Estimering i ulineære systemer

Emnet undervises ved behov.
System identifikasjon og parameterestimering: Augmentert kalmanfilter og maksimum likelihood metoden. Ytelses analyse for estimeringsmetoder: Monte Carlo simulering, kovaransanalyse og Cramer Raos nedre grense. Bayesestimering i ulineære ikke-gaussiske systemer, dvs løsning av prediksjons-, filtrerings-, glattings- og parameter-estimeringsproblemene for slike systemer. Følgende modeller behandles:
Diskret-tid ulineære tilstandsrommodeller (unscented kalmanfilter, punktmasse- og partikkelfiltrene). Diskret tid og diskret tilstand: Skjulte markov-modeller (forover-, bakover-, Viterbi og Baum-Welch algoritmene). Statiske og dynamiske multiple-modell estimeringsalgoritmer. Metodene som blir gjennomgått beskrives også vha pseudokode og implementeres i Matlab. Studentene eksperimenterer med programmene på et antall Case Studies.

KUNNSKAP: Kunne de nyeste metodene for å estimerer posisjon, hastighet og stillingen for fly/fartøy/undervannsfarkost i et navigasjonssystem som bruker gyro- og akselerasjonsmålinger, posisjonmålinger, hastighetmålinger og kartinformasjon. Dvs systemer som kan beskrives av ulineære stokastisk tilstandsrommodeller. FERDIGHET: Selvstendig gjennomføre mindre utviklingsprosjekter og bidra aktivt i større prosjekter.
GENERELL KOMPETANSE: Kommunisere faglige problemstillinger både med spesialister og allmenheten.

Forelesninger, øvinger og prosjektoppgaver.