Identificación de Sistemas Lineales con datos cuantizados

Abstract

El área de identificación de sistemas ha experimentado un crecimiento exponencial en las ultimas décadas debido al aumento de novedosas técnicas de Control moderno, las que en su mayoría se basan en modelos. Por otro lado, el crecimiento tecnológico y la utilización de dispositivos cada vez más diversos conectados a redes, genera un desafío en cuanto a disminuir los costos de comunicación. Para afrontar estas necesidades se realizan operaciones como cubanización de señales (entre otras), las que producen una pérdida de información importante. La presente Tesis tiene como objetivo principal la identificación de un sistema lineal e invariante en el tiempo, planteado en espacio de estados, donde la señal de salida experimenta ˜ un proceso de cubanización. Esta pérdida de información implica desarrollar técnicas distintas a las usuales para obtener estimadores con buenas características. Acá, se presenta una solución encontrando el estimador de Máxima Verosimilitud para los parámetros del sistema. Dicho estimador presenta características deseables, tales como, invariancia, eficiencia, consistencia, etc. Para la obtención del estimador de máxima verosimilitud, se estudia e implementa una solución a través del algoritmo iterativo Expectation Maximization. El rendimiento del algoritmo desarrollado es evaluado a través de simulaciones numéricas, ´ donde es comparado con técnicas clásicas que no consideran cubanización. Adicionalmente, y debido a las estadísticas necesarias en el algoritmo Expectation-Maxi mization, se desarrollan e implementan técnicas de Filtraje y Suavizado para el sistema en ´ particular, las que también son evaluadas a través de ejemplos numéricos.