Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/334481
Type: DISSERTAÇÃO DIGITAL
Degree Level: Mestrado
Title: Filtragem estocástica : variação da estimativa como fonte de incerteza
Title Alternative: Stochastic Filtering : estimation variation as source of uncertainty
Author: Fernandes, Marcos Rogério, 1993-
Advisor: Val, João Bosco Ribeiro do, 1955-
Abstract: Resumo: Esta dissertação apresenta uma nova classe de estimadores em que a Variação da Estimativa pode Aumentar a Incerteza, denominada Estimadores EVIU (\textit{em inglês, Estimation Variation Increase the Uncertainty}). Esta nova classe de estimadores é aplicada na filtragem e predição do estado de sistemas, cuja dinâmica não é completamente conhecida, considerando que apenas um conjunto limitado de informações sobre o sistema verdadeiro está disponível. Estudos aqui apresentados indicam que esta abordagem pode produzir resultados melhores, quando comparados com outros métodos da literatura. Essa forma de tratar o problema de estimação toma como base resultados obtidos na área de Controle Estocástico no qual a Variação do Controle ou do Estado podem Aumentar a Incerteza, denominado Controle CVIU (\textit{Control or State Variation Increase the Uncertainty}). A principal estratégia adotada para essa nova classe de estimadores no contexto de filtragem é a formulação do problema de Mínimos Quadrados Regularizados com a adição de ruídos dependentes do valor absoluto da variação da estimativa, de forma a compensar incertezas de modelagem. Tal abordagem cria um novo paradigma para tratar o problema de estimação de sistemas subdeterminados e apresenta características inéditas, como uma região no espaço de inovação em que a não-variação da estimativa é a solução ótima. Baseado no método aqui proposto, uma variação do Filtro de Kalman é desenvolvida de forma a tratar sistemas cuja dinâmica é pouco conhecida. Ademais, uma extensão para tratar sistemas não-lineares também é desenvolvida. Aplicações típicas em que a estimação de estados é amplamente utilizada englobam sistemas na área de engenharia elétrica tais como rastreamento e navegação, robótica, controle e processamento de sinais, bem como aplicações em contextos biológicos e econômicos. Para ilustrar os benefícios do método proposto, ao final são realizados experimentos numéricos que são comparados com a literatura

Abstract: This work shows a new class of estimators in which the Estimation Variation might Increase the Uncertainty, named EVIU Estimator. This new class of estimators is employed to filtering and prediction of stochastic dynamic systems when just a rough model or only some historical information about the real system are available. This work shows that this approach can yield better results when compared with other methods from the literature. This alternative way to deal with the Estimation Problem has motivation from results achieved in the Stochastic Control context where the Control or State Variation Increase the Uncertainty, named CVIU. The main strategy adopted for this new approach on filtering problems is a modified version of the Regularized Least Square Problem with the introduction of an extra noise term dependent on the absolute value of estimation variation to compensate modeling uncertainties. Therefore, a novel paradigm to deal with the estimation of a poorly known dynamic system is provided. In addition, this approach indicates a region in the inovation space where the non-variation of the estimate is optimal. Based on such approach, a Kalman-type filter is provided for filtering of poorly known dynamic systems. An extension to a non-linear system is also included. Typical applications of this approach in electrical engineering problems are tracking systems, robotic navigation, state feedback control, and signal processing, besides unusual applications in Economic and Biologic System might also be employed. In order to demonstrate the benefits of this new approach, numerical experiments and comparisons are provided
Subject: Kalman, Filtragem de
Teoria da estimativa
Estatística robusta
Language: Português
Editor: [s.n.]
Citation: FERNANDES, Marcos Rogério. Filtragem estocástica: variação da estimativa como fonte de incerteza. 2019. 1 recurso online (77 p.). Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP.
Date Issue: 2019
Appears in Collections:FEEC - Tese e Dissertação

Files in This Item:
File SizeFormat 
Fernandes_MarcosRogerio_M.pdf1.24 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.