Por lo tanto, un breve prólogo. No estoy seguro de si esta pregunta pertenece aquí o en la comunidad de DSP, está muy relacionada con ambos, pero tengo la sensación de que esto será más interesante aquí, por lo que voy a publicar aquí.
Tengo una IMU que estoy usando para medir el marco de inercia de un avión no tripulado. No estoy usando un filtro de Kalman en este caso, esto es parte de un proyecto de 5º semestre en la universidad, y los filtros de Kalman no se mencionan hasta el 7º. Como resultado de esto, ya he creado una topología de filtro complementario para usar y probar con un corte arbitrario. Esto es para eliminar la deriva giroscópica.
Tengo una ca. 5 segundos en un tiempo de muestra de 1 kHz durante el cual se integran los datos de mi giroscopio (velocidad angular sin procesar) para estimar la deriva. Sin embargo, he escuchado que este cambio es casi de DC, y sé que el método trapezoidal será bastante sensible al ruido blanco presente en la señal. como resultado, obtengo valores en el rango de 1x10³ para cada integral, con la orientación ligeramente más alta, lo que se corresponde con los documentos que he leído.
¿Veré algún beneficio en el uso de un conjunto de datos más grande para reducir el error estocástico? ¿Debería en cambio usar los métodos de Huen o Runge-Kutta? tener?