SISTEMAS ESTOCSTICOS.

ESTIMACIN DE SEALES - MASTER EN ESTADSTICA APLICADA AUTORA: CARMEN MARA SNCHEZ CAMPOY

Tema4
Estimacin en sistemas
lineales con
observaciones inciertas
RESUMEN

TRABAJO REALIZADO POR: CARMEN M SNCHEZ CAMPOY

PROFESORES:

M JESS GARCA-LIGERO RAMREZ

AURORA HERMOSO CARAZO
JOSEFA LINARES PEREZ

CURSO: SISTEMAS ESTOCSTICOS. ESTIMACIN DE SEALES.

MASTER ESTADSTICA APLICADA

1

SISTEMAS ESTOCSTICOS. ESTIMACIN DE SEALES - MASTER EN ESTADSTICA APLICADA AUTORA: CARMEN MARA SNCHEZ CAMPOY

Tema 4
Estimacin en sistemas lineales con observaciones inciertas
1.- Sistemas con observaciones inciertas:
Definimos el sistema, como:

x(k + 1) = (k + 1, k ) x(k ) + (k + 1, k ) w(k )

k0

z (k ) = (k ) H (k ) x(k ) + v(k )

k0

x(0) = x0

(1)
(2)

Donde:
A (1) se le llama ecuacin de transicin del estado y coincide con la ecuacin de
transicin del tema anterior de sistemas lineales discretos.
A (2) se le llama ecuacin de observacin, (diferente a la ecuacin de observacin
de los sistemas lineales discretos).

x0 estado inicial, vector n-dimensional de media cero y matriz de covarianzas P0 .

{ x(k ); k 0} proceso estocstico n-dimensional, estado del sistema.

{ w( k ); k 0} proceso estocstico r-dimensional, w( k ) se llama ruido del estado (

vector de perturbacin aleatoria del estado) con media cero y E w( k ) wT ( k ) = Q ( k ) .

(k + 1, k ) , (k + 1, k ) y H (k ) matriz determinsticas conocidas.

{ z (k ); k 0} y {v(k ); k 0} procesos estocsticos m-dimensionales,

vector de medidas u observaciones en el instante k

perturbacin

aleatoria

(o

ruido)

de

la

z (k ) se llama

v(k ) se llama vector de

observacin,

con media cero y

E v (k )v (k ) = R (k ) , siendo R (k ) definida positiva .

T

La probabilidad de que

z (k ) contenga nicamente ruido es 1 p (k ) y se llama

probabilidad de falsa alarma.

{ (k ); k 0} ruido

multiplicativo sucesin de v.a

(k ) b[ p(k )]

de Bernoulli con

P( (k ) = 1) = p (k ) .

x0 , {w(k ); k 0} , {v(k ); k 0} y { (k ); k 0} son mutuamente independientes

2.- Estimacin ptima de mnimos cuadrados:

Sabemos que el filtro ptimo es x (k / k ) = E [ x(k ) / Z k ] = x(k ) f ( x(k ) / Z k )dx(k )

Siendo

f ( x(k ) / Z k ) funcin de densidad condicionada de x(k ) y Z k = ( z T (0),..., z T (k ))T

Como z (0),..., z ( k ) son funcin de (0),..., ( k ) se tiene que:

f ( x(k ) / Z k ) =

k S k +1

f ( x(k ) / Z k , k ) P( k / Z k )

Luego, podemos escribir el filtro ptimo como:

x (k / k ) =

k S k +1

x (k / k ) P ( k / Z k )

con x ( k / k ) = E [ x( k ) / Z k , k ] = x( k ) f ( x( k ) / Z k , k ) dx( k ) el estimador de x(k )

condicionado a las observaciones Z k y a un valor concreto k S k +1 .

2

SISTEMAS ESTOCSTICOS. ESTIMACIN DE SEALES - MASTER EN ESTADSTICA APLICADA AUTORA: CARMEN MARA SNCHEZ CAMPOY

3.- Estimacin lineal mnimo cuadrtica:

3.1.- Algoritmo recursivo para el problema de filtrado lineal:
Teniendo en cuenta todo lo estudiado en los temas anteriores y utilizando las
expresines:
(1)

x (k / k ) = x (k / k 1) + K (k ) z (k / k 1)

x (0 / 0) = K (0) z (0 / 1)

k >0

(2)

x (k / k 1) = (k , k 1) x (k 1/ k 1)

x (0 / 1) = 0

k >0

Determinadas las innovaciones y las matrices de ganancia estas ecuaciones nos

proporcionan un algoritmo recursivo para el clculo del filtro.
PROCESO INNOVACIN

Para

{z (k / k 1); k 0} se
{

deduce que: z (k / k 1) = p (k ) H (k ) x (k / k 1) ,as el

proceso innovacin z ( k / k 1); k 0 , para este caso vienen dado por :

z (k / k 1) = z (k ) p (k ) H (k ) x (k / k 1)

z (0 / 1) = z (0)

k >0

Este proceso tiene media cero y matriz de covarianzas:

T
(k ) = E[ z (k / k 1) z (k / k 1)] = p (k )(1 p (k )) H (k ) D (k ) H T (k ) +

+ p 2 (k ) H (k ) P (k / k 1) H T (k ) + R (k )

(0) = p (0) H (0) P0 H T (0) + R (0)

Siendo:

D (k ) = E[ x(k ) xT (k )] = (k , k 1) D (k 1)T (k , k 1) + (k , k 1)Q (k 1)T (k , k 1)

D (0) = P0
y
T
P ( k / k 1) = E[ x (k / k 1) x ( k / k 1)] = ( k , k 1) P (k 1/ k 1)T ( k , k 1) +

Con:

+(k , k 1)Q(k 1)T (k , k 1)

P ( k / k ) = [ I p( k ) K ( k ) H (k )]P ( k / k 1)

P (0 / 1) = P0
El filtro lineal de mnimos cuadrados vienen dado por la frmula recursiva:

x (k / k ) = x (k / k 1) + K (k )[ z (k ) p(k ) H (k ) x (k / k 1)]
x (0 / 0) = K (0) z (0)

k >0

SISTEMAS ESTOCSTICOS. ESTIMACIN DE SEALES - MASTER EN ESTADSTICA APLICADA AUTORA: CARMEN MARA SNCHEZ CAMPOY

donde el predictor x (k / k 1) est dado por:

x (k / k ) = (k , k 1) x (k 1/ k 1)
x (0 / 1) = 0

La matriz de ganancia

K (k ) , k 0 :

K (k ) = p (k ) P (k / k 1) H T (k ) 1 ( k )