Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?
Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur Graph Search.
Cette séance de cours couvre le filtre Kalman variable dans le temps, mettant l'accent sur l'estimation de l'état et la prédiction dans un cadre gaussien linéaire. Il explique la transformation affine des vecteurs aléatoires gaussiens, le prédicteur et filtre Kalman, et la procédure itérative pour calculer les quantités désirées. L'instructeur discute de l'optimalité du prédicteur et du filtre, du calcul des matrices de covariance et de la mise en œuvre pratique du filtre Kalman. La séance de cours aborde également les défis liés aux dimensions croissantes de l'estimation de l'état et donne des indications sur le calcul récursif des estimations. Les concepts clés comprennent le conditionnement sur les mesures passées, le gain de Kalman, et les propriétés statistiques du prédicteur et du filtre.