Filtre de Kalman étendu
ebook ∣ Techniques avancées d'estimation de l'état dynamique des systèmes robotiques · Sciences Robotiques [French]
By Fouad Sabry
Sign up to save your library
With an OverDrive account, you can save your favorite libraries for at-a-glance information about availability. Find out more about OverDrive accounts.
Find this title in Libby, the library reading app by OverDrive.

Search for a digital library with this title
Title found at these libraries:
Library Name | Distance |
---|---|
Loading... |
1 : Filtre de Kalman étendu : présente le filtre de Kalman étendu (EKF), un outil essentiel de l'estimation non linéaire.
2 : Notation Bra–ket : explique les fondements mathématiques, en se concentrant sur la structure des systèmes quantiques.
3 : Courbure : discute du concept de courbure et de son influence sur les performances des filtres non linéaires.
4 : Estimation du maximum de vraisemblance : détaille l'approche statistique utilisée pour estimer les paramètres ayant la plus grande vraisemblance.
5 : Filtre de Kalman : fournit une exploration approfondie du filtre de Kalman, la base de nombreuses techniques d'estimation d'état.
6 : Matrice de covariance : décrit la matrice de covariance et son rôle dans la quantification de l'incertitude dans le filtrage.
7 : Propagation de l'incertitude : explore comment l'incertitude se propage dans le temps et affecte la précision du filtrage.
8 : Algorithme de Levenberg-Marquardt : présente cet algorithme qui optimise les problèmes de moindres carrés non linéaires.
9 : Région de confiance : explique la région statistique qui quantifie la précision des estimations de paramètres.
10 : Régression non linéaire : se concentre sur les méthodes d'ajustement de modèles non linéaires aux données à l'aide de techniques d'optimisation.
11 : Théorie de l'estimation : fournit la théorie derrière l'estimation, essentielle pour comprendre la conception et l'analyse des filtres.
12 : Moindres carrés généralisés : discute de l'approche généralisée pour résoudre les problèmes de régression en présence d'hétéroscédasticité.
13 : Distribution de Von Mises-Fisher : présente cette distribution de probabilité utile pour les données directionnelles en grandes dimensions.
14 : Filtre de Kalman d'ensemble : explore une variante du filtre de Kalman adaptée aux systèmes non linéaires à grande échelle.
15 : Problème de filtrage (processus stochastiques) : détaille comment le filtrage peut être appliqué aux processus aléatoires dans les systèmes dynamiques.
16 : GPS/INS : décrit l'intégration du GPS et des systèmes de navigation inertielle pour une navigation et une estimation précises.
17 : Moindres carrés linéaires : couvre la méthode des moindres carrés pour résoudre les problèmes de régression linéaire.
18 : Filtre de préservation de la symétrie : présente les filtres conçus pour préserver la symétrie dans les systèmes, importants en robotique.
19 : Filtre de Kalman étendu invariant : explique une variante de l'EKF qui maintient l'invariance dans les systèmes non linéaires.
20 : Transformée non parfumée : décrit la transformée non parfumée, une technique permettant d'améliorer l'estimation de l'état dans les modèles non linéaires.
21 : SAMV (algorithme) : présente l'algorithme SAMV pour une estimation robuste dans des environnements incertains.