Curso online – especialización profesional certificada en filtros Kalman aplicados de la Universidad de Colorado

Campo de entrenamiento en Filter Kalman (y evaluación de la situación)

Curso 1 • 22 horas

Detalles del curso

¿Qué aprenderás?

• El curso ofrece una introducción al filtro de Kalman como método para resolver problemas relacionados con la estimación del estado interno oculto de un sistema dinámico.
• Se estudian cuestiones teóricas relacionadas con los modelos de espacio de estados y los sistemas estocásticos.
• Se presentan los pasos de un filtro de Kalman lineal y las formas de implementar estos pasos en el código Octave.
• Cómo evaluar los resultados del filtro.

habilidades que adquirirás

• Categoría: Aplicación de filtros de Kalman para estimación de situación
• Categoría: Aprendizaje de modelos de espacio de estados para filtros de Kalman
• Categoría: Comprender el propósito del filtro de Kalman
• Categoría: Aprendizaje de variables aleatorias y procesos aleatorios para filtros de Kalman
• Categoría: Aprendiendo los pasos de un filtro de Kalman lineal

Aguas profundas en un filtro lineal de Kalman (y seguimiento de objetivos)

Curso 2 • 21 horas

Detalles del curso

¿Qué aprenderás?

• Este curso, una continuación del curso «Kalman Filter Boot Camp», deriva los pasos del filtro Kalman lineal.
• Explica cómo adaptar el método a aplicaciones que van más allá de los supuestos básicos.
• Esto fortalecerá la estabilidad del filtro y ampliará las aplicaciones que implican predicción y suavizado.
• Se dará una explicación sobre cómo implementar una aplicación de seguimiento de objetivos en código Octave utilizando un filtro Kalman multimodelo que funciona por separado.

habilidades que adquirirás

• Categoría: Descripción del papel de todas las variables en el filtro de Kalman
• Categoría: Comprender el propósito de los pasos de inferencia-justo-órdenes
• Categoría: Adaptación de los pasos del filtro de Kalman para permitir aplicaciones que vayan más allá de los supuestos básicos
• Categoría: Ajuste de los pasos del filtro Kalman para hacerlo más estable
• Categoría: Aplicación de filtro Kalman para aplicación de seguimiento de objetivos

Filtros no lineales (y estimación de parámetros)

Curso 3 • 21 horas

Detalles del curso

¿Qué aprenderás?

• Continuando con el curso Filtro Kalman lineal para aguas profundas, este curso deriva los pasos del filtro Kalman extendido y del filtro Kalman de punto sigma para la estimación del estado de sistemas dinámicos no lineales.
• Aprenderá cómo aplicar estos filtros en el código Octave y comparar sus resultados.
• Estará expuesto a métodos adaptativos para ajustar las covarianzas del ruido de estimación de Kalman en línea.
• Aprenderá a estimar los parámetros de un modelo de espacio de estados utilizando filtros de Kalman no lineales.

habilidades que adquirirás

• Categoría: Implementación del filtro Kalman de punto Sigma (SPKF) y del filtro Kalman Guessless (UKF)
• Categoría: Aplicación del Filtro Kalman Extendido (EKF)
• Categoría: Aplicación de exponentes de parámetros utilizando filtros de Kalman no lineales
• Categoría: Aplicación del filtro Kalman Kubert (CKF)
• Categoría: Aplicación del filtro de Kalman extendido adaptativo (AEKF)

Filtros de partículas (y simulación)

Curso 4 • 23 horas

Detalles del curso

¿Qué aprenderás?

• Como último curso de la especialización en filtros de Kalman, aprenderás a desarrollar un filtro de partículas para resolver problemas de estimación de estados fuertemente no lineales.
• Aprenderá sobre la integración de Monte Carlo y su importancia.
• Verá cómo derivar el importante método de muestreo de orden para estimar la función de densidad de probabilidad del estado del sistema.
• Te ocuparás del problema de degradación de este método y aprenderás a resolverlo mediante el remuestreo.
• Aprenderá cómo implementar un filtro de partículas estable en código Octave y aplicarlo a un problema de navegación dentro de un edificio.

habilidades que adquirirás

• Categoría: Implementación del algoritmo de filtro de partículas estables de octava
• Categoría: Aplicación de una solución de evaluación de situaciones mediante inferencia bayesiana
• Categoría: Aplicación de filtro de partículas para solucionar un problema de navegación en interiores
• Categoría: Implementación del muestreo de importancia serial en octava
• Categoría: Aplicación de los métodos de integración Monte-Carlo