Made available in DSpace on 2016-08-17T14:52:45Z (GMT). No. of bitstreams: 1 Jose Alano Peres Abreu.pdf: 632239 bytes, checksum: 326cfda664cdb5244eb2f9f6331fb1fe (MD5) Previous issue date: 2002-12-13 / In this work, a new methodology of filtering data of paths of space vehicles is proposed H2 and H∞ saw state estimates and discreet. In that new methodology, it is obtained, initially, the solution of the problem of filtering of data of paths of space vehicles saw state estimate through the equations of the filter of Kalman for Predicted Estimators and Filtered Estimators. The problem is solved through the mathematical development of the equations of the filter of Kalman that has as main function, to find a state estimate that minimizes the least-squares error. The equations mathematics are used for the development of the algorithm of the filter of Kalman. The algorithm of filtering of Kalman has two basic functions: prediction and correction. In the prediction phase the initial estimates and updating of the time of sampling are given, while, in the correction phase they are updated the measures. It is applied, also, the new methodology proposed in the project of filtering of data of path of space vehicles H∞ saw state estimate through equations of robust filter. The robust filtering has as function to esteem a linear combination that minimizes the norm, that has the interpretation of the existence of earnings of maximum energy of the entrance for the exit. In addition, it is obtained a new algorithm for filtering of data of paths of space vehicles, now through state estimate. All the project procedures are cultured through some applied examples to systems of tracking of space vehicles. The results are compared and discussed. / Neste trabalho, é proposta uma metodologia de filtragem de dados de trajetórias de veículos espaciais via estimações de estado H2 e H∞ , discretos. Nessa metodologia, obtém-se, inicialmente, a solução do problema de filtragem de dados de trajetórias de veículos espaciais via estimação de estado H2 através das equações do filtro de Kalman para Estimadores Filtrados. O problema é resolvido através do desenvolvimento matemático das equações do filtro de Kalman que tem como objetivo principal encontrar uma estimação de estado que minimize o erro quadrático médio. As equações matemáticas são utilizadas para o desenvolvimento do algoritmo computacional do filtro de Kalman. O algoritmo de filtragem de Kalman tem duas funções básicas: predição e correção. Na fase de predição são dadas as estimativas iniciais e atualização do tempo de amostragem, enquanto que, na fase de correção são atualizadas as medidas. Aplica-se, também, a nova metodologia proposta no projeto de filtragem de dados de trajetória de veículos espaciais via estimação de estado H∞ através de equações do filtro de Kalman robusto. A filtragem robusta tem como objetivo principal estimar uma combinação linear que minimize a norma H∞ , que tem a interpretação da existência de ganho de energia máxima da entrada para a saída. Como contribuição, obtém-se um novo algoritmo computacional para filtragem de dados de trajetórias de veículos espaciais, agora através de estimação de estado H∞ . Todos os procedimentos de projeto são ilustrados através de alguns exemplos aplicados a sistemas de rastreamento de veículos espaciais. Os resultados são comparados e discutidos.