Kalman Filter Boot Camp (and State Estimation)

kurs ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen. Sehen Sie sich die Sprachen an, die wir anbieten.

Kalman Filter Boot Camp (and State Estimation)

Dieser Kurs ist Teil von Spezialisierung „Applied Kalman Filtering“

Dozent: Gregory Plett

3.780 bereits angemeldet

Bei enthalten

Mehr erfahren

4 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

24 Bewertungen

Stufe Mittel

Empfohlene Erfahrung

2 Wochen zu vervollständigen

unter 10 Stunden pro Woche

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

4 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

24 Bewertungen

Stufe Mittel

Empfohlene Erfahrung

2 Wochen zu vervollständigen

unter 10 Stunden pro Woche

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

Kompetenzen, die Sie erwerben

Kategorie: Simulations
Kategorie: Linear Algebra
Kategorie: Forecasting
Kategorie: Probability & Statistics
Kategorie: Time Series Analysis and Forecasting
Kategorie: Statistical Modeling
Kategorie: Statistical Analysis
Kategorie: Numerical Analysis

Werkzeuge, die Sie lernen werden

Kategorie: Matlab

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

28 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung „Applied Kalman Filtering“

Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.

Lernen Sie neue Konzepte von Branchenexperten
Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
Erwerben Sie ein Berufszertifikat zur Vorlage

In diesem Kurs gibt es 4 Module

Introduces the Kalman filter as a method that can solve problems related to estimating the hidden internal state of a dynamic system. Develops the background theoretical topics in state-space models and stochastic systems. Presents the steps of the linear Kalman filter and shows how to implement these steps in Octave code and how to evaluate the filter’s output.

This week, you will learn what a Kalman filter is and generally what it does. You will be introduced to the roadmap for the course and the specialization, and will learn some applications that use Kalman filters.

Das ist alles enthalten

6 Videos11 Lektüren6 Aufgaben1 Diskussionsthema

6 Videos Insgesamt 84 Minuten

1.1.1: Welcome to the course! 14 Minuten
1.1.2: What are some key Kalman-filter concepts? 16 Minuten
1.1.3: Working through a Kalman-filter example at a high level 16 Minuten
1.1.4: Roadmap to this course; context within the specialization 17 Minuten
1.1.5: What are some applications that use Kalman filters? 18 Minuten
1.1.6: Summary of "What is the Purpose of a Kalman Filter?" module plus next steps 3 Minuten

11 Lektüren Insgesamt 92 Minuten

Frequently Asked Questions 10 Minuten
Course Resources 10 Minuten
How to Use Discussion Forums 10 Minuten
Earn a Course Certificate 10 Minuten
Are you interested in earning an online MSEE degree? 10 Minuten
Notes for Lesson 1.1.1 1 Minute
Notes for Lesson 1.1.2 1 Minute
Notes for Lesson 1.1.3 10 Minuten
Notes for Lesson 1.1.4 10 Minuten
Notes for Lesson 1.1.5 10 Minuten
Notes for Lesson 1.1.6 10 Minuten

6 Aufgaben Insgesamt 80 Minuten

Practice assignment (quiz) for Lesson 1.1.1 10 Minuten
Practice assignment (quiz) for Lesson 1.1.2 10 Minuten
Practice assignment (quiz) for Lesson 1.1.3 10 Minuten
Practice assignment (quiz) for Lesson 1.1.4 10 Minuten
Practice assignment (quiz) for Lesson 1.1.5 10 Minuten
Graded assignment for week 1 30 Minuten

1 Diskussionsthema Insgesamt 10 Minuten

Introduce Yourself 10 Minuten

Kalman filters estimate the "state" of a system that is described using a "state-space model." This week, you will learn the background concepts in state-space models that are required in order to implement a Kalman filter.

Das ist alles enthalten

8 Videos9 Lektüren8 Aufgaben2 Unbewertete Labore

8 Videos Insgesamt 183 Minuten

1.2.1: What is a state-space model and why do I need to know about them? 19 Minuten
1.2.2: Example continuous-time state-space models used for tracking applications 24 Minuten
1.2.3: Understanding the time-domain response of a state-space model 26 Minuten
1.2.4: Illustrating the time-domain response 25 Minuten
1.2.5: Converting continuous-time state-space models to discrete-time 27 Minuten
1.2.6: How do I simulate a discrete-time state-space model? 27 Minuten
1.2.7: Is it even possible for a Kalman filter to estimate this model's state? 32 Minuten
1.2.8: Summary of "What do I need to know about state-space models?" module plus next steps 3 Minuten

9 Lektüren Insgesamt 90 Minuten

Notes for Lesson 1.2.1 10 Minuten
Notes for Lesson 1.2.2 10 Minuten
Introducing a new element to the course! 10 Minuten
Notes for Lesson 1.2.3 10 Minuten
Notes for Lesson 1.2.4 10 Minuten
Notes for Lesson 1.2.5 10 Minuten
Notes for Lesson 1.2.6 10 Minuten
Notes for Lesson 1.2.7 10 Minuten
Notes for Lesson 1.2.8 10 Minuten

8 Aufgaben Insgesamt 100 Minuten

Practice assignment for Lesson 1.2.1 10 Minuten
Practice assignment for Lesson 1.2.2 10 Minuten
Practice assignment for Lesson 1.2.3 10 Minuten
Practice assignment for Lesson 1.2.4 10 Minuten
Practice assignment for Lesson 1.2.5 10 Minuten
Practice assignment for Lesson 1.2.6 10 Minuten
Practice assignment for Lesson 1.2.7 10 Minuten
Graded assignment for week 2 30 Minuten

2 Unbewertete Labore Insgesamt 30 Minuten

Jupyter notebook used in conjunction with practice quiz 15 Minuten
Jupyter notebook used in conjunction with practice quiz 15 Minuten

Systems whose state we would like to estimate are affected by unknown inputs ("disturbances" or "process noises") and their measurements are affected by sensor noises. These noises are modeled by random variables. This week, you will learn the background concepts in random variables that are required in order to implement a Kalman filter.

Das ist alles enthalten

8 Videos8 Lektüren8 Aufgaben1 Unbewertetes Labor

8 Videos Insgesamt 172 Minuten

1.3.1: Understanding uncertainty via mean and covariance 23 Minuten
1.3.2: Understanding joint uncertainty of two unknown quantities 19 Minuten
1.3.3: Understanding time-varying uncertain quantities 23 Minuten
1.3.4: Simulating correlated Gaussian random vectors 28 Minuten
1.3.5: Discrete-time dynamic systems having random inputs 27 Minuten
1.3.6: Continuous-time dynamic systems having random inputs 27 Minuten
1.3.7: Relating SigmaW to Sw precisely; a little trick (also, relating SigmaV to Sv) 21 Minuten
1.3.8: Summary of "What do I need to know about random variables?" module plus next steps 3 Minuten

8 Lektüren Insgesamt 80 Minuten

Notes for Lesson 1.3.1 10 Minuten
Notes for Lesson 1.3.2 10 Minuten
Notes for Lesson 1.3.3 10 Minuten
Notes for Lesson 1.3.4 10 Minuten
Notes for Lesson 1.3.5 10 Minuten
Notes for Lesson 1.3.6 10 Minuten
Notes for Lesson 1.3.7 10 Minuten
Notes for Lesson 1.3.8 10 Minuten

8 Aufgaben Insgesamt 100 Minuten

Practice assignment for Lesson 1.3.1 10 Minuten
Practice assignment for Lesson 1.3.2 10 Minuten
Practice assignment for Lesson 1.3.3 10 Minuten
Practice assignment for Lesson 1.3.4 10 Minuten
Practice assignment for Lesson 1.3.5 10 Minuten
Practice assignment for Lesson 1.3.6 10 Minuten
Practice assignment for Lesson 1.3.7 10 Minuten
Graded assignment for week 3 30 Minuten

1 Unbewertetes Labor Insgesamt 15 Minuten

Lab to help computing results for the practice quiz 15 Minuten

Even though we have not yet derived the steps of the Kalman filter, it is instructive to gain insight into a Kalman filter's operation by watching it run. This week, you will learn how to implement a Kalman filter in Octave and see cases where it works well and where it fails (next course, you will learn why!).

Das ist alles enthalten

6 Videos6 Lektüren6 Aufgaben4 Unbewertete Labore

6 Videos Insgesamt 69 Minuten

1.4.1: What are the linear Kalman-filter steps? 13 Minuten
1.4.2: Preparing a model for use with the linear Kalman filter 15 Minuten
1.4.3: How do I implement the Kalman-filter steps in Octave? 18 Minuten
1.4.4: More Kalman-filter examples for state estimation of a linear system 13 Minuten
1.4.5: What can cause a Kalman filter to fail? 8 Minuten
1.4.6: Summary of "State-estimation application of a Kalman filter" module plus next steps 3 Minuten

6 Lektüren Insgesamt 60 Minuten

Notes for Lesson 1.4.1 10 Minuten
Notes for Lesson 1.4.2 10 Minuten
Notes for Lesson 1.4.3 10 Minuten
Notes for Lesson 1.4.4 10 Minuten
Notes for Lesson 1.4.5 10 Minuten
Notes for Lesson 1.4.6 10 Minuten

6 Aufgaben Insgesamt 80 Minuten

Practice assignment for Lesson 1.4.1 10 Minuten
Practice assignment for Lesson 1.4.2 10 Minuten
Practice assignment for Lesson 1.4.3 10 Minuten
Practice assignment for Lesson 1.4.4 10 Minuten
Practice assignment for Lesson 1.4.5 10 Minuten
Graded assignment for week 4 30 Minuten

4 Unbewertete Labore Insgesamt 80 Minuten

Lab to simulate the spring-mass-damper system 20 Minuten
Lab to implement the linear Kalman filter 20 Minuten
Lab to implement open-loop state estimation and demonstrate bad initialization 20 Minuten
Lab to demonstrate some causes for Kalman-filter failure 20 Minuten

Erwerben Sie ein Karrierezertifikat.

Fügen Sie dieses Zeugnis Ihrem LinkedIn-Profil, Lebenslauf oder CV hinzu. Teilen Sie sie in Social Media und in Ihrer Leistungsbeurteilung.

Dozent

Lehrkraftbewertungen

(12 Bewertungen)

Gregory Plett

University of Colorado System

9 Kurse 83.564 Lernende

von

University of Colorado System

Mehr von Electrical Engineering entdecken

University of Colorado System
Linear Kalman Filter Deep Dive (and Target Tracking)
Kurs
University of Colorado System
Nonlinear Kalman Filters (and Parameter Estimation)
Kurs
University of Colorado System
Particle Filters (and Navigation)
Kurs
University of Colorado System
Applied Kalman Filtering
Spezialisierung

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.

Lernender seit 2018

„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“

Jennifer J.

Lernender seit 2020

„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“

Larry W.

Lernender seit 2021

„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“

Chaitanya A.

„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

5 stars
91,66 %
4 stars
8,33 %
3 stars
0 %
2 stars
0 %
1 star
0 %

Zeigt 3 von 24 an

Geprüft am 17. Okt. 2025

Very clear explanation of mathematical concepts required for understanding of linear Kalman filters. Thanks!

Geprüft am 29. März 2025

Outstanding introduction to Kalman Filtering. A very well designed course. Thanks to Professor Platt.

Geprüft am 10. März 2026

Great overview of the basic math elements to understand what the KF does. I would add some programming assignment besides the quizzes to enforce deeper understanding of the concepts.

Weitere Bewertungen anzeigen

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten

Mehr erfahren

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Erkunden Sie die Abschlüsse

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Mehr erfahren

Häufig gestellte Fragen

To access the course materials, assignments and to earn a Certificate, you will need to purchase the Certificate experience when you enroll in a course. You can try a Free Trial instead, or apply for Financial Aid. The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.

When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.

Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.