Un estimador de estado FIR iterativo mejorado y sus aplicaciones

En este artículo, se propone un filtro de respuesta a impulsos finita (FIR) iterativo para modelos de espacio de estados discretos que varían en el tiempo, con el propósito de una nueva estrategia de inicialización para la estructura FIR iterativa, así como la consideración de posibles dinámicas de estado inesperadas en un horizonte finito. Se introduce una variable de compensación que satisface la propiedad gaussiana en la ecuación del estado, y su función de densidad de probabilidad (pdf) se estima analíticamente junto con la pdf de la variable de estado utilizando la técnica de inferencia bayesiana variacional. A diferencia de los métodos existentes, el filtro propuesto explota la estructura FIR desde la perspectiva de propagación de pdf, lo que proporciona una nueva forma eficiente de utilizar la estructura de filtrado FIR iterativa sin ningún esquema de inicialización particular. Además, los efectos de las incertidumbres (causadas por la inicialización y/o posibles dinámicas de estado no modeladas) en la salida del filtrado se aflojan de manera adaptativa. Dos ejemplos de aplicaciones demuestran que el algoritmo propuesto no solo puede proporcionar estimaciones óptimas cuando el modelo utilizado coincide perfectamente con las mediciones, sino que también puede exhibir una mejor robustez que el filtro de Kalman, el filtro FIR óptimo, el filtro FIR de máxima verosimilitud y algunos filtros de Kalman comúnmente utilizados que son robustos y/o adaptativos cuando el proceso subyacente sufre incertidumbres no previstas.