GMPE340 Kalmanfilter og sensorintegrasjon

Autonome kjøretøy gir teknologien mot en mer bærekraftig transport. Ytelsen til moderne transportsystemer har blitt kraftig forbedret av den raske utviklingen av tilkoblede og autonome kjøretøy, hvor høy presisjon og pålitelig posisjonering er en nøkkelteknologi. Dette er en applikasjon som er avhengig av bruk av sensorfusjon der Kalmanfilteret vil være den viktigste arbeidshesten for å gi pålitelige estimater av systemtilstandene (f.eks. posisjon, hastighet og orientering).

Dette emnet introduserer bruken av stokastiske prosesser og anvendt Kalmanfiltrering med fokus på posisjonerings-, navigasjons- og tidsanvendelser (PNT).

Den første delen inkluderer de essensielle tilnærmingene til sannsynlighet, en introduksjon til tilfeldige signaler og respons på lineære systemer, tilstands-rom-modellering og Monte Carlo-simuleringer.

Den andre delen inneholder hovedtemaet for kurset, som er anvendt Kalmanfiltrering. Denne delen starter med den grunnleggende filterutledningen ved å bruke tilnærmingen til minimum gjennomsnittlig kvadratfeil. Dette følges av ulike tilnærminger til de grunnleggende teorier som: informasjonsfilteret, suboptimal analyse, betinget sannsynlighetstetthet, Bayesiansk estimering, forhold til minste kvadraters metode (LSQ) og andre estimatorer, glatting og metoder for å håndtere ikke-lineariteter.