Linear Kalman Filter Deep Dive (and Target Tracking)

kurs ist nicht verfügbar in Deutsch (Deutschland)

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

Linear Kalman Filter Deep Dive (and Target Tracking)

Dieser Kurs ist Teil von Spezialisierung „Applied Kalman Filtering“

Dozent: Gregory Plett

Bei enthalten

Mehr erfahren

4 Module

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

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.

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: Control Systems
Kategorie: Linear Algebra
Kategorie: Statistical Methods
Kategorie: Probability & Statistics
Kategorie: Applied Mathematics
Kategorie: Predictive Analytics
Kategorie: Estimation
Kategorie: Forecasting
Kategorie: Mathematical Modeling
Kategorie: Advanced Mathematics
Kategorie: Time Series Analysis and Forecasting

Werkzeuge, die Sie lernen werden

Kategorie: Matlab

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

26 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

As a follow-on course to "Kalman Filter Boot Camp", this course derives the steps of the linear Kalman filter to give understanding regarding how to adjust the method to applications that violate the standard assumptions. Applies this understanding to enhancing the robustness of the filter and to extend to applications including prediction and smoothing. Shows how to implement a target-tracking application in Octave code using an interacting multiple-model Kalman filter.

Knowing how to derive the steps of the Kalman filter is important for understanding the assumptions that are made and to be able to re-derive the steps for different assumptions. This week, you will learn how to derive the steps and will gain insight into how the Kalman filter works.

Das ist alles enthalten

7 Videos12 Lektüren6 Aufgaben1 Diskussionsthema

7 Videos Insgesamt 116 Minuten

2.1.1: Welcome to the course! 8 Minuten
2.1.2: Predict/correct mechanism of sequential probabilistic inference 27 Minuten
2.1.3: The Kalman-filter gain factor 25 Minuten
2.1.4: Summarizing the six steps of generic sequential probabilistic inference 8 Minuten
2.1.5: Deriving the three linear Kalman-filter prediction steps 21 Minuten
2.1.6: Deriving the three linear Kalman-filter correction steps 24 Minuten
2.1.7: Summary of "Deriving the linear Kalman filter" module plus next steps 4 Minuten

12 Lektüren Insgesamt 120 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 2.1.1 10 Minuten
Notes for Lesson 2.1.2 10 Minuten
Notes for Lesson 2.1.3 10 Minuten
Notes for Lesson 2.1.4 10 Minuten
Notes for Lesson 2.1.5 10 Minuten
Notes for Lesson 2.1.6 10 Minuten
Notes for Lesson 2.1.7 10 Minuten

6 Aufgaben Insgesamt 80 Minuten

Practice assignment for Lesson 2.1.2 10 Minuten
Practice assignment for Lesson 2.1.3 10 Minuten
Practice quiz for Lesson 2.1.4 10 Minuten
Practice quiz for Lesson 2.1.5 10 Minuten
Practice assignment for Lesson 2.1.6 10 Minuten
Graded assignment for week 1 30 Minuten

1 Diskussionsthema Insgesamt 10 Minuten

Introduce yourself 10 Minuten

Last week, you learned the assumptions made when deriving the Kalman filter. What if these assumptions are not met correctly? What if numeric roundoff error causes failure? This week, you will learn how to solve problems with the standard Kalman filter.

Das ist alles enthalten

7 Videos7 Lektüren7 Aufgaben3 Unbewertete Labore

7 Videos Insgesamt 121 Minuten

2.2.1: How do we improve the numeric robustness of a Kalman filter? 15 Minuten
2.2.2: How do we increase the precision of the linear Kalman filter? 28 Minuten
2.2.3: How do I initialize and tune a Kalman filter? 21 Minuten
2.2.4: What do we do when the noises are nonzero-mean? 19 Minuten
2.2.5: What do I do if the process and sensor noises are cross-correlated? 19 Minuten
2.2.6: What about when the process and sensor noises are not white? 16 Minuten
2.2.7: Summary of "Making the linear Kalman filter bulletproof" module plus next steps 3 Minuten

7 Lektüren Insgesamt 70 Minuten

Notes for Lesson 2.2.1 10 Minuten
Notes for Lesson 2.2.2 10 Minuten
Notes for Lesson 2.2.3 10 Minuten
Notes for Lesson 2.2.4 10 Minuten
Notes for Lesson 2.2.5 10 Minuten
Notes for Lesson 2.2.6 10 Minuten
Notes for Lesson 2.2.7 10 Minuten

7 Aufgaben Insgesamt 90 Minuten

Practice assignment for Lesson 2.2.1 10 Minuten
Practice assignment for Lesson 2.2.2 10 Minuten
Practice assignment for Lesson 2.2.3 10 Minuten
Practice assignment for Lesson 2.2.4 10 Minuten
Practice assignment for Lesson 2.2.5 10 Minuten
Practice assignment for Lesson 2.2.6 10 Minuten
Graded assignment for week 2 30 Minuten

3 Unbewertete Labore Insgesamt 60 Minuten

Lab to compare standard and square-root Kalman filters 20 Minuten
Lab to compare KF with and without bias correction 20 Minuten
Lab to compare KF with and without compensation for autocorrelated noises 20 Minuten

The standard linear Kalman filter works well for state estimation, but can be extended to implement prediction and smoothing as well. Further, we can speed up the steps or even eliminate steps in some circumstances. This week, you will learn some extensions and refinements to linear Kalman filters.

Das ist alles enthalten

7 Videos7 Lektüren7 Aufgaben3 Unbewertete Labore

7 Videos Insgesamt 130 Minuten

2.3.1: Automatically detecting bad measurements with a Kalman filter 21 Minuten
2.3.2: Processing measurements sequentially for multi-output systems 21 Minuten
2.3.3: Using the Kalman filter for prediction 19 Minuten
2.3.4: Using the Kalman filter for smoothing 18 Minuten
2.3.5: Steady-state Kalman filters 19 Minuten
2.3.6: Continuous-time Kalman filters 30 Minuten
2.3.7: Summary of "Extensions and refinements to linear Kalman filters" module plus next steps 2 Minuten

7 Lektüren Insgesamt 70 Minuten

Notes for Lesson 2.3.1 10 Minuten
Notes for Lesson 2.3.2 10 Minuten
Notes for Lesson 2.3.3 10 Minuten
Notes for Lesson 2.3.4 10 Minuten
Notes for Lesson 2.3.5 10 Minuten
Notes for Lesson 2.3.6 10 Minuten
Notes for Lesson 2.3.7 10 Minuten

7 Aufgaben Insgesamt 90 Minuten

Practice assignment for Lesson 2.3.1 10 Minuten
Practice assignment for Lesson 2.3.2 10 Minuten
Practice assignment for Lesson 2.3.3 10 Minuten
Practice assignment for Lesson 2.3.4 10 Minuten
Practice assignment for Lesson 2.3.5 10 Minuten
Practice assignment for Lesson 2.3.6 10 Minuten
Graded assignment for week 3 30 Minuten

3 Unbewertete Labore Insgesamt 60 Minuten

A Kalman predictor 20 Minuten
A Kalman smoother 20 Minuten
Steady-state Kalman filter 20 Minuten

A popular application of Kalman filters is to track (usually non-cooperating) targets. This week, you will learn how to implement standard and specialized Kalman filters suited for target tracking.

Das ist alles enthalten

6 Videos6 Lektüren6 Aufgaben2 Unbewertete Labore

6 Videos Insgesamt 107 Minuten

2.4.1: Some unique features of the target-tracking application 24 Minuten
2.4.2: Tracking with polar measurements and a Cartesian state 16 Minuten
2.4.3: The interacting-multiple-model Kalman filter 26 Minuten
2.4.4: Implementing the IMM Kalman filter in Octave 21 Minuten
2.4.5: Steady-state alpha-beta-gamma target-tracking filters 18 Minuten
2.4.6 :Summary of "Target-tracking application using a linear Kalman filter" module plus next steps 3 Minuten

6 Lektüren Insgesamt 60 Minuten

Notes for Lesson 2.4.1 10 Minuten
Notes for Lesson 2.4.2 10 Minuten
Notes for Lesson 2.4.3 10 Minuten
Notes for Lesson 2.4.4 10 Minuten
Notes for Lesson 2.4.5 10 Minuten
Notes for Lesson 2.4.6 10 Minuten

6 Aufgaben Insgesamt 80 Minuten

Practice assignment for Lesson 2.4.1 10 Minuten
Practice assignment for Lesson 2.4.2 10 Minuten
Practice assignment for Lesson 2.4.3 10 Minuten
Practice assignment for Lesson 2.4.4 10 Minuten
Practice assignment for Lesson 2.4.5 10 Minuten
Graded assignment for week 4 30 Minuten

2 Unbewertete Labore Insgesamt 40 Minuten

Converting polar to Cartesian 20 Minuten
The IMM 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

Gregory Plett

University of Colorado System

9 Kurse 83.543 Lernende

von

University of Colorado System

Mehr von Electrical Engineering entdecken

University of Colorado System
Kalman Filter Boot Camp (and State Estimation)
Kurs
University of Colorado System
Nonlinear Kalman Filters (and Parameter Estimation)
Kurs
University of Colorado System
Applied Kalman Filtering
Spezialisierung
University of Colorado System
Particle Filters (and Navigation)
Kurs

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.“

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.