Fusión multisensor adaptativa mediante los dos primeros momentos de la innovación bajo degradación no estacionaria

Resumen

Los filtros de Kalman adaptativos modifican la confianza asignada a las mediciones cuando cambia la calidad de los sensores. Muchos métodos monitorean la energía de la innovación, aunque un sesgo de variación lenta puede desplazar su media sin producir innovaciones instantáneas grandes. Este trabajo propone una adaptación por canal que combina inflación de covarianza acotada, una prueba sobre la media de la innovación blanqueada y una compuerta con tiempo mínimo de permanencia. Se simuló un vehículo terrestre de tracción diferencial con GNSS, odometría, giróscopo y magnetómetro. Se estudiaron seis condiciones, cinco niveles de severidad y cuarenta repeticiones pareadas por celda. Se compararon un EKF nominal, un EKF mal sintonizado, covariance matching, Sage Husa, ponderación robusta de Huber y el método propuesto. El RMSE de posición predijo el RMSE de seguimiento con una correlación media de Spearman de 0.994, pero la asociación disminuyó a 0.491 para el tiempo de recuperación. Los métodos de segundo momento respondieron al ruido variable y a los valores atípicos, pero no corrigieron el sesgo con deriva. La prueba de primer momento permitió actuar ante este desplazamiento, aunque la exclusión presentó una distribución bimodal y mejoró 28 de 40 repeticiones. El tiempo mínimo de permanencia redujo la conmutación nominal. A máxima severidad, la compensación activada por la prueba mejoró al EKF nominal en las 40 repeticiones, con una mejora mediana de 67.0% y un costo nominal de 32.2%. Ninguna acción dominó simultáneamente el desempeño nominal, la mediana bajo sesgo y la dispersión. La adaptación debe distinguir los cambios de varianza y de media, y debe evaluarse mediante métricas promedio, transitorias y de costo nominal.