Bei der Verwendung von Sensordaten, zum Beispiel Positionsdaten im Navigationssystem eines Autos, Smartphones oder Flugzeuges, stellt sich das Problem, dass diese in einzelnen Zeitschritten fehlerbehaftet sind. Das gilt für Daten aus verschiedenen Quellen, z.B. GPS-Systemen, inertialen Navigationssystemen oder aus WiFi-Fingerprinting. Eine Betrachtung in Zeitreihen ermöglicht es, durch den zeitlichen Kontext diese Fehler zu reduzieren. Zur effizienten Behandlung des Schätzproblems eignen sich rekursive Schätzverfahren (Filter), die unter geeigneten Bedingungen das optimale Ergebnis liefern.

Inhalte der Vorlesung:

  1. Einführung
  2. Lineare Schätzer
  3. Zustandsraum, Beobachter nach Lüneberger
  4. Kalman-Filter
  5. Square-Root-Filter
  6. Unscented Kalman-Filter
  7. Partikel-Filter
  8. Spezielle Themen 

 

Termin:

  • Die Lehrveranstaltung findet jedes Herbttrimester (HT) statt.
  • Beginn: xx.10.2022