A utilização de Filtros de Kalman clássicos (Kalman Filters - KF) ou
estendidos (Extended Kalman Filters - EKF) para a assimilação de
dados envolve dificuldades práticas.
Com relação a essas dificuldades, analise as afirmativas a seguir.
I. O EKF é o método otimizado para a assimilação de dados
sequencial de um modelo dinâmico linear n-dimensional, sendo
o KF apropriado apenas para sistemas unidimensionais.
II. O uso do KF e do EKF em modelos dinâmicos que contam com
vetores de estados com muitas dimensões requer alta
capacidade computacional e de armazenamento, tornando-os
práticos apenas para modelos simplificados, de baixa
dimensionalidade.
III. A linearização de modelos não lineares envolve a aproximação
de funções matemáticas com o truncamento de séries, o que
pode gerar erros de propagação de covariâncias, especialmente
em modelos de alta dimensionalidade.
Está correto o que se afirma em