Todo sensor es ruidoso, y todo modelo es imperfecto. El filtro de Kalman combina ambos de forma óptima. La calculadora de la ganancia de Kalman realiza un paso del filtro de Kalman escalar. Con la estimación anterior, su varianza, el ruido de proceso, el ruido de medida y una nueva medida, da la ganancia de Kalman, la estimación actualizada, la varianza actualizada y el peso concedido a la medida.
Cómo se hace el cálculo
- Introduce tu estimación anterior de la magnitud y su varianza P, que mide su incertidumbre.
- Introduce el ruido de proceso Q, la incertidumbre que se añade con el tiempo, el ruido de medida R, la incertidumbre del sensor, y la nueva medida.
- La calculadora realiza un paso del filtro de Kalman escalar. El paso de predicción da P⁻ = P + Q, y la ganancia de Kalman es K = P⁻ / (P⁻ + R).
- El paso de actualización da la nueva estimación x = x₀ + K (z − x₀) y la nueva varianza (1 − K) P⁻. Repite el paso para cada nueva medida.
Ejemplo
Una estimación de la temperatura de una habitación es de 20 °C con una varianza de 4. El ruido de proceso es de 0,5 y el ruido del sensor de 2. La varianza predicha es 4 + 0,5 = 4,5, así que la ganancia de Kalman es 4,5 / (4,5 + 2) = 0,692. Una nueva medida de 22 °C desplaza la estimación 0,692 × 2 = 1,38 °C, hasta 21,38 °C, y la varianza baja a 1,385.
Por qué es útil
El filtro escalar es la manera más sencilla de entender la idea del filtro de Kalman que se encuentra en los teléfonos, los drones, los coches y las naves espaciales. Muestra cómo la ganancia depende de la incertidumbre y cómo disminuye la varianza tras cada medida. También ayuda a ajustar un filtro sencillo de un sensor sin un modelo de estado completo.
Qué conviene saber
La calculadora sirve para una sola magnitud con un modelo constante, un proceso de paseo aleatorio y un ruido gaussiano de varianza conocida. Los sistemas reales tienen varios estados, modelos no lineales y ruido no gaussiano, lo que exige versiones matriciales, el filtro extendido o el filtro de puntos sigma. Toma el resultado como una guía para suavizar un solo sensor.
Herramientas relacionadas
La calculadora de media móvil exponencial es el filtro de suavizado más sencillo, la de media ponderada combina valores con pesos, la de desviación típica mide la dispersión y la de regresión lineal ajusta una tendencia.