Séance de cours
Cette séance de cours couvre le filtre de Kalman en tant qu'estimateur de variance minimale, la séquence d'innovation et la différence de mise à jour de l'équation de Riccati pour le filtrage. Il discute également de la généralisation aux systèmes avec des entrées, de l'accord du gain de Kalman et des relations de dualité entre le régulateur FH-LQ et le prédicteur de Kalman. La séance de cours explore en outre la séquence d'innovation, les statistiques de l'innovation et ses propriétés de corrélation, fournissant des exemples de son application dans l'estimation de la position et de la vitesse d'un véhicule à l'aide de mesures GPS.