Filtro de Kalman

Introduo
Seu propsito utilizar medies de grandezas realizadas ao longo do tempo (contaminadas com rudo e outras incertezas) e gerar resultados que tendam a se aproximar dos valores reais das grandezas medidas e valores associados. O filtro de Kalman produz estimativas dos valores reais de grandezas medidas e valores associados predizendo um valor, estimando a incerteza do valor predito e calculando uma mdia ponderada entre o valor predito e o valor medido. O peso maior dado ao valor de menor incerteza. As estimativas geradas pelo mtodo tendem a estar mais prximas dos valores reais que as medidas originais pois a mdia ponderada apresenta uma melhor estimativa de incerteza que ambos os valores utilizados no seu clculo. Do ponto de vista terico, o filtro de Kalman um algoritmo para realizar, de forma eficiente, inferncias exatas sobre um sistema dinmico linear, que um modelo Bayesiano semelhante a um Modelo oculto de Markov, mas onde o espao de estados das variveis no observadas contnuo e todas as variveis, observadas e no observadas, apresentam distribuio normal (ou, frequentemente, distribuio normal multivariada).

Descrio tcnica
O filtro de Kalman um eficiente filtro recursivo que estima o estado de um sistema dinmico linear partir de uma srie de medies ruidosas. Na maioria das aplicaes, o estado completo do sistema muito maior (apresenta mais graus de liberdade) que os poucos parmetros passveis de serem medidos. Porm, ao combinar uma srie de medies, o filtro de Kalman capaz de estimar o estado completo.

Equacionamento
O filtro de Kalman utiliza um modelo dinmico de um sistema (as equaes do movimento, por exemplo), entradas de controle conhecidas e medies (como as de sensores) para gerar uma estimativa das grandezas variveis do sistema (seus estados). A estimativa obtida desta forma melhor que a estimativa obtida utilizandose qualquer uma das medidas unicamente. Assim, um algoritmo usual para fuso de sensores. Todas as medies e clculos baseados em modelos so, de certo modo, estimativas. Sinais ruidosos de sensores, aproximaes nas equaes que descrevem o comportamento do sistema e fatores externos no considerados introduzem incerteza sobre os valores inferidos para o estado de um sistema. O filtro de Kalman combina uma predio do estado de um sistema com uma nova medida usando uma mdia ponderada. A idia dos pesos que valores com menor incerteza estimada sejam mais "confiveis". Os pesos so calculados atravs da covarincia, uma medida da incerteza estimada da predio do estado do sistema. O resultado da mdia ponderada uma nova estimativa do estado, que se localiza entre o estado predito e o estado medido,

apresentando uma melhor incerteza estimada que qualquer um dos dois unicamente. Este processo repetido a cada passo de tempo, com a nova estimativa e sua covarincia gerando a predio usada na prxima iterao. Isto significa que o filtro de Kalman funciona recursivamente e requer apenas a ltima estimativa - no o histrico completo - do estado de um sistema para calcular o prximo estado. Quando executando os clculos para o filtro (como explicado abaixo), a estimativa do estado e as covarincias so representadas por matrizes, para tratar as mltiplas dimenses envolvidas num nico passo do clculo. Desta forma, possvel representar as relaes lineares entre diferentes variveis de estado (como posio, velocidade e acelerao) em qualquer um dos modelos de transio ou covarincias.