Hoppa till huvudinnehållet
Till KTH:s startsida

FEL3320 Tillämpad estimering 7,5 hp

Information per kursomgång

Termin

Information för HT 2025 Start 2025-10-27 programstuderande

Studielokalisering

KTH Campus

Varaktighet
2025-10-27 - 2025-12-12
Perioder

HT 2025: P2 (7.5 hp)

Studietakt

75%

Anmälningskod

10275

Undervisningsform

Normal Dagtid

Undervisningsspråk

Engelska

Antal platser

Ingen platsbegränsning

Målgrupp
Ingen information tillagd
Planerade schemamoduler
[object Object]
Schema
Schema är inte publicerat
Del av program
Ingen information tillagd

Kontakt

Examinator
Ingen information tillagd
Kursansvarig
Ingen information tillagd
Lärare
Ingen information tillagd

Kursplan som PDF

Notera: all information från kursplanen visas i tillgängligt format på denna sida.

Kursplan FEL3320 (VT 2019–)
Rubriker med innehåll från kursplan FEL3320 (VT 2019–) är markerade med en asterisk ( )

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

Målet med kursen är att ge teoretisk och praktisk kunskap, färdigheter och erfarenhet av att arbeta med skattning. Kursen utgår från ett antal konketa exempel för att motivera behovet av vissa filtertekniker såsom Kalmanfilter och partikelfilter. Efter avslutad kurs:

  • Studenten skall kunna beskriva delarna i rekursiv Bayesiansk filtrering i termer av sannolikheter, jämföra olika skattningstekniker och välja och tillämpa lämplig metod på problem. 
  • Studenten kommer att ha reflekterat över sambanden mellan mätosäkerhet, sannolikhetsteori och skattningsmetoder.
  • Studenten kommer att ha tillskansat sig erfarenhet i att hitta information i den vetenskapliga literaturen inklusive nyligen publicerade journalartiklar. Studenterna kommer också att ha fått erfarenhet av att presentera resultat i strukturerade vetenskapliga rapporter.

Kurslitteratur och förberedelser

Särskild behörighet

Ingen information tillagd

Rekommenderade förkunskaper

Studenten skall ha kännedom om sannolikhetsteori motsvarande en grundläggande kurs i sannolikhet och statistik

Kurslitteratur

Du hittar information om kurslitteratur antingen i kursomgångens kurs-PM eller i kursomgångens kursrum i Canvas.

Examination och slutförande

Betygsskala

P, F

Examination

  • EXA1 - Examination, 7,5 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.

När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.

Kursen examineras med laborationer (PRO1), en tenta (TEN1) och ett project (PRO2).

PRO1: 2.0hp
PRO2: 2.0hp
TEN1: 3.5hp

När alla dessa har avklarats är studenten godkänd på kursen.  

För godkänd på tenta krävs 80% rätta svar. För godkänt på PRO2 krävs motsvarande ett B.

Övriga krav för slutbetyg

För att få slutbetyg måste studenten uppfylla minimumkraven för laborationerna, projektuppgiften och tentan.

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

Kursrum i Canvas

Registrerade studenter hittar information för genomförande av kursen i kursrummet i Canvas. En länk till kursrummet finns under fliken Studier i Personliga menyn vid kursstart.

Ges av

Utbildningsnivå

Forskarnivå

Forskarkurs

Forskarkurser på EECS/Reglerteknik