Séance de cours

Kalman Filtering: Innovations et prédictions

Description

Cette séance de cours couvre la théorie derrière le filtrage de Kalman, mettant l'accent sur les innovations et les prédictions. L'instructeur explique comment calculer le prédicteur et le filtre optimaux dans un sens statistique, en soulignant l'importance du conditionnement sur les mesures passées. La séance de cours se penche également sur la généralisation de systèmes avec des entrées, montrant l'impact de l'entrée sur la précision de prédiction. En outre, la séance de cours traite de la séquence d'innovation, soulignant son rôle dans la quantification des nouvelles informations apportées par les mesures. Diverses propriétés statistiques de la séquence d'innovation sont explorées, ce qui éclaire sa corrélation avec les mesures passées et le bruit. La séance de cours se termine par des applications pratiques du filtrage Kalman, telles que l'estimation de la position et de la vitesse des véhicules au sol à l'aide de mesures GPS.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.