Please use this identifier to cite or link to this item: http://repositorio.uptc.edu.co/handle/001/1718
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorCallejas Cuervo, Mauro (Director de tesis)spa
dc.contributor.authorVélez Guerrero, Manuel Andrésspa
dc.date.accessioned2017-06-14T21:08:39Z-
dc.date.available2017-06-14T21:08:39Z-
dc.date.issued2016-
dc.identifier.citationVélez Guerrero, M. A. (2016). Evaluación de rendimiento de estimadores no lineales basados en la aplicación del filtro de Kalman a señales biomecánicas. (Trabajo de pregrado). Universidad Pedagógica y Tecnológica de Colombia, Sogamoso. http://repositorio.uptc.edu.co/handle/001/1718spa
dc.identifier.urihttps://repositorio.uptc.edu.co/handle/001/1718-
dc.description143 páginas : ilustraciones color, tablas figuras.spa
dc.description.abstractEn señales biomecánicas, la aplicación de filtros de Kalman permite hacer una corrección del error evidenciado en los datos capturados, pero hay una gran variedad y tipos de estos filtros que pueden ser implementados. Una comparación exhaustiva del funcionamiento de dos de ellos permite identificar qué tipo de filtro de Kalman es el mejor candidato para ser usado. La investigación se centra en encontrar un filtro de Kalman idóneo que por su comportamiento permita recolectar la mayor información acerca de los movimientos mecánicos y cinemáticos de las Unidades de Procesamiento de Movimiento, reduciendo o eliminando totalmente el ruido producido por campos electromagnéticos, perturbaciones menores en el movimiento, entre otros, que afectan de forma considerable el proceso de extracción y utilización de la información.spa
dc.description.abstractABSTRACT In biomechanical signals, the application of Kalman filters allows corrections in the measurement errors observed in captured data, but exist a considerably variety and types of these filters that can be implemented. A comprehensive comparison of the performance for two of them allows the identification of what kind of Kalman filter is the best candidate to be used. The research focuses on finding a suitable Kalman filter that improves the gathering of the information about mechanical and kinematic motion from Motion Process Units, reducing or completely eliminating the noise caused by electromagnetic fields, minor perturbations in the movement, among others, that significantly affect the process of information extraction and usage.spa
dc.format.mimetypeapplication/pdfspa
dc.publisherUniversidad Pedagógica y Tecnológica de Colombiaspa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/2.5/co/spa
dc.subjectFiltración Kalmanspa
dc.subjectLocalización de fallas (Ingeniería)spa
dc.subjectFiltración Kalman - Tesis y disertaciones académicasspa
dc.subjectIngeniería de controlspa
dc.subjectProcesamiento electrónico de datosspa
dc.subjectProcesamiento de señalesspa
dc.subjectSistemas embebidosspa
dc.subjectProcesamiento de señales - Técnicas digitalesspa
dc.subjectIngeniería Electrónica - Tesis y disertaciones académicasspa
dc.titleEvaluación de rendimiento de estimadores no lineales basados en la aplicación del filtro de kalman a señales biomecánicasspa
dc.typeTrabajo de grado - Pregradospa
dc.description.notesBibliografía:páginas 139-143spa
dc.description.notesIncluye listas de siglas, símbolos y abreviaturas.spa
dc.identifier.localTCD E49.16 V436-
dc.rights.accessrightsinfo:eu-repo/semantics/closedAccessspa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1fspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dc.relation.referencesAGHAKOUCHAK, Amir. Modeling Radar Rainfall Estimation Uncertainties: Random Error Model. Journal of Hydrologic Engineering, 2010. p. 265-274.spa
dc.relation.referencesALLOTA, Benedetto, et al. A comparison between EKF-based and UKF-based navigation algorithms for AUVs localization. ISME - Interuniversity Center of Integrated Systems for the Marine Environment, 2015.spa
dc.relation.referencesANGELL, James B, et al. Silicon Micromechanical Devices. Scientific American, 1983. p. 44–55.spa
dc.relation.referencesARASARATNAM, Ienkaran, y HAYKIN, Simon. Cubature Kalman Filters. Cognitive Systems Laboratory, Department of Electrical and Computer Engineering, McMaster University, Hamilton, 2009.spa
dc.relation.referencesBRASSARD, G y BRATLEY, P. Fundamentos de Algoritmia. Prentice Hall, 1997. p. 461.spa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadasspa
dc.description.degreelevelPregradospa
dc.description.degreenameIngeniero Electrónicospa
dc.publisher.departmentEscuela de Ingeniería Electrónicaspa
dc.publisher.facultyFacultad Seccional Sogamosospa
dc.type.contentTextspa
dc.type.redcolhttps://purl.org/redcol/resource_type/TPspa
oaire.versionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa
Appears in Collections:JDG. Trabajos de Grado y Tesis

Files in This Item:
File Description SizeFormat 
TGT-402.pdfArchivo principal6.25 MBAdobe PDFThumbnail
View/Open
A-175.pdf
  Restricted Access
Autorización de publicación1.48 MBAdobe PDFView/Open Request a copy


This item is licensed under a Creative Commons License Creative Commons