Kalman-Filter

Kalman-Filter
Einführung in die Zustandsschätzung und ihre Anwendung für eingebettete Systeme
 Paperback
Sofort lieferbar | Lieferzeit: Sofort lieferbar I

37,99 €* Paperback

Alle Preise inkl. MwSt. | Versandkostenfrei
Artikel-Nr:
9783658432157
Veröffentl:
2024
Einband:
Paperback
Erscheinungsdatum:
30.04.2024
Seiten:
256
Autor:
Sebastian Dingler
Gewicht:
436 g
Format:
240x168x15 mm
Sprache:
Deutsch
Beschreibung:

Prof. Dr. Reiner Marchthaler hat eine Professur für das Lehrgebiet "Embedded Systems" in der Fakultät Informationstechnik an der Hochschule Esslingen mit dem Spezialgebiet autonom fahrende Fahrzeuge.

Sebastian Dingler studierte  Technische Informatik und Informatik an der Hochschule Esslingen und am Karlsruher Institut für Technologie (KIT).
Dieses Lehrbuch befasst sich leicht verständlich mit der Theorie der Kalman-Filterung. Die Autoren geben damit eine Einführung in Kalman-Filter und deren Anwendung für eingebettete Systeme. Zusätzlich wird anhand konkreter Praxisbeispiele der Kalman-Filterentwurf demonstriert - Teilschritte werden im Buch ausführlich erläutert.Kalman-Filter sind die erste Wahl, um Störsignale auf den Sensorsignalen zu eliminieren. Dies ist von besonderer Bedeutung, da viele technische Systeme ihre prozessrelevanten Informationen über Sensoren gewinnen. Jeder Messwert eines Sensors weißt jedoch aufgrund verschiedener Ursachen einen Messfehler auf. Würde ein System nur auf Basis dieser ungenauen Sensorinformationen arbeiten, so wären viele Anwendungen, wie zum Beispiel ein Navigationssystem oder autonome arbeitende Systeme, nicht möglich.Das Buch ist geeignet für interessierte Bachelor- und Master-Studierende der Fachrichtungen Informatik, Maschinenbau, Elektrotechnik undMechatronik. Ebenso ist das Buch eine Hilfe für Ingenieure und Wissenschaftler, die ein Kalman-Filter z. B. für die Datenfusion oder die Schätzung unbekannter Größen in Echtzeitanwendungen einsetzen möchten.

Einführendes Beispiel.- Zustandsraumbeschreibung.- Wahrscheinlichkeitstheorie.- Signaltheorie.- Klassisches Kalman-Filter.- Adaptiver Kalman-Filter (ROSE-Filter).- Nichtlineare Kalman Filter.- Systemrauschen.- Gütemaße.- Prinzipielles Vorgehen.- Beispiel: Bias Schätzung.- Beispiel: Kinematische Modelle.- Beispiel: Messrauschen mit Offset.- Beispiel: Alternatives Bewegungsmodell der Mondfähre.- Beispiel: Kovarianzmatrix Messrauschen.- Beispiel: Umfeldsensor mit ROSE-Filter.- Beispiel: Fahrstreifenerkennung.- Beispiel: Gleichstrommotor.- Beispiel: Positions- und Geschwindigkeitsschätzung mit EKF-Filter.

Kunden Rezensionen

Zu diesem Artikel ist noch keine Rezension vorhanden.
Helfen sie anderen Besuchern und verfassen Sie selbst eine Rezension.