Filter Kalman non-linear dan Estimasi Parameter

Sistem fisik dunia nyata jarang linear. Untuk melacak objek yang bergerak, memandu kendaraan otonom, atau memperkirakan kondisi baterai, Anda harus menguasai teknik perkiraan non-linear. Kursus ini menyediakan jalan yang jelas, berbasis teks untuk memahami dan mengimplementasikan algoritma perkiraan canggih. Anda akan berpindah dari konsep dasar perkiraan linear ke dunia yang kuat dari penyaringan Kalman non-linear. Dengan mengeksplorasi dasar-dasar matematika dan langkah-langkah logis dari algoritma-algoritma ini, Anda akan mendapatkan kepercayaan untuk memodelkan, memprediksi, dan memperbarui keadaan dan parameter ketika sistem menunjukkan perilaku yang kompleks dan tidak linear. Apa yang akan kau pelajari: - Mengerti keterbatasan dasar filter Kalman linear dalam skenario dunia nyata - Derive dan menerapkan Extended Kalman Filter (EKF) menggunakan linearisasi deret Taylor - Implementasi Unscented Kalman Filter (UKF) menggunakan transformasi unscented untuk sistem yang sangat non-linear - Konfigurasi teknik perkiraan bersama dan ganda untuk keadaan dan parameter penlacakan secara bersamaan - Menganalisis kinerja filter dan menyesuaikan matriks kovarian untuk akurasi perkiraan optimal Kursus ini dimulai dengan terminologi kunci, konsep probabilitas dasar, dan definisi ruang-negara dasar. Dari sana, Anda akan maju melalui penjelasan tertulis rinci dari EKF dan UKF derivasi, berakhir dengan contoh pseudocode praktis dirancang untuk aplikasi modern seperti robotika dan sensor fusi. Kursus ini dirancang untuk insinyur, programmer, dan penggemar teknis yang ingin dasar yang jelas, konseptual, dan matematika dalam perkiraan non-linear. Pemahaman dasar aljabar linear dan konsep pemrograman umum direkomendasikan. Mulai membaca hari ini untuk membuka kekuatan perkiraan negara maju dalam proyek Anda.