@PhDThesis{Garcia:2011:FiNăLi,
               author = "Garcia, Roberta Veloso",
                title = "Filtro n{\~a}o linear de Kalman sigma-ponto com algoritmo 
                         unscented aplicado a estimativa din{\^a}mica da atitude de 
                         sat{\'e}lites artificiais",
               school = "Instituto Nacional de Pesquisas Espaciais",
                 year = "2011",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2011-10-31",
             keywords = "estima{\c{c}}{\~a}o de atitude, sistemas n{\~a}o lineares, 
                         filtro de Kalman unscented, filtro de Kalman estendido, dados 
                         reais, attitude estimation, non-linear systems, unscented Kalman 
                         filter, extended Kalman filter, real data.",
             abstract = "Estimadores de estados t{\^e}m sido empregados em diversas 
                         {\'a}reas, em particular em engenharia aeroespacial envolvendo 
                         problemas de estima{\c{c}}{\~a}o de atitude e {\'o}rbita. Estes 
                         estimadores s{\~a}o aplicados de modo a inferir vari{\'a}veis 
                         n{\~a}o-observadas (estados) de um sistema din{\^a}mico a partir 
                         de duas fontes incertas de informa{\c{c}}{\~o}es: as 
                         medi{\c{c}}{\~o}es e um modelo matem{\'a}tico. Sob a premissa 
                         de modelo linear e ru{\'{\i}}do Gaussiano, o filtro de Kalman 
                         {\'e} a solu{\c{c}}{\~a}o {\'o}tima recursiva mais conhecida 
                         para o problema de estima{\c{c}}{\~a}o de estados, ao passo que 
                         o filtro de Kalman Estendido e, mais recentemente, o filtro de 
                         Kalman Sigma-Ponto s{\~a}o as solu{\c{c}}{\~o}es aproximadas 
                         mais comumente empregadas para o caso n{\~a}o-linear. Neste 
                         trabalho, a proposta principal {\'e} utilizar o filtro de Kalman 
                         Sigma-Ponto para estimar a atitude, com caracter{\'{\i}}sticas 
                         de tempo real, de um sat{\'e}lite artificial utilizando medidas 
                         reais fornecidas por sensores que est{\~a}o a bordo do 
                         sat{\'e}lite. Para validar a abordagem proposta de modo a 
                         realizar uma an{\'a}lise mais completa do problema, apontando as 
                         principais vantagens e desvantagens do m{\'e}todo, os resultados 
                         s{\~a}o comparados das seguintes maneiras: 
                         compara{\c{c}}{\~o}es entre os estimadores aplicados a problemas 
                         n{\~a}o-lineares (filtro de Kalman Estendido e filtro de Kalman 
                         Sigma-Ponto) e entre diferentes parametriza{\c{c}}{\~o}es da 
                         atitude do sat{\'e}lite ({\^a}ngulos de Euler e quaternions de 
                         atitude). Os resultados mostram que o algoritmo do Filtro de 
                         Kalman Sigma Ponto, mesmo sob condi{\c{c}}{\~o}es iniciais 
                         imprecisas, {\'e} capaz de convergir e fornecer estimativas de 
                         atitude com precis{\~a}o superior aos demais algoritmos. Estes 
                         resultados poder{\~a}o ser {\'u}teis no processamento de imagens 
                         dos sat{\'e}lites, visando {\`a} melhoria na qualidade das 
                         mesmas, e poupando tempo de processamento adicional dos 
                         especialistas de processamento de imagens. ABSTRACT: State 
                         estimators have been applied to different areas, particularly in 
                         aerospace engineering involving attitude and orbit estimation 
                         problem. These estimators are applied in order to infer unobserved 
                         variables (state) of a dynamic system providing two uncertain 
                         sources of information, namely, the measurements and a 
                         mathematical model. Under linear model and Gaussian noise 
                         assumptions, the Kalman Filter is the well-known optimal recursive 
                         solution for the state-estimation problem, whereas the Extended 
                         Kalman Filter and, more recently, the Sigma-Point Kalman Filter 
                         are the most commonly employed approximate solutions for the 
                         nonlinear case. In this work, the main proposal is to use the 
                         Sigma-Point Kalman Filter to estimate the attitude of an 
                         artificial satellite, in real time, using real data provided by 
                         sensors that are onboard the satellite. To validate the proposed 
                         approach in order to achieve a more complete analysis of the 
                         problem, pointing out the main advantages and disadvantages of the 
                         method, the results will be compared in the following ways: 
                         comparing the estimators applied to nonlinear problems (Extended 
                         Kalman Filter and Sigma-Point Kalman Filter) and between different 
                         parameterizations of the satellite attitude (Euler angles and 
                         quaternions). The results show that the algorithm of Sigma Point 
                         Kalman filter, even under inaccurate initial conditions, is able 
                         to converge and provide estimates of attitude with superior 
                         accuracy when compared to the other algorithms. This results may 
                         be useful in processing satellite images, aimed at improving the 
                         quality of them, and saving additional processing time of image 
                         processing by the experts.",
            committee = "Prado, Antonio Fernando Bertachini de Almeida (presidente) and 
                         Zanardi, Maria Cec{\'{\i}}lia Fran{\c{c}}a de Paula Santos 
                         (orientador) and Kuga, H{\'e}lio Koiti (orientador) and Fenilli, 
                         Andr{\'e} and Baroni, Leandro",
           copyholder = "SID/SCD",
         englishtitle = "Sigma point nonlinear Kalman filter with unscented algorithm 
                         applied to attitude dynamics estimation of artificial satellites",
             language = "pt",
                pages = "189",
                  ibi = "8JMKD3MGP7W/3AKGTCP",
                  url = "http://urlib.net/ibi/8JMKD3MGP7W/3AKGTCP",
           targetfile = "publicacao.pdf",
        urlaccessdate = "16 jun. 2024"
}