在线课程 – 科罗拉多大学应用克莱门特滤波器专业认证

Kalman Filter 训练营（和状态评估）

课程 1 • 22 小时

课程详情

学习内容

• 本课程介绍了卡尔曼滤波器作为解决与估计动态系统隐藏内部状态相关的问题的方法。
• 理论主题在状态空间和随机系统的模型的背景下进行研究。
• 显示了线性卡尔曼滤波器的步骤以及在倍频程代码中应用这些步骤的方法。
• 如何评估筛选器的结果。

您将获得的技能

• 类别： 卡尔曼滤波器在状态评估中的应用
• 类别： 学习卡尔曼滤波器的情境空间模型
• 类别： 了解卡尔曼滤波器的用途
• 类别： 学习卡尔曼滤波器的随机变量和随机过程
• 类别： 学习线性卡尔曼滤波器的步骤

线性卡尔曼滤波器中的深水（和目标跟踪）

课程 2 • 21 小时

课程详情

学习内容

• 本课程是“卡尔曼滤波器训练营”课程的延续，生成线性卡尔曼滤波器的步骤。
• 说明如何使该方法适应违反基本假设的应用程序。
• 这将增强滤波器的稳定性，并扩展包括预测和平滑的应用程序。
• 将解释如何使用单独运行的多模态卡尔曼滤波器在 Octave 代码中实现目标跟踪的实现。

您将获得的技能

• 类别：卡尔曼滤波器中所有变量的作用描述
• 类别： 了解 Infrastinence-Step-Simple-Orders 的目的
• 类别： 调整卡尔曼滤波器步骤以启用违反基本假设的应用程序
• Category： 调整卡尔曼滤波阶跃以使其更稳定
• 类别： 用于目标跟踪应用的卡尔曼滤波器应用

非线性滤波器（和参数估计）

课程 3 • 21 小时

课程详情

学习内容

• 继“线性卡尔曼滤波器中的深水”课程之后，本课程介绍了扩展卡尔曼滤波器和卡尔曼滤波器在 Sigma 点的步骤，用于估计非线性动态系统的状态。
• 您将学习如何在 Octave Code 中应用这些过滤器并比较它们的结果。
• 您将接触到在线调整卡尔曼估计噪声变化的自适应方法。
• 您将学习如何使用非线性卡尔曼滤波器估计状态空间模型的参数。

您将获得的技能

• 类别： 卡尔曼滤波在西格玛点 （SPKF） 和无猜测卡尔曼滤波 （UKF） 的应用
• 类别： 扩展卡尔曼滤波器应用 （EKF）
• 类别： 使用非线性卡尔曼滤波器实现参数指数
• 类别： Kalman Coveter （CKF） 滤波器应用
• 类别： 自适应扩展卡尔曼滤波应用 （AEKF）

微粒过滤器（和模拟）

课程 4 • 23 小时

课程详情

学习内容

• 作为卡尔曼滤波器专业的最后一门课程，您将学习如何开发粒子滤波器来解决强大的非线性状态估计问题。
• 您将了解 Monte-Carlo 集成及其重要性。
• 您将了解如何推导重要的采样方法，以便估计系统状态概率的密度函数。
• 您将面临这种方法的劣化问题，并学习如何通过重复采样来解决它。
• 您将学习如何在倍频程代码中应用稳定的微粒过滤器，并将其应用于建筑物内的导航问题。

您将获得的技能

• 所属分类： 倍频程稳定微粒过滤器算法的应用
• 类别： 使用 Bayes 推理实现情境估计解决方案
• 所属分类： 微粒过滤器解决内部导航问题的应用
• 类别： 在八度音程中序数重要性采样的应用
• 类别： 蒙特卡洛集成方法的实现