EL2320 Tillämpad estimering 7,5 hp

Välj termin och kursomgång
Välj termin och kursomgång för att se aktuell information och mer om kursen, såsom kursplan, studieperiod och anmälningsinformation.
Innehåll och lärandemål
Kursinnehåll
Kursen fokuserar på att ge deltagarna praktisk erfarenhet av att använda olika skattningsmetoder på verkliga problem. Exempel som används i kursen är till exempel från navigering med mobila robotar.
Följande behandlas inom kursen: Observerbarhet, Markovantagandet, dataassociation, skattningsmetoder så som Kalman filter, Extended Kalman filter, partikelfilter, Rao-Blackwellized particle filter, Unscented Kalman Filter, Covariance Intersection.
Lärandemål
Efter godkänd kurs ska studenten kunna
- beskriva delarna i rekursiv Bayesiansk filtrering i termer av sannolikheter, reflektera över sambanden mellan mätosäkerhet, sannolikhetsteori och skattningsmetoder
- beskriva parametriska skattningstekniker samt välja och tillämpa lämplig metod på problem
- beskriva Monte Carlo-skattningstekniker samt välja och tillämpa lämplig metod på problem
i syfte att kunna arbeta med skattning.
Kursupplägg
Kurslitteratur och förberedelser
Särskild behörighet
Kunskaper i sannolikhetsteori och statistik, 6 hp, motsvarande slutförd kurs SF1900/SF1910-SF1935.
Rekommenderade förkunskaper
Courses corresponding to SF1624 Algebra and Geometry, SF1901 Probability Theory and Statistics, SF1635 Signals and Systems, part I. Being able to program in MATLAB.
Utrustning
Kurslitteratur
The official course book is "Probabilistic robotics" by Thrun, Burgard and Fox, The MIT Press, ISBN 0-262-20162-3 covers most of the material in the course from a robotics points of view. Letcures notes will also be made available. This course is at advanced level so some of the material will be in the form of research publications. The students are assumed able to research for additional material to solve the project assignment.
Examination och slutförande
När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.
Betygsskala
Examination
- PRO1 - Projekt, 2,0 hp, betygsskala: P, F
- PRO2 - Projekt, 2,0 hp, betygsskala: P, F
- TEN1 - Tentamen, 3,5 hp, betygsskala: P, F
Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.
Examinator får medge annan examinationsform vid omexamination av enstaka studenter.
Slutbetyget baseras på hur väl studenten utfört TEN1, PRO1, och PRO2 i kombination.
Möjlighet till komplettering
Möjlighet till plussning
Examinator
Etiskt förhållningssätt
- Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
- Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
- Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.
Ytterligare information
Kurswebb
Ytterligare information om kursen kan hittas på kurswebben via länken nedan. Information på kurswebben kommer framöver flyttas till denna sida.
Kurswebb EL2320Ges av
Huvudområde
Utbildningsnivå
Påbyggnad
There is a rich set of courses on related estimation, control, signal processing, systems theory, etc such as EQ2800 Optimal filtering, EQ2300 Digital signal processing, EQ2400 Adaptive signal processing, SF2842 Mathematical Systems Theory, EQ2810 Estimation theory
Kontaktperson
Övrig information
I denna kurs tillämpas EECS hederskodex, se:
http://www.kth.se/eecs/utbildning/hederskodex.