A Tomografia por Impedância Elétrica (EIT) é um método que utiliza estimativas da distribuição de condutividade ou impedância de tecidos orgânicos na obtenção de imagens médicas. O procedimento de obtenção das imagens baseia-se em medições de correntes ou voltagens no contorno da região sob análise e na estimação de parâmetros de um modelo desta região. No caso de pacientes submetidos à respiração artificial, o conhecimento da distribuição absoluta ou das variações de condutividades nos pulmões auxilia na detecção de fenômenos como colapso alveolar ou pneumotórax e permite o ajuste e controle da vazão e pressão do ar fornecido, de modo a evitar a ocorrência de tais anomalias. Este trabalho apresenta algoritmos cujo objetivo é a solução do problema inverso e mal posto de estimar a distribuição absoluta e as variações de condutividades nos pulmões através da EIT para a geração de imagens em duas dimensões. O algoritmo para a estimação da distribuição absoluta de condutividade utiliza o filtro estendido de Kalman. As simulações numéricas mostram que, com medidas incorporando ruído cujo desvio padrão atinge até 12% da máxima voltagem, as estimativas de condutividades convergem para a distribuição esperada com um desvio inferior a 7% do valor da máxima condutividade. Quanto à detecção de variações de condutividades em relação a uma distribuição de condutividades tomada como referência...

A Tomografia por Impedância Elétrica (TIE) aplica-se no monitoramento contínuo e detecção de alterações pulmonares sérias. Principalmente no ambiente das unidades de terapia intensiva (UTI) para a avaliação das condições do paciente em estado crítico submetido à ventilação artificial sem que seja necessário retirar o paciente da UTI e dos diferentes instrumentos de assistência à vida. A técnica permite estimar alterações de impedância nos pulmões. O objetivo deste trabalho é diminuir o erro numérico num algoritmo desenvolvido para TIE, utilizando o Filtro Estendido de Kalman. Especificamente, esse algoritmo aplica-se na a obtenção de imagens dos pulmões do corpo humano. Para realizar tal objetivo foram projetados phantoms compostos por um recipiente circular com solução salina, dentro do qual é colado um objeto cilíndrico de vidro e 32 eletrodos localizados no contorno do recipiente. Foi desenvolvido um algoritmo em linguagem C, utilizando a técnica de Filtro Estendido de Kalman para estimação de parâmetros de um modelo de elementos finitos. Foram implementados o procedimento de renumeração da malha de elementos finitos, com o objetivo de obter uma matriz de condutividade de banda, e o procedimento de melhoramento iterativo da solução para diminuir o erro numérico de soluções de sistemas lineares. Foram comparados dois algoritmos...

Este trabalho apresenta através de simulação um estudo comparativo de estimadores de velocidade de motor de indução trifásico por meio de observadores de estado e da técnica do filtro de Kalman. É realizada uma análise comparativa de desempenho das estratégias de estimação determinísticas e estocásticas, com observadores adaptativos e estimadores baseados na teoria do filtro de Kalman estendido, respectivamente. A realização do trabalho visa a constatação dos procedimentos de elaboração, de operação e de aplicação destas técnicas de estimação usando um exemplo real com fins de ilustrar o ensino de controle e acionamento de máquinas elétricas. As simulações foram realizadas através do Matlab/Simulink com a utilização das ferramentas do Power System Blockset (PSB) e o algoritmo dos estimadores é escrito em programa Matlab e executado por uma função S-Function. Os resultados de simulação demonstram a eficiência de cada um dos estimadores propostos, no que se refere ao comportamento transitório, robustez a ruídos e variações nos parâmetros do motor.; This works presents through of the simulation a comparative study of the sensorless of speed estimation of induction three-phase motor using state observer and Kalman filter. A comparative analysis of the performance of the deterministic and stochastic estimation strategies using adaptive observers and estimators based on extended Kalman filter was realized. The work aims to verify the procedure of the elaboration...

O filtro de Kalman é amplamente conhecido e utilizado em aplicações, em virtude de apresentar diversas propriedades interessantes. Este trabalho aborda uma das características mais importantes, a estabilidade do filtro de Kalman aplicado a sistemas lineares discretos com saltos Markovianos. Sistemas desta classe são muito empregados em problemas práticos. Neste trabalho mostramos que o conceito de controlabilidade fraca e detetabilidade estocástica são condições suficientes para estabilidade do filtro de Kalman com relação a condição inicial. No que se refere a estabilidade no sentido mais usual, apresentamos resultados parciais, dependentes de uma condição adicional sobre a cadeia de Markov, bem como uma conjectura. O estudo da estabilidade do filtro de Kalman é relevante, pois filtros instáveis oferecem estimativas de baixa qualidade. O tema tem interesse teórico inerente e é bastante relevante para aplicações.O filtro de Kalman é amplamente conhecido e utilizado em aplicações, em virtude de apresentar diversas propriedades interessantes. Este trabalho aborda uma das características mais importantes, a estabilidade do filtro de Kalman aplicado a sistemas lineares discretos com saltos Markovianos. Sistemas desta classe são muito empregados em problemas práticos. Neste trabalho mostramos que o conceito de controlabilidade fraca e detetabilidade estocástica são condições suficientes para estabilidade do filtro de Kalman com relação a condição inicial. No que se refere a estabilidade no sentido mais usual...

A Tomografia por Impedância Elétrica tem como objetivo estimar a distribuição de impedância elétrica dentro de uma região a partir de medidas de potencial elétrico coletadas apenas em seu contorno externo quando corrente elétrica é imposta neste mesmo contorno. Uma das aplicações para esta tecnologia é o monitoramento das condições pulmonares de pacientes em Unidades de Tratamento Intensivo. Dentre vários algoritmos, destacam-se os filtros de Kalman que abordam o problema de estimação sob o ponto de vista probabilístico, procurando encontrar a distribuição de probabilidade do estado condicionada à realização das medidas. Para que estes filtros possam ser utilizados, um modelo de evolução temporal do sistema sendo observado deve ser adotado. Esta tese propõe o uso de um modelo de evolução para a variação de volume de ar nos pulmões durante a respiração de um paciente sob ventilação artificial. Este modelo é utilizado no unscented Kalman filter, uma extensão não linear do filtro de Kalman. Tal modelo é ajustado em paralelo à estimação do estado, utilizando um esquema dual de estimação. Um algoritmo de segmentação de imagem é proposto para identificar as regiões pulmonares nas imagens estimadas e assim utilizar o modelo de evolução. Com o intuito de melhorar as estimativas...

Neste trabalho, é abordado o problema da navegação de um veículo submarino autônomo. São propostos estimadores de estado que realizam fusão sensorial baseada em Filtro Estendido de Kalman. Esses estimadores de estado empregam as medidas dos seguintes sensores: uma unidade de medição inercial, um sensor de velocidade por efeito Doppler, um profundímetro e uma bússola. Primeiramente foi projetado um estimador de estados para o AUV Pirajuba, onde a estimação da orientação do veículo é realizada de forma desacoplada à estimação da velocidade e posição do veículo. Em seguida, foram desenvolvidos dois estimadores de estado que estimam orientação, velocidade e profundidade do veículo de forma acoplada. Para o projeto e testes dos estimadores mencionados anteriormente, foi empregada uma base de dados contendo um registro de medições reais dos sensores do veículo submarino autônomo Pirajuba, durante testes de campo no lago de uma represa. Os resultados dos testes validaram os estimadores de estado propostos nesse trabalho. Por último, foi realizada uma análise comparativa dos estimadores de estado mencionados.; This work concerns the navigation problem of an autonomous underwater vehicle. Some state estimators using sensorial fusion were proposed...

O processamento dos dados e a otimização dos processos químicos em tempo real ficarão mais importante com a competição crescente entres os produtores. Vários itens devem ser considerados para possibilitar a otimização em tempo real, como a medição, a confiança da medida e a predição do comportamento do processo. Neste trabalho considera-se vários aspectos de um esquema de controle avançado destes, quais são a monitorização de medida, identificação de sistema não linear e em tempo real (redes neuronais recorrentes) e otimização não linear com restrições. Um requisito é que este sistema é capaz de funcionar em condições severas com ruído da medição, perturbações não medidas e mudanças de processo, como a desativação de um catalisador. Todas estas ferramentas foram desenvolvidas na linguagem de programação FORTRAN e são disponíveis no laboratório LOPCA/UNICAMP. Utilizaram-se modelos validados para simular os processos, porém em alguns casos utilizaram-se dados industriais e dados de planta piloto para estudar os algoritmos desenvolvidos nesta tese. O ruído Gaussiano fracionário (fGn = fractional Gaussian noise) e o movimento Browniano fracionário (fBm = fractional Brownian motion) foram considerados de ser modelos adequados para monitorização de medida e foram aplicados nos dados de um piloto de um reator air-lift...

SANTANA, André M.; SOUZA, Anderson A. S.; BRITTO, Ricardo S.; ALSINA, Pablo J.; MEDEIROS, Adelardo A. D. Localization of a mobile robot based on odometry and natural landmarks using extended Kalman Filter. In: INTERNATIONAL CONFERENCE ON INFORMATICS IN CONTROL, AUTOMATION AND ROBOTICS, 5., 2008, Funchal, Portugal. Proceedings... Funchal, Portugal: ICINCO, 2008.; This work proposes a localization system for mobile robots using the Extended Kalman Filter. The robot navigates in an known environment where the lines of the floor are used as natural landmarks and identifiqued by using the Hough transform.The prediction phase of the Kalman Filter is implemented using the odometry model of the robot. The update phase directly uses the parameters of the lines detected by the Hough algorithm to correct the robot’s pose

The classical mean shift algorithm for tracking in perfectly arranged conditions constitutes a good object tracking method. However, in the real environment it presents some limitations, especially under the presence of noise, objects with varying size, or occlusions. In order to deal with these problems, this paper proposes a reliable object tracking algorithm using mean shift and the Kalman filter, which was added to the traditional algorithm as a predictor when no reliable model of the object being tracked is found. Experimental work demonstrates that the proposed mean shift Kalman filter algorithm improves the tracking performance of the classical algorithms in complicated real scenarios. The results involve the tracking of an object in a gray level and in a color sequence, with varying size and in presence of total occlusion.

A parallel algorithm for Kalman filtering with contaminated observations is developed. Theı parallel implementation is based on the square root version of the Kalman filter (see [3]). Thisı represents a great improvement over serial implementations reducing drastically computationalı costs for each state update.

The movement of the vehicle is an useful information for different applications, such as driver assistant systems or autonomous vehicles. This information can be known by different methods, for instance, by using a GPS or by means of the visual odometry. However, there are some situations where both methods do not work correctly. For example, there are areas in urban environments where the signal of the GPS is not available, as tunnels or streets with high buildings. On the other hand, the algorithms of computer vision are affected by outdoor environments, and the main source of difficulties is the variation in the ligthing conditions. A method to estimate and predict the movement of the vehicle based on visual odometry and Kalman filter is explained in this paper. The Kalman filter allows both filtering and prediction of vehicle motion, using the results from the visual odometry estimation.; This work was also supported by Spanish Government through the CICYT projects FEDORA (Grant TRA2010-20255-C03-01), Driver Distraction Detector System (Grant TRA2011-29454-C03-02) and by CAM through the projects SEGVAUTO-II.; Proceeding of: 14th International Conference, ACIVS 2012, Brno, Czech Republic, September 4-7, 2012

Bühlmann (1967) gave a formal Bayesian derivation of the credibility ratio estimators that actuaries had been using for many years. Since then various generalizations of Bühlmann's model have appeared in the literature, each relaxing the i.i.d. assumptions in its own way. The introduction of weights is due to Bülhmann & Straub (1970) and that the regressors to Hachemeister (1975), but the first comprehensive actuarial application of the Kalman filter is due to de Jong & Zehnwirth (1983). More recent efforts have concentrated on the robustification of these estimators, as they provedı to be extremely sensitive to large claims. Kremer (1991) studies a robust regression credibility model and Künsch (1992) tackles the weighted case. Following Kremer (1994) we propose here a robust Kalman filter credibility model.

Approved for public release; distribution is unlimited.; Extended Kalman filtering is used to provide estimates of the position and velocity of a target based upon observations of the target's bearing and range. Non-stationary noise is shown to degrade the performance of the filter and cause filter divergence. By estimating the noise power from the variance of the filter's residual we adapt the filter to compensate for varying noise power. This thesis also introduces the method of correlated maneuver gating to adapt the Kalman filter to target dynamics. By spatially and temporally correlating the Mahalanobis Distance of the residual, the Kalman filter's performance is increased while tracking tangentially accelerating targets. Monte Carlo simulations are run for three different sets of target dynamics: stationary, moving linearly, and accelerating tangentially. Results for the simulation show significant performance advantages of using correlated maneuver gating in conjunction with noise adaptation. These results should generalize to other applications of the extended Kalman filter whose state and observation spaces enjoy a one-to-one mapping; Civilian, Defense Mapping Agency

Approved for public release; distribution is unlimited; The use of Kalman filtering in tracking targets and the reconstruction of a target's track are addressed in two separate fusion schemes. First, the Kalman filter is used to provide estimates of the position and velocity of a target based upon observations of the target's bearing. Two sensors, a radar in receive mode and an infra-red sensor, take bearings to the target at different scan rates. This information is then fused within the filter to obtain the target's track. Secondly, range, bearing, and frequency are used in fusion. Kalman filtering, Kalman smoothing, and maneuver detection are all used in the reconstruction of a target's track. Improvements are implemented in the method of forcing the excitation matrix and the results documented.; http://archive.org/details/applicationofkal00terp; Lieutenant, United States Navy

A new algorithm is proposed that smoothly integrates the nonlinear estimation of the attitude quaternion using Davenport's q-method and the estimation of non-attitude states within the framework of an extended Kalman filter. A modification to the q-method and associated covariance analysis is derived with the inclusion of an a priori attitude estimate. The non-attitude states are updated from the nonlinear attitude estimate based on linear optimal Kalman filter techniques. The proposed filter is compared to existing methods and is shown to be equivalent to second-order in the attitude update and exactly equivalent in the non-attitude state update with the Sequential Optimal Attitude Recursion filter. Monte Carlo analysis is used in numerical simulations to demonstrate the validity of the proposed approach. This filter successfully estimates the nonlinear attitude and non-attitude states in a single Kalman filter without the need for iterations.

The Kalman filter is usually considered to be too computationally infeasible for image super-resolution due to the size of the images and thus the state space involved. This paper presents a computationally feasible, simplified time invariant steady-state Kalman filter approach to image super-resolution for the case of constant translational camera motion between low-resolution frames. Quantitative and aesthetic comparisons are made to the maximum a-posteriori (MAP) super-resolution approach, considered to be one of the standard super-resolution techniques, to demonstrate the Kalman filter's superiority despite the steady-state assumption.; C. Newland and D. Gray

Unmanned ground mobile robots are land-based robots which do not have a human passenger on board. They can be either autonomous, or controlled via telecommunication. For navigational purposes, GPS is often used. However, the GPS signal can be distorted in obstructive environments such as tunnels, urban canyons, and dense forests. IMUs can be used to provide an internal navigational solution, free from external input. However, low cost IMUs are prone to various intrinsic sources of error, which leads to large errors in the long run. Using the short term accuracy of the IMU, and the long term accuracy of the GPS, these two technologies are often integrated to combine the aforementioned aspects of the two systems. For integration of the two, various methods are implemented. Such integration methods include Particle Filters, and Kalman Filters. Kalman Filters are commonly used due to their simplicity in calculations. However, the Kalman Filter linearizes the nonlinear error estimates which are inherent with low cost IMUs. The Kalman Filter also does not account for IMU measurement drift, which is present when the measurement unit is used for a long period of time. In this thesis, a Parallel Cascade Identification (PCI) algorithm is augmented with the Kalman Filter (KF) to model the nonlinear errors which are intrinsic to the low cost IMU. The method of integration used was 2D GPS/RISS loosely coupled integration using a Kalman Filter. The PCI algorithm modelled the nonlinear error for the z-axis gyroscope while the GPS signal was available. During a GPS outage...

Aiming at overcoming the difficulties derived from the traditional camera calibration methods to record the underwater environment of a towing tank where experiments of scaled-model risers are carried on, a computer vision method, combining traditional image processing algorithms and a self-calibration technique was implemented. This method was used to identify the coordinates of control-points viewed on a scaled-model riser submitted to a periodic force applied to its fairlead attachment point. To study the observed motion, the riser was represented as a pseudo-rigid body model (PRBM) and the hypotheses of compliant mechanisms theory were assumed in order to cope with its elastic behavior. The derived Lagrangian equations of motion were linearized and expressed as a state-space model in which the state variables include the generalized coordinates and the unknown generalized forces. The state-vector thus assembled is estimated through a Kalman Filter. The estimation procedure allows the determination of both the generalized forces and the tension along the cable, with statistically proven convergence.; This work was supported by Brazilian National Council of Science and Technology (CNPq) as part of the Project 471880/ 2006-0 – 'Identification of Kinematics of Ships and Offshore Structures Using Computer Vision'. Third author also gratefully acknowledges CNPq for financial support

Construir um robô capaz de realizar tarefas sem qualquer interferência humana é um dos maiores desafios da Robótica Move!. Dispondo apenas de sensores, um robô autônomo precisa explorar ambientes desconhecidos e, simultaneamente, construir um mapa confiável a fim de se localizar e realizar a tarefa. Na presença de erros de odometria, o robô não consegue se auto-localizar corretamente em seu mapa interno e acaba por construir um mapa deformado e não condizente com a realidade. Este trabalho apresenta uma solução para o problema da auto-localização de robô moveis autônomos. Esta solução faz use de um método linear de calculo de estimativas chamado Filtro de Kalman para corrigir a posição do robô em seu mapa intern° do ambiente enquanto realiza a exploração. A proposta leva em consideração que toda entidade que se movimenta em um ambiente conta sempre com alguns pontos de referencia para se localizar. Estes pontos são implementados como objetos especiais chamados marcas de Kalman. Em simulação, o reconhecimento das marcas pode ser feito de duas maneiras: através de sua posição no mapa ou através de sua identidade. Nos experimentos realizados em simulação, o método é testado para diferentes erros no angulo de orientação do robô. Os resultados são comparados levando em consideração as deformações no mapa gerado...

In this research article a dynamic estimation of neuronal activity and brain dynamics from electroencephalographic (EEG) signals is presented using a dual Kalman filter. The dynamic model for brain behavior is evaluated using physiological-based linear models. Filter performance is analyzed for simulated and clinical EEG data, over several noise conditions. As a result a better performance on the solution of the dynamic inverse problem is achieved, in case of time varying parameters compared with the system with fixed parameters and the static case. An evaluation of computational load is performed when predicted dynamic cases, estimated using the Kalman filter, are up to ten times faster than the static case.