Optimización del filtrado de sensores inerciales para la navegación autónoma de drones en entornos dinámicos
Summary
No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.
Summarise with VIRAT Free to try with your Science Catalogs account.Abstract
El estudio desarrolla un sistema de navegación inercial para drones mediante la implementación y comparación de los filtros EKF, UKF y ESKF integrados con una red neuronal LSTM utilizando MATLAB/Simulink. La metodología se fundamenta en el modelado de una IMU ideal y en un modelo realista de errores inerciales que incluye sesgo, ruido y deriva con parámetros representativos del sensor ICM-20948. Para la validación se emplean sensores de referencia simulados (GNSS, barómetro y magnetómetro) y una trayectoria tridimensional tipo lemniscata adecuada para evaluar el desempeño de los estimadores bajo condiciones dinámicas no lineales. La red LSTM se entrena como un compensador externo de la IMU empleando segmentos de datos secuenciales del acelerómetro y del giroscopio para estimar y corregir errores en las mediciones. Los resultados evidencian una reducción significativa del error inercial, con mejoras superiores al 80 % en el acelerómetro y al 90 % en el giroscopio, lo que confirma la capacidad de la LSTM para mejorar la calidad de las señales de entrada. En la estimación del estado, el UKF presenta el mejor equilibrio entre precisión y estabilidad global, el EKF muestra buen desempeño en la estimación de la orientación y el ESKF evidencia mayor sensibilidad en la estimación de la altura y del ángulo de yaw. En la configuración evaluada la compensación LSTM no produce cambios apreciables en los errores de posición, velocidad y orientación, debido a la influencia dominante de los sensores de referencia y a la estructura de los estimadores. El trabajo concluye que la LSTM es efectiva para la compensación de errores inerciales y constituye una base sólida para futuras integraciones orientadas a incrementar su impacto directo en la estimación del estado.
Fields of Study & Subjects
Inertial Sensor and Navigation
Target Tracking and Data Fusion in Sensor Networks
Robotics and Sensor-Based Localization
Publication details
- Journal / source
- Repositorio Digital (Escuela Politécnica Nacional)
- Publication date
- 18 March 2026
- Language
- ES
- Document type
- Thesis