Hoppa till huvudinnehållet
Till KTH:s startsida

FEM3200 Optimal filtrering 10,0 hp

Information per kursomgång

Termin

Information för HT 2024 Start 2024-08-26 programstuderande

Studielokalisering

KTH Campus

Varaktighet
2024-08-26 - 2024-10-27
Perioder
P1 (10,0 hp)
Studietakt

75%

Anmälningskod

50882

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
Kontaktperson

Mats Bengtsson

Kursplan som PDF

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

Kursplan FEM3200 (VT 2019–)
Rubriker med innehåll från kursplan FEM3200 (VT 2019–) är markerade med en asterisk ( )

Innehåll och lärandemål

Kursinnehåll

1.Grundläggande estimeringsteori och geometrisk tolkningar

2.Wienerfilter i kontinuerlig och diskret tid.

3.Kalmanfilter; i kontinuerlig och diskret tid.

4.Innovationsprocessen

5.Stationära Kalmanfilter, spektralegenskaper

6.Glättning (fixpunkts-, fix fördröjning, fix tid)

7.Numeriska och beräkningsmässiga aspekter på Kalmanfiltrering

8.Ickelinjär filtrering

Ytterligare ämnen tillkommer i studentpresentationerna

Lärandemål

Efter fullgjord kurs ska studenten kunna

  • Visa förtrogenhet med fundamentala verktyg (givna av kursinnehållet) inom optimal filtrering.
  • Förstå vilka typer av estimeringsproblem där linjär estimering är tillämpbar.
  • Förstå samband mellan beräkningskomplexitet, filterstrukturer och prestanda.
  • Förstå samband mellan optimal filtrering, linjär estimering och Wiener-/Kalmanfiltrering.
  • Angripa estimeringsproblem med ett systematiskt tillvägagångssätt.
  • Beräkna, analysera och modifiera tillståndsmodeller.
  • Härleda och manipulera tidsdiskreta och tidskontinuerliga Wienerfilterekvationerna samt beräkna Wienerfilter för ett givet estimeringsproblem
  • Härleda och manipulera tidsdiskreta och tidskontinuerliga Kalmanfilterekvationerna samt beräkna Kalmanfilter för ett givet estimeringsproblem
  • Analysera egenskaper hos optimala filter.
  • Implementera Wiener- och Kalmanfilter (tidsdiskret) och tillståndsmodeller med hjälp av Matlab.
  • Simulera tillståndsmodeller och optimala filter, analysera resultaten, optimera filterprestanda samt skriftligt redogöra för resultaten.
  • Känna till vanligt förekommande metoder, såsom utökade Kalmanfilter, sigmapunktsfilter och partikelfilter, för optimal filtrering med icke-Gaussiskt brus eller ickelinjära modeller.
  • Använda de erhållna kunskaperna för att lättare kunna begripa forskningsliteratur.
  • Identifiera forskningsproblem där linjära och ickelinjära estimeringsverktyg kan vara användbara.
  • Tillämpa kunskapen för att lösa de identifierade problemen.
  • Kombinera flera delproblem och –lösningar för att lösa mer komplexa problem.
  • Visa förbättrade färdigheter såväl i problemlösning och bevisformulering som i kritisk utvärdering av bevis och lösningar.
  • Visa förbättrade kunskaper i muntligt presentation med tekniskt innehåll.

Kurslitteratur och förberedelser

Särskild behörighet

Doktorander vid skolan för elektro- och systemteknik. Externa deltagare efter antagning av examinatorn.

Rekommenderade förkunskaper

Studenten förutsätts vara bekant med grundläggande begrepp från linjär algebra, stokastiska processer och linjär systemteori, såsom kan förväntas från goda kunskaper från grundutbildningen.

Utrustning

Ingen information tillagd

Kurslitteratur

Ingen information tillagd

Examination och slutförande

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

Betygsskala

P, F

Examination

  • EXA1 - Examination, 10,0 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.

Övriga krav för slutbetyg

●      Individuella lösningar till de veckovisa hemuppgifterna., 70% av maxpoäng.

●      Skriftlig hemtentamen.

●      Ömsesidig rättning av tilldelade hemuppgiftsproblem

●      Presentation av tilldelat ämne samt aktivt deltagande under övriga studenters presentationer.

Möjlighet till komplettering

Ingen information tillagd

Möjlighet till plussning

Ingen information tillagd

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

Huvudområde

Denna kurs tillhör inget huvudområde.

Utbildningsnivå

Forskarnivå

Påbyggnad

Ingen information tillagd

Kontaktperson

Mats Bengtsson

Forskarkurs

Forskarkurser på EECS/Teknisk informationsvetenskap