Estudi comparatiu dels filtres de Kalman i IMM per a navegació

Els sistemes híbrids de navegació integren mesures de posició i velocitat provinents de satèl·lits (GPS) i d’unitats de mesura inercials (IMU).Les dades d’aquests sensors s’han de fusionar i suavitzar, i per a aquest propòsit existeixen diversos algorismes de filtratge, que tracten les dades conjuntament o per separat. En aquest treball s’han codificat en Matlab els algorismes dels filtres de Kalman i IMM, i s’han comparat les seves prestacions en diverses trajectòries d’un vehicle. S’han avaluat quantitativament els errors dels dos filtres, i s’han sintonitzat els seus paràmetres per a minimitzar aquests errors. Amb una correcta sintonia dels filtres, s’ha comprovat que el filtre IMM és superior al filtre de Kalman, tant per maniobres brusques com per maniobres suaus, malgrat que la complexitat i el temps de càlcul requerit són majors.Aided navigation systems integrate position and speed measurements provided by satellites (GPS) and inertial measurement units (IMU). Data from these sensors must be fused and smoothed, and several filtering algorithms have been developed for this purpose. They use data from all sensors together or separately. In this work, Kalman and IMM filter algorithms have been coded in Matlab, and they have been applied to several vehicle paths, in order to compare their performances. Errors in both filters have been quantitatively estimated, and filter parameters have been tuned to minimize these errors. It has been seen that IMM filter is better than Kalman, when both of them are properly tuned, and both for sharp maneuvers and for smooth ones, although IMM filter is more complex and time demanding.Los sistemas híbridos de navegación integran medidas de posición y velocidad provenientes de satélites (GPS) y de unidades de medida inerciales (IMU). Los datos de estos sensores deben fusionarse y suavizarse, y a tal efecto existen diversos algoritmos de filtrado, que tratan los datos conjuntamente o por separado. En este trabajo se han codificado en Matlab los algoritmos de los filtros de Kalman e IMM, y se han comparado sus prestaciones en diversas trayectorias de un vehículo. Se han evaluado cuantitativamente los errores de ambos filtros, y se han sintonizado sus parámetros para minimizar dichos errores. Con una sintonía correcta de los filtros, se ha comprobado que el filtro IMM es superior al filtro de Kalman, tanto para maniobras bruscas como suaves. Ello no obstante, la complejidad y el tiempo de cálculo requerido son mayores