Todas las rutas

Fusión de sensores y el filtro de Kalman

La matemática detrás de fusionar sensores, honesta sobre sus límites: el ruido como varianza, la EMA, el filtro complementario derivado, el filtro de Kalman de uno a dos estados, GPS fusionado con una brújula, y una pantalla de actitud que aprende sus sesgos de giroscopio.

Arduino Uno R3Gratis7 lecciones7 h4 capítulos3,920 XPRobótica · Experto+400 XP

0 de 7 completadas

Lo que vas a construir

3 proyectos, construidos paso a paso

7 lecciones en 4 capítulos, unas 7 horas en un Arduino Uno R3 simulado. Gratis, en tu navegador, cada paso verificado por el simulador.

Proyecto del capítulo 1

Media móvil y EMA

Dos filtros de suavizado sobre el mismo ruido: una media móvil de 8 y una media móvil exponencial. Predice cuánto ruido quita cada uno y cuánto se retrasa cada uno, mide ambos con una prueba a escalón, y cambia uno por el otro.

Ábrelo en el simulador
Proyecto del capítulo 2

The 1D Kalman filter

Un estado, cuatro líneas: predecir, ganancia, actualizar, reducir. Haz los primeros pasos a mano, observa cómo la ganancia se estabiliza al estado estacionario que fijan Q y R, detecta un movimiento con la prueba de innovación, y mira qué hace una R equivocada.

Ábrelo en el simulador
Proyecto del capítulo 3

GPS más IMU

Un GPS NEO-6M y una brújula MPU-9250 fusionados en una sola posición: navegación a estima con la velocidad y el rumbo entre fijaciones, una ganancia que pondera cada fijación, el error medido contra la verdad, una pérdida de GPS, y una brújula desviada 10 grados.

Ábrelo en el simulador
El mapa

Capítulo por capítulo

Cada lección se abre cuando termina la anterior, y cada capítulo termina en un proyecto.

Capítulo 1

El ruido, medido

Varianza, la ley de la raíz cuadrada, y el ruido y el retraso de los dos filtros de suavizado de uso cotidiano.

  1. Abrir380 XP

    El ruido, medido

    Todo filtro empieza con un número para el ruido. Mide un cabeceo con ruido en ventanas de 200: media, desviación estándar, varianza y la regla 68-95, y luego mira cómo el promedio reduce el ruido según la raíz cuadrada del número de muestras.

    0 de 6 pasos

  2. ProyectoBloqueado760 XP

    Media móvil y EMA

    Dos filtros de suavizado sobre el mismo ruido: una media móvil de 8 y una media móvil exponencial. Predice cuánto ruido quita cada uno y cuánto se retrasa cada uno, mide ambos con una prueba a escalón, y cambia uno por el otro.

    0 de 6 pasos

5 preguntas, calificadas conforme avanzas.
Capítulo 2

De la fusión a Kalman

El filtro complementario derivado, y luego el filtro de Kalman escalar llevado hasta su estado estacionario.

  1. Bloqueado380 XP

    El filtro complementario, derivado

    El filtro que ajustaste a mano, ahora como debe ser: alfa a partir de tau y dt, la frecuencia de cruce donde el giroscopio le pasa el mando a la gravedad, el error estacionario que deja un sesgo (sesgo x tau), y el ruido del acelerómetro que se cuela, cada uno predicho y luego medido.

    0 de 6 pasos

  2. ProyectoBloqueado760 XP

    The 1D Kalman filter

    Un estado, cuatro líneas: predecir, ganancia, actualizar, reducir. Haz los primeros pasos a mano, observa cómo la ganancia se estabiliza al estado estacionario que fijan Q y R, detecta un movimiento con la prueba de innovación, y mira qué hace una R equivocada.

    0 de 6 pasos

5 preguntas, calificadas conforme avanzas.
Capítulo 3

Kalman en la práctica

Ángulo y sesgo en un filtro de dos estados, y un GPS fusionado con una brújula, incluida una brújula equivocada.

  1. Bloqueado380 XP

    Kalman para la inclinación

    El ángulo de inclinación con filtro de Kalman de la galería: un MPU6050 por el filtro de dos estados de TKJ Electronics, ángulo y sesgo del giroscopio, graficado junto al acelerómetro, al giroscopio solo y a un filtro complementario. Lee las matrices de 2 x 2, sigue una inclinación, y ajusta el nivel.

    0 de 6 pasos

  2. ProyectoBloqueado860 XP

    GPS más IMU

    Un GPS NEO-6M y una brújula MPU-9250 fusionados en una sola posición: navegación a estima con la velocidad y el rumbo entre fijaciones, una ganancia que pondera cada fijación, el error medido contra la verdad, una pérdida de GPS, y una brújula desviada 10 grados.

    0 de 7 pasos

5 preguntas, calificadas conforme avanzas.
Capítulo 4

Proyecto final

Un horizonte artificial que aprende los sesgos de su giroscopio y se mantiene firme ante una sacudida.

  1. Bloqueado400 XP

    Jefe final: una pantalla de actitud estable

    Un horizonte artificial en un OLED SSD1306, manejado por dos filtros de Kalman de dos estados escritos en el sketch: aprenden el sesgo de cada giroscopio mientras corren, siguen una inclinación, y se mantienen firmes ante una sacudida confiando en el giroscopio mientras el acelerómetro miente.

    0 de 7 pasos

3 preguntas, calificadas al momento.
Certificado

Un certificado al terminar

Termina todas las lecciones y aprueba todos los cuestionarios de capítulo, y Mokxi te emite un certificado con tu nombre, verificado en su propia página.

Certificado n.ºMXC0-URSE-0001

Certificado de Finalización

Se certifica que

Tu Nombre

ha completado con éxito el curso

Fusión de sensores y el filtro de Kalman

Cubre El ruido, medido, De la fusión a Kalman, Kalman en la práctica y el proyecto Jefe final.

7 lecciones · alrededor de 7 horas de estudio

DaneDane, Fundador, MokxiEmitido el 17 de noviembre de 2026
Verificar este certificadomokxi.com/cert/MXC0URSE0001
Certificado

Gana tu certificado

  • Tu nombre y un ID únicoImpreso en un certificado horizontal que es tuyo para siempre.
  • Verificado por MokxiUn código QR y una página pública con la que cualquiera puede comprobarlo.
  • Agregar a LinkedInUn clic llena el formulario de certificaciones de LinkedIn.
  • Descargar como PDFImprímelo o adjúntalo a un currículum o a una solicitud.

Termina el curso y gana un certificado verificable con tu nombre, un código QR y un enlace para LinkedIn. Los certificados vienen con Pro, y la prueba gratis de 7 días no te cuesta nada.

Temario

Todas las lecciones del curso

Las 7 lecciones, en orden, cada una con lo que abarca. Cualquiera se abre en el editor de inmediato.

Capítulo 1

El ruido, medido

  1. El ruido, medidoTodo filtro empieza con un número para el ruido. Mide un cabeceo con ruido en ventanas de 200: media, desviación estándar, varianza y la regla 68-95, y luego mira cómo el promedio reduce el ruido según la raíz cuadrada del número de muestras.
  2. Media móvil y EMADos filtros de suavizado sobre el mismo ruido: una media móvil de 8 y una media móvil exponencial. Predice cuánto ruido quita cada uno y cuánto se retrasa cada uno, mide ambos con una prueba a escalón, y cambia uno por el otro.
Capítulo 2

De la fusión a Kalman

  1. El filtro complementario, derivadoEl filtro que ajustaste a mano, ahora como debe ser: alfa a partir de tau y dt, la frecuencia de cruce donde el giroscopio le pasa el mando a la gravedad, el error estacionario que deja un sesgo (sesgo x tau), y el ruido del acelerómetro que se cuela, cada uno predicho y luego medido.
  2. The 1D Kalman filterUn estado, cuatro líneas: predecir, ganancia, actualizar, reducir. Haz los primeros pasos a mano, observa cómo la ganancia se estabiliza al estado estacionario que fijan Q y R, detecta un movimiento con la prueba de innovación, y mira qué hace una R equivocada.
Capítulo 3

Kalman en la práctica

  1. Kalman para la inclinaciónEl ángulo de inclinación con filtro de Kalman de la galería: un MPU6050 por el filtro de dos estados de TKJ Electronics, ángulo y sesgo del giroscopio, graficado junto al acelerómetro, al giroscopio solo y a un filtro complementario. Lee las matrices de 2 x 2, sigue una inclinación, y ajusta el nivel.
  2. GPS más IMUUn GPS NEO-6M y una brújula MPU-9250 fusionados en una sola posición: navegación a estima con la velocidad y el rumbo entre fijaciones, una ganancia que pondera cada fijación, el error medido contra la verdad, una pérdida de GPS, y una brújula desviada 10 grados.
Capítulo 4

Proyecto final

  1. Jefe final: una pantalla de actitud estableUn horizonte artificial en un OLED SSD1306, manejado por dos filtros de Kalman de dos estados escritos en el sketch: aprenden el sesgo de cada giroscopio mientras corren, siguen una inclinación, y se mantienen firmes ante una sacudida confiando en el giroscopio mientras el acelerómetro miente.
Kits

Armélo también en tu banco de trabajo

Cada lección funciona en el simulador sin comprar nada. Cuando quieras lo real, estos kits tienen los componentes.

¿Ya tienes un kit?

Encuentra tu kit

Elige el kit inicial que tienes y ejecuta cada lección de su instructivo con los mismos componentes en los mismos pines.

Ver todos los kits
Preguntas

Acerca de Fusión de sensores y el filtro de Kalman

¿Fusión de sensores y el filtro de Kalman es gratis?

Sí. Las 7 lecciones de Fusión de sensores y el filtro de Kalman son gratis y corren en tu navegador, sin nada que instalar y sin componentes que comprar antes de empezar.

¿Necesito un Arduino Uno R3 de verdad?

No. Cada lección corre en un Arduino Uno R3 simulado con sus componentes en el lienzo, y el simulador comprueba cada paso sobre la marcha. Cuando quieras construirlo de verdad, el mismo cableado y código funcionan en una placa real.

¿Cuánto dura Fusión de sensores y el filtro de Kalman?

Unas 7 horas: 7 lecciones en 4 capítulos, cada uno con unos cuantos pasos cortos. Tu progreso se guarda, así que puedes parar después de cualquier lección y retomar donde lo dejaste.

¿Qué voy a armar?

Each chapter ends in a project that puts it together: Moving average and EMA, The 1D Kalman filter and GPS plus IMU.

¿Por dónde empiezo?

Con "El ruido, medido", y cada lección se apoya en la anterior. ¿Nuevo en los circuitos? Fundamentos de electrónica es el curso que empieza desde cero.