la propuesta estimando y reconstruyendo los estados de los mapas de Henon y Lorenz, además se reconstruye los estados y propiedades morfologicas de las señales de un modelo sintético de un electrocardiograma. Los resultados demuestran que los filtros tienen buen comportamiento en la estimación con de los estados. Finalmente se evalua el comportamiento de los algorítmos en términos de la desviación estandar empírica y los tiempos de computo CPU, observándose pequeñas variaciones en los errores estimados y una rapida ejecución en tiempo real. Palabras clave: Filtro de Kalman Extendido, Filtro de Partículas Kalman Extendido, Modelos no Lineales.