Análise Comparativa de um Sinal Aleatório Utilizando
Filtro de Wiener e Filtro de Kalman
Ricardo Bruno Osés de Oliveira
Prof. Dr. Rodrigo Pinto Lemos
Universidade Federal de Goiás
17 de Dezembro de 2018
Ricardo Bruno Osés de Oliveira Prof. Dr. Rodrigo Pinto Lemos
Short (UFG) title 17 de Dezembro de 2018 1 / 12 Tópicos
1 Introdução
2 Objetivos
3 Metodologia
4 Resultados
Ricardo Bruno Osés de Oliveira Prof. Dr. Rodrigo Pinto Lemos
Short (UFG) title 17 de Dezembro de 2018 2 / 12 Introdução
Análise Comparativa de um Sinal Aleatório Utilizando Filtro de
Wiener e Filtro de Kalman Um filtro pode ser definido como um dispositivo que atua em um conjunto de dados, visando a extração de informação relevante (Haykin, 2001) [1] Wiener estabeleceu as bases para a pesquisa ideal de filtros. Ele chegou a um estimador ótimo para processos estacionários baseado em critérios mı́nimos de erro quadrático médio. Kalman descreveu seu filtro usando técnicas de espaço de estado, que, ao contrário do modelo de Wiener, permite que o filtro seja usado como um filtro mais suave, ou como um preditor.
Ricardo Bruno Osés de Oliveira Prof. Dr. Rodrigo Pinto Lemos
Short (UFG) title 17 de Dezembro de 2018 3 / 12 Objetivos
Fazer uma análise comparativa da estimativa de predição média da
trajetória de um sinal aleatório utilizando filtro de Wiener e filtro de Kalman
Ricardo Bruno Osés de Oliveira Prof. Dr. Rodrigo Pinto Lemos
Short (UFG) title 17 de Dezembro de 2018 4 / 12 Metodologia
Dado um sinal aleatório x[n] obedecendo ao processo AR de ordem 4, com
os seguintes parâmetros: a1 =- 1.500 a2 = 1.338 a = -0.750 3 a4 = 0.375 Obtemos a equanção de estados:
E aplicamos o algoritmo para filtro de Wiener e filtro de Kalman usando o
matlab.
Ricardo Bruno Osés de Oliveira Prof. Dr. Rodrigo Pinto Lemos
Short (UFG) title 17 de Dezembro de 2018 5 / 12 Resultados
Figure: Comparação: trajetória real, amostra obervada e a trajetória estimada
para filtro de Wiener
Ricardo Bruno Osés de Oliveira Prof. Dr. Rodrigo Pinto Lemos
Short (UFG) title 17 de Dezembro de 2018 6 / 12 Resultados
Figure: Erro médio da estimativa para filtro de Wiener
Ricardo Bruno Osés de Oliveira Prof. Dr. Rodrigo Pinto Lemos
Short (UFG) title 17 de Dezembro de 2018 7 / 12 Resultados
Figure: Comparação: trajetória real, amostra obervada e a trajetória estimada
para filtro de Kalman
Ricardo Bruno Osés de Oliveira Prof. Dr. Rodrigo Pinto Lemos
Short (UFG) title 17 de Dezembro de 2018 8 / 12 Resultados
Figure: Erro médio da estimativa para filtro de Kalman
Ricardo Bruno Osés de Oliveira Prof. Dr. Rodrigo Pinto Lemos
Short (UFG) title 17 de Dezembro de 2018 9 / 12 Conclusão
Através dos resultados e análises da simulação acima, observamos que
tanto o filtro Wiener quanto o filtro de Kalman podem ser usados para estimar a forma de onda do par de sinais, e a trajetória estimada é próxima da trajetória real. Em comparação, o erro estimado pelo filtro Wiener é ligeiramente menor que o erro estimado pelo filtro de Kalman. Outro ponto analisado é que ao estimar com filtro Wiener e filtro de Kalman, o erro médio é relativamente grande no inı́cio, e o erro médio diminui gradualmente com o tempo.
Ricardo Bruno Osés de Oliveira Prof. Dr. Rodrigo Pinto Lemos
Short (UFG) title 17 de Dezembro de 2018 10 / 12 References