Filtro de Kalman Estendido - Técnicas avançadas em estimativa de estado dinâmico para sistemas robóticos
Fouad Sabry
Tradutor Felipe Azevedo
Editora: Um Bilhão Bem Informado [Portuguese]
Sinopse
1: Filtro de Kalman estendido: apresenta o filtro de Kalman estendido (EKF), uma ferramenta essencial em estimativa não linear. 2: Notação Bra–ket: explica a base matemática, com foco na estrutura de sistemas quânticos. 3: Curvatura: discute o conceito de curvatura e sua influência no desempenho de filtros não lineares. 4: Estimativa de máxima verossimilhança: detalha a abordagem estatística usada para estimar parâmetros com a maior verossimilhança. 5: Filtro de Kalman: fornece uma exploração aprofundada do filtro de Kalman, a base para muitas técnicas de estimativa de estado. 6: Matriz de covariância: descreve a matriz de covariância e seu papel na quantificação da incerteza na filtragem. 7: Propagação da incerteza: explora como a incerteza se propaga ao longo do tempo e afeta a precisão da filtragem. 8: Algoritmo de Levenberg–Marquardt: apresenta este algoritmo, que otimiza problemas de mínimos quadrados não lineares. 9: Região de confiança: explica a região estatística que quantifica a precisão das estimativas de parâmetros. 10: Regressão não linear: concentra-se em métodos para ajustar modelos não lineares a dados usando técnicas de otimização. 11: Teoria da estimativa: fornece a teoria por trás da estimativa, essencial para entender o design e a análise do filtro. 12: Mínimos quadrados generalizados: discute a abordagem generalizada para resolver problemas de regressão na presença de heterocedasticidade. 13: Distribuição de Von Mises–Fisher: apresenta esta distribuição de probabilidade útil para dados direcionais em altas dimensões. 14: Filtro de Kalman conjunto: explora uma variação do filtro de Kalman adequada para sistemas não lineares de larga escala. 15: Problema de filtragem (processos estocásticos): detalha como a filtragem pode ser aplicada a processos aleatórios em sistemas dinâmicos. 16: GPS/INS: Descreve a integração de GPS e sistemas de navegação inercial para navegação e estimativa precisas. 17: Mínimos quadrados lineares: Abrange o método dos mínimos quadrados para resolver problemas de regressão linear. 18: Filtro de preservação de simetria: Apresenta filtros projetados para preservar a simetria em sistemas, importante em robótica. 19: Filtro de Kalman estendido invariante: Explica uma variação de EKF que mantém a invariância em sistemas não lineares. 20: Transformação sem cheiro: Discute a transformação sem cheiro, uma técnica para melhorar a estimativa de estado em modelos não lineares. 21: SAMV (algoritmo): Apresenta o algoritmo SAMV para estimativa robusta em ambientes incertos.
Disponível desde: 14/12/2024.
Comprimento de impressão: 407 páginas.
