Universidad de Buenos Aires

Facultad De Ingenier

a
A no 2013 - 1
er
Cuatrimestre
Procesamiento de Se

nales (66.38)
TRABAJO PR

ACTICO
TEMA:Estimaci on de par ametros utilizando LS
FECHA:13 de agosto de 2013
INTEGRANTES:
ZULOAGA MELLINO, Juan Antonio - #89537
<skirhir@gmail.com>
66.38 - Procesamiento de Se nales I Juan Ignacio Giribet

INDICE

Indice
Enunciado 2
1. Modelo 6
2. Replanteo LS del problema 6
3. Estimaci on LS 7
4. Error de estimaci on 7
5. Resultados de la Estimaci on de parametros 8
6. Trayectoria 8
7. N mnimo 9
1
Trabajo pr actico de procesamiento de se nales - Estimaci on de
par ametros utilizando LS
1. Objetivo
Se desea estimar los errores que afectan a un instrumento de medicion, mas precisamente, dos ace-
lerometros. Para esto, se cuenta con datos obtenidos de un ensayo al cual se sometieron los acelerometros.
Conociendo la clase de errores que afectan a los acelerometros, se debera deducir como, a partir del ensayo
realizado, estimar los valores de estos errores.
2. Motivaci on
Se desea conocer la trayectoria (posicion, velocidad y aceleracion) de un vehculo (ver gura 1), el
cual esta equipado con dos acelerometros, ubicados en las direcciones (ortogonales) x e y del vehculo. Se
supone que, en todo instante de tiempo la orientacion del vehculo es conocida, es decir que alcanza con
conocer la posicion respecto al eje x e y del vehculo. Tambien se conocen la posicion y la velocidad en el
instante inicial (t
0
= 0seg). Para calcular la posicion del vehculo se integran, dos veces, las mediciones de
los acelerometros. Debido a que los acelerometro poseen cierto error de medicion, la trayectoria calculada
no coincidira con la real:
A
medida
= A
real
+ Errores
acel
V
calculada
(t) = V
inicial
+

t
t0
A
medida
()d = V
real
(t) +

t
t0
Errores
acel
()d
P
calculada
(t) = P
inicial
+

t
t0
V
calcuada
()d = P
real
(t) +

t
t0

t0
Errores
acel
()d,
donde las posiciones, velocidades, aceleraciones y errores, tienen componentes en las direcciones x e y.
Con el n de reducir el error en el calculo de la trayectoria, se desea eliminar, o al menos minimizar,
los errores de los acelerometros. Para esto se realizan dos ensayos (pruebas de laboratorio). En el primer
ensayo se determina que los errores que afectan a los acelerometros son de tres clases diferentes:
1
66.38, Proc. de se nales, TP de LS - 2 MOTIVACI

ON
Trayectoria
calculada
Ax
Ay
Trayectoria
real
Figura 1: Vehculo del cual se desea estimar su trayectoria.
Ruido blanco: a la medicion de aceleracion se le suma un ruido blanco gaussiano, de media cero y
varianza conocida.
Sesgo en la medicion: al valor de aceleracion se le suma un valor constante, del cual no se ha podido
determinar su valor.
Factor de escala: al valor de aceleracion se le suma un error proporcional al valor medido, el valor
de dicha constante de proporcionalidad no ha podido determinarse.
De esta forma la aceleracion medida se relaciona con la aceleracion real mediante el siguiente modelo:
A
medida
= A
real
+ (Error
escala
) A
real
+ Error
sesgo
+ Ruido,
donde Error
escala
, Error
sesgo
R
2
(componente x e y), desconocidos.
Para determinar el valor del sesgo y el factor de escala, se procede a realizar el segundo ensayo: se
ubican los acelerometros en una supercie, dejandolos medir la gravedad (cuyo valor se supone 9.8 m/s
2
).
Luego, esta supercie comienza a rotarse (con angulo conocido), como indica la gura 2. Conociendo el
valor del angulo rotado y la medicion de los acelerometros, se pretende estimar el valor del sesgo y del
factor de escala.
2
66.38, Proc. de se nales, TP de LS - 3 SIMULACIONES
Ay
Ax
0
g
Figura 2: Vehculo del cual se desea estimar su trayectoria.
Ejercicios
1. Indique como hara para, a partir de los datos del ensayo, armar un modelo (y = Ax + ) que le
permita estimar los sesgos y factores de escala para cada uno de los acelerometros.
2. Estime los valores de los sesgos y factores de escala, a partir de los datos del ensayo (archivo:
ensayo.mat) que se le suministraron. Calcule la varianza del estimador.
3. Calcule la trayectoria del vehculo. De las posiciones de los cuatro puntos suministrados A,B,C o D
(archivo: puntos.mat) a cual de ellos llega el vehculo?.
4. Suponga que, para resolver el item 2, por limitaciones en la capacidad de computo, no puede resolver
el problema de estimacion LS, utilizando todos los datos del ensayo. Indique cual sera la cantidad
mnima de muestras del experimento (N), que podra usar para distinguir si el vehculo llega al
punto A,B,C o D. Si bien no es posible garantizar que para un cierto N, se puede determinar A, B,
C o D (por que?), explique (en forma clara y sucinta) cual es su razonamiento y consideraciones
que haya tenido en cuenta.
3. Simulaciones
Los archivos fueron generados con el software FreeMat-3.6, el cual es un ambiente de desarrollo
y analisis de datos para aplicaciones cientcas y de ingeniera. Es un software gratuito y de codigo
3
66.38, Proc. de se nales, TP de LS - 3 SIMULACIONES
abierto. Es similar al software comercial MATLAB de la empresa Mathworks. De hecho, la sintaxis es
com un entre ambos softwares, al igual que los formatos de archivos. El FreeMat-3.6 puede descargarse de
(http://freemat.sourceforge.net/), para Linux, Mac y Windows, incluso el codigo fuente.
Descripcion de los archivos
A continuacion se describe el contenido de cada uno de los archivos que debe utilizar para resolver el
problema propuesto:
Todos los archivos .mat se pueden cargar con el FreeMat-3.6, mediante el comando load.
ensayo.mat: Son los datos del ensayo realizado a los acelerometros. Contiene dos variables. La
primera, llamada tita, contiene los calores del angulo rotado (ver gura 2), en la segunda, llamada
datos, se encuentran los valores de aceleraciones medidas en x e y, respectivamente, correspondientes
a cada angulo .
puntos.mat: Contiene cuatro variables, llamadas A, B, C y D, contienen la posicion (x, y), de los
puntos A, B, C y D, respectivamente.
acel.mat: Es la aceleracion medida durante la trayectoria del vehculo (ver gura 1). Contiene dos
variables, la primera, llamada t, contiene el tiempo en segundos. La segunda, llamada acel, contiene
la aceleracion en los ejes x e y, respectivamente.
datos.txt: Es un archivo de texto. Contiene informacion adicional sobre la trayectoria: posicion inicial
y velocidad inicial, as como la varianza del ruido blanco de los acelerometros.
4
1 Modelo
1. Modelo
Las especicaciones del problema establecen para cada sensor que
A
medida
= A
real
+ (Error
escala
) A
real
+ Error
sesgo
+ Ruido (1.1)
Es un modelo evidentemente lineal, que expandido a 2 dimensiones puede
plantearse en forma matricial como:
_
a
mx
a
my
_
=
_
1 +
x
0
0 1 +
y
_ _
a
x
a
y
_
+
_
s
x
+
x
s
y
+
y
_
(1.2)
Falta encontrar quienes son las aceleraciones estmulo a la entrada. Cambiando
la referencia del ensayo, se pueden pensar las direcciones de los acelerometros
jas, y que quien rota es el vector gravedad. Utilizando una matriz de rotaci on se
encuentra que:
a = R
1

g (1.3)
_
a
x
a
y
_
=
_
cos sin
sin cos
_ _
0
g
_
(1.4)
Hacer cambio de la referencia, implico invertir el signo de en la matriz de
rotaci on, que equivale a utilizar una matriz rotaci on inversa (en sentido horario).
2. Replanteo LS del problema
Se identican 4 par ametros a estimar: s
x
y s
y
, sesgos de los sensores, e
x
= 1+
x
y e
y
= 1 +
y
, factores de escala de las mediciones.
Un tratamiento de LS requiere que los par ametros desconocidos sean las en-
tradas del sistema, lo que requiere replantear 1.2 como:
y = Ax + (2.1)
_
a
mx
a
my
_
=
_
a
x
1 0 0
0 0 a
y
1
_
_

_
e
x
s
x
e
y
s
y
_

_
+
_

y
_
(2.2)
A partir de 1.4 se puede expandir:
A =
_
a
x
1 0 0
0 0 a
y
1
_
=
_
g sin 1 0 0
0 0 g cos 1
_
(2.3)
Por ultimo se agranda el modelo para que incluya los N angulos de medici on:
_

_
a
mx1
a
my1
a
mx2
a
my2
.
.
.
a
mxn
a
myn
_

_
=
_

_
g sin
1
1 0 0
0 0 g cos
1
1
g sin
2
1 0 0
0 0 g cos
2
1
.
.
.
.
.
.
.
.
.
.
.
.
g sin
n
1 0 0
0 0 g cos
n
1
_

_
_

_
e
x
s
x
e
y
s
y
_

_
+
_

x1

y1

x2

y2
.
.
.

xn

yn
_

_
= (2.4)
6
3 Estimaci on LS
3. Estimaci on LS
Se puede encontrar la expectaci on de y a partir de 2.1:
IE[y] = Ax (3.1)
Busco encontrar un estimador x que permita minimice y y siendo
y = A x (3.2)
Si se reemplaza en 2.1 los par ametros x por su estimaci on, se encuentra que:
y = A x + (3.3)
IE[ y] = AIE[ x] (3.4)
Por lo que IE[y y] = 0 cuando x es insesgado.
El mnimo error se encuentra cuando
x
y y
2
= 0
y y = y A x (3.5)
y y
2
= (y A x)

(y A x) (3.6)
y y
2
= y

y 2 x

y + x

A x (3.7)

x
y y
2
= 2A

y + 2A

A x (3.8)
El x optimo cumple
A

y = A

A x (3.9)
Si existe
_
A

1
ser a
x =
_
A

1
A

y (3.10)
4. Error de estimaci on
A partir de 3.10 y 3.1 se puede ver que x resulta insesgado:
IE[ x] =
_
A

1
A

IE[y] (4.1)
IE[ x] =
_
A

1
A

A[x] = x (4.2)
Asumiendo IE[
x

y
] = 0, tenemos total independencia entre las coordenadas, y
podemos reducir el analisis 2.4 en una direcci on. Para x tenemos:
_

_
a
mx1
a
mx2
.
.
.
a
mxn
_

_
=
_

_
g sin
1
1
g sin
2
1
.
.
.
.
.
.
g sin
n
1
_

_
_
e
x
s
x
_
+
_

x1

x2
.
.
.

xn
_

_
= (4.3)
Un resultado similar se encuentra en la direcci on y.
7
5 Resultados de la Estimaci on de par ametros
Planteando la matriz de covarianza del estimador, para las coordenadas sepa-
radas se obtiene:
C( x) = IE[( x x)( x x)

] (4.4)
= IE[ x x

] xIE[ x

] IE[ x]x

+xx

(4.5)
= IE[ x x

] xx

(4.6)
=
_
A

1
A

IE[yy

]A
_
A

1
xx

(4.7)
IE[yy

] = IE[(Ax +)(x

) (4.8)
= Axx

+
2

I (4.9)
C( x) =
2

_
A

1
(4.10)
5. Resultados de la Estimaci on de parametros

x
= 0,0301 (5.1)
s
x
= 0,0767 (5.2)
C( x) =
_
2,6031E 07 8,9175E 19
8,9176E 08 1,2499E 05
_
(5.3)

y
= 0,01 (5.4)
s
y
= 0,0175 (5.5)
C( y) =
_
6,6632E 07 3,2648E 10
3,2648E 10 3,1988E 05
_
(5.6)
6. Trayectoria
Tras realizar la correccon de las mediciones a partir de los par ametros estima-
dos, se integro numericamente la trayectoria mediate el metodo de los trapecios.
8
7 N mnimo
0 100 200 300 400 500 600
0
50
100
150
200
250
A
B
C
D
x
y
Figura 6.1: Trayectoria calculada y posibles puntos de destino.
7. N mnimo
El siguiente an alisis despreciara el error numerico introducido por el metodo
de integraci on.
La posici on P en el instante n calculada mediante trapecios, se expresa como:
P
n
= P
n1
+
A
n
+ A
n1
2
t
2
+ V
n1
t (7.1)
Al desarrollar la expresi on se encuentra que:
P
0
= P
0
(7.2)
P
1
= P
0
+
A
0
+ A
1
2
t
2
+ V
0
t (7.3)
P
2
= P
0
+
A
0
+ A
1
2
t
2
+ V
0
t
. .
P
1
+
A
2
+ A
1
2
t
2
+ (
A
0
+ A
1
2
t + V
0
. .
V
1
)t(7.4)
= P
0
+ (2
A
0
+ A
1
2
+
A
2
+ A
1
2
)t
2
+ 2V
0
t (7.5)
.
.
. (7.6)
P
n
= P
0
+
1
2
n

i=1
i(A
n+1i
+ A
ni
)t
2
+ nV
0
t (7.7)
9
7 N mnimo
Reordenando los terminos de la sumatoria se obtiene:
P
n
= P
0
+
1
2
_
n1

j=0
jA
nj
+
n

i=1
iA
ni
_
t
2
+ nV
0
t (7.8)
P
n
= P
0
+
_
nA
0
+
n1

i=1
(2i 1)A
ni
+ A
n
_
t
2
2
+ nV
0
t (7.9)
El error acumulado en la posicion nal surge del termino del medio.
Por otro lado, es necesario acotar el error del estimador de velociad real

A
r
:

A
r
=
A
m
s
e
=
A
r
e + s + s
e
(7.10)
Se aproxima por taylor de primer orden alrededor del punto < e, s, >=< e, s, 0 >:

A
r
A
r

A
r
e
( e e) +
1
e

1
e
( s s) (7.11)
(

A
r
A
r
)
2

A
2
r
e
2
( e e)
2
+
1
e
2

2
+
1
e
2
( s s)
2
. . . (7.12)
. . . 2
A
r
e
2
( e e) + 2
A
r
e
2
( e e)( s s) 2
1
e
2
( s s) (7.13)
(7.14)
Se toma la expectaci on:

A
r

1
e
2
_
A
2
r

2
e
+
2

+
2
s
+ A
r

e s
_
(7.15)
Es necesario jar un criterio de decision. Se utilizar a el vecino m as cercano con
distancia eucldea, que ja como error m aximo admisible:
Err
max
(

P)
min(P
i
P
j
)
2
i, j {A, B, C, D} i = j (7.16)
La mnima distancia se encuentra entre los puntos A y C, resultando en:
Err
max
(

P) = 53,52
Se selecciona tambien un criterio de 3 desvos est andar para el error en la
aceleraci on, entonces en 7.9 se puede observar una cota para el error:
Se obtiene entonces:

P
n
=
_
n
A
0
+
n1

i=1
(2i 1)
A
i
+
A
n
_
t
2
2
Donde
A

= 3
A

.
Por ultimo se calcula la norma del error en dos dimensiones para obtener el
criterio de comparacion.
_

2
P
nx
+
2
P
ny
Err
max
(

P) (7.17)
Se calcucla el error en la trayectoria para los par ametros estimados con distinta
cantidad de muestras, en base al perl de aceleraciones dado.
Se aprecia en la gura 7.1 la fuerte dependencia respecto de las muestras de
entrenamiento y de la trayectoria seguida. Para los datos dados, podemos decir
que para N > 500 el error es siempre decreciente por debajo de la cota propuesta.
10
7 N mnimo
0 200 400 600 800 1000 1200 1400 1600 1800 2000
0
20
40
60
80
100
120
140
160
180
200
muestras
e
r
r
o
r


error en trayectoria
umbral
Figura 7.1: Error al nal de la trayectoria.
11