Přehled studia | Přehled oborů | Všechny skupiny předmětů | Všechny předměty | Seznam rolí | Vysvětlivky               Návod

---

B3M35OFD	Odhadování, filtrace a detekce
Role:	PO, PV	Rozsah výuky:	2P+2C
Katedra:	13135	Jazyk výuky:	CS
Garanti:	Havlena V.	Zakončení:	Z,ZK
Přednášející:	Havlena V.	Kreditů:	6
Cvičící:	Hauser J., Havlena V., Tabaček J.	Semestr:	Z

Webová stránka:

https://moodle.fel.cvut.cz/courses/B3M35OFD

Anotace:

Předmět seznamuje posluchače s popisem neurčitosti nepozorovatelných veličin (parametrů a stavu dynamického systému) jazykem teorie pravděpodobnosti a s metodami jejich odhadování. Na základě bayesovské formulace problému jsou odvozeny algoritmy odhadování (parametry ARX modelu, Gaussian Process Regression) a filtrace (Kalmanův filtr) a detekce (testování hypotéz na základě věrohodnostního poměru), diskutována jejich numericky robustní implementace a řešení reálných aplikačních problémů v oblasti průmyslových regulací, robotiky a avioniky.

Cíle studia:

Schopnost řešit inženýrské problem v oblasti odhadování a filtrace s využitím rigorózních teoretických základů.

Obsah:

MS, LMS a ML odhad. Bayesovský přistup, model dynamického system Identifikace parametrů ARX modelu. Sledování časově proměnných parametrů, metody zapomínání. Numercky robustní algoritmy odhadování. Regrese s využitím gaussovských procesů. Stochastický systém, pravděpodobnostní definice stavu, Kalmanův filtr. Kalmanův filtr pro barevné šumy, rozšířený Kalmanův filtr. Stochastické dynamické programování, LQ a LQG řízení, separační princip. Metody detekce a izolace poruch. Věrohodnostní poměr - teorie a aplikace. Nelineární odhadování - lokální a globální aproximace. Metody Monte Carlo.

Osnovy přednášek:

1.		Opakování statistiky
2.		MS, LMS a ML odhad
3.		Bayesovský přistup, model dynamického systému
4.		Identifikace parametrů ARX modelu
5.		Sledování časově proměnných parametrů, metody zapomínání
6.		Numercky robustní algoritmy odhadování
7.		Regrese s využitím Gausovských procesů
8.		Stochastický systém, pravděpodobnostní definice stavu, Kalmanův filtr
9.		Kalmanův filtr pro barevné šumy, rozšířený Kalmanův filtr
10.		Stochastick=é dynamické programování, LQ a LQG řízení, separační princip
11.		Metody detekce a izolace poruch
12.		Věrohodnostní poměr - teorie a aplikace
13.		Nelineární odhadování - lokální a globální aproximace
14.		Metody Monte Carlo

Osnovy cvičení:

Náplní seminářů je práce na zadaných projektech (implementace vybraných algoritmů v Matlabu, řešení konkrétních technických problémů), Předmětem kontroly jsou funkční algoritmy a závěrečná zpráva. Náplní domácích úkolů je řešení vybraných teoretické problému, předmětem kontroly je písemná zpráva. .

Literatura:

Lewis, F. L., L. Xie, D. Popa: Optimal and Robust Estimation: With an Introduction to Stochastic Control Theory, CRC Press, 2005. ISBN 978-1-4200-0829-6 Simon, D.: Optimal State Estimation: Kalman, H Infinity, and Nonlinear Approaches. Wiley, 2006, ISBN: 978-0-471-70858-2 Slidy přednášek (WEB/Moodle) Zadání samostatných prací a domácích úkolů (WEB/Moodle)

Požadavky:

Základní znalosti teorie dynamických system, pravděpodobnosti a statistiky.

Poznámka:

Updated 31. 1. 2016, 3+1

Klíčová slova:

Odhadování, filtrace, stochastický system, stav, nelineární systém, věrohodnostní poměr, metoda Monte Carlo.

Předmět je zahrnut do těchto studijních plánů:

Plán	Obor	Role	Dop. semestr
MPKYR5_2016	Kybernetika a robotika	PV	3
MPKYR4_2016	Letecké a kosmické systémy	PV	3
MPKYR3_2016	Systémy a řízení	PO	3
MPKYR2_2016	Senzory a přístrojová technika	PV	3
MPKYR1_2016	Robotika	PV	3
MPKYR_2021	Před zařazením do oboru	PV	3

---

Stránka vytvořena 13.10.2024 17:50:35, semestry: L/2023-4, Z,L/2024-5, Z/2025-6, připomínky k informační náplni zasílejte správci studijních plánů

Návrh a realizace: I. Halaška (K336), J. Novák (K336)