Séance de cours

Filtre de Kalman : Linéarisé vs Extended

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

ENV-548: Sensor orientation

Determination of spatial orientation (i.e. position, velocity, attitude) via integration of inertial sensors with satellite positioning. Prerequisite for applications related to remote sensing, environmental monitoring, mobile mapping, robotics, space expl ...

Description

Cette séance de cours explique le concept d'un filtre de Kalman linéarisé et ses limites lorsqu'il s'agit de cas non linéaires forts. L'instructeur introduit le filtre de Kalman étendu comme méthode pour répondre à ces limitations en mettant à jour continuellement la trajectoire estimée sur la base d'observations, en s'éloignant de l'approche linéarisée.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Enseignant·e

Jan Skaloud

Expertise Satellite positioning, inertial and integrated navigation Sensor orientation and calibration, attitude determination Mobile mapping, airborne laser scanning Adjustment methods, Kalman Filtering Mission Teaching in 3 EPFL sections and 2 faculties, director of ESO lab. Books / Monographs J. Skaloud and M. Cramer, «Data Capture,» in GIS Handbook, W. Kresse and D. Danko, Eds. Springer, 2011. D. Lichti and J. Skaloud, «Registration and Calibration,» in Airborne and terrestrial laser scanning, H.-G. Ma

Source officielle

Concepts associés (10)

Filtre de Kalman

vignette| Concept de base du filtre de Kalman. En statistique et en théorie du contrôle, le filtre de Kalman est un filtre à réponse impulsionnelle infinie qui estime les états d'un système dynamique à partir d'une série de mesures incomplètes ou bruitées. Le filtre a été nommé d'après le mathématicien et informaticien américain d'origine hongroise Rudolf Kálmán. Le filtre de Kalman est utilisé dans une large gamme de domaines technologiques (radar, vision électronique, communication...).

Nonlinear filter

In signal processing, a nonlinear (or non-linear) filter is a filter whose output is not a linear function of its input. That is, if the filter outputs signals R and S for two input signals r and s separately, but does not always output αR + βS when the input is a linear combination αr + βs. Both continuous-domain and discrete-domain filters may be nonlinear. A simple example of the former would be an electrical device whose output voltage R(t) at any moment is the square of the input voltage r(t); or which is the input clipped to a fixed range [a,b], namely R(t) = max(a, min(b, r(t))).

Filtre particulaire

Les filtres particulaires, aussi connus sous le nom de méthodes de Monte-Carlo séquentielles, sont des techniques sophistiquées d'estimation de modèles fondées sur la simulation. Les filtres particulaires sont généralement utilisés pour estimer des réseaux bayésiens et constituent des méthodes 'en-ligne' analogues aux méthodes de Monte-Carlo par chaînes de Markov qui elles sont des méthodes 'hors-ligne' (donc a posteriori) et souvent similaires aux méthodes d'échantillonnage préférentiel.

Filtre de Kalman d'ensemble

Le filtre de Kalman d'ensemble (EnKF) est une variante du filtre de Kalman plus adaptée aux problèmes de très grande dimension comme les modèles géophysiques. Il a fait son apparition en 1994 dans un article de Geir Evensen. L'idée du filtre de Kalman d'ensemble est de représenter la loi recherchée par un échantillon de la variable d'état, et par suite la matrice de covariance du filtre de Kalman devient une matrice de covariance échantillonnée.

Filtre (audio)

Dans le traitement du signal, un filtre est un appareil ou une fonction servant à retirer ou bien à accentuer ou réduire certaines parties du spectre sonore représentées dans un signal. Les filtres sont essentiels dans plusieurs fonctions des appareils électroniques (voir Filtre (électronique)). Nous ne traiterons ici que des filtres accessibles par des commandes dans les tranches des consoles de mixage et les égaliseurs qui permettent d'ajuster la tonalité des sons.

Afficher plus

Séances de cours associées (26)

Filtre de Kalman : Linéarisé vs Extended

Explore les filtres de Kalman linéarisés et étendus, illustrant leur application dans les systèmes non linéaires et l'estimation des paramètres inconnus.

Filtrage d'images: bases et techniques MOOC: Traitement et analyse d'images pour les scientifiques du vivant

Explore les techniques de filtrage d'images, y compris les filtres linéaires et non linéaires, pour l'élimination des artefacts et l'amélioration des fonctionnalités.

Filtre Kalman: Séries chronologiques

Couvre la modélisation structurelle, les modèles d'espace d'état, et le filtre Kalman dans l'analyse des séries temporelles.

Estimation et prévision linéaires

Explore l'estimation linéaire, les filtres Wiener et la prédiction optimale dans le traitement du signal.

Signalisation neuronale et traitement des signaux

Explore le traitement du signal neuronal pour les interfaces cerveau-ordinateur, y compris les techniques de décodage comme les filtres Kalman et le tri des pics.

Afficher plus

Concepts associés (10)

Filtre de Kalman

Nonlinear filter

Filtre particulaire

Filtre de Kalman d'ensemble

Filtre (audio)

Afficher plus