Filtro di Kalman esteso

1: Filtro di Kalman esteso: introduce il filtro di Kalman esteso (EKF), uno strumento fondamentale nella stima non lineare. 2: Notazione Bra-ket: spiega le basi matematiche, concentrandosi sulla struttura dei sistemi di tipo quantistico. 3: Curvatura: discute il concetto di curvatura e la sua influenza sulle prestazioni dei filtri non lineari. 4: Stima della massima verosimiglianza: descrive in dettaglio l'approccio statistico utilizzato per stimare i parametri con la massima verosimiglianza. 5: Filtro di Kalman: fornisce un'esplorazione approfondita del filtro di Kalman, la base di molte tecniche di stima dello stato. 6: Matrice di covarianza: descrive la matrice di covarianza e il suo ruolo nella quantificazione dell'incertezza nel filtraggio. 7: Propagazione dell'incertezza: esplora come l'incertezza si propaga nel tempo e influisce sulla precisione del filtraggio. 8: Algoritmo di Levenberg-Marquardt: introduce questo algoritmo, che ottimizza i problemi dei minimi quadrati non lineari. 9: Regione di confidenza: spiega la regione statistica che quantifica la precisione delle stime dei parametri. 10: Regressione non lineare: si concentra sui metodi per adattare i modelli non lineari ai dati utilizzando tecniche di ottimizzazione. 11: Teoria della stima: fornisce la teoria alla base della stima, essenziale per comprendere la progettazione e l'analisi dei filtri. 12: Minimi quadrati generalizzati: discute l'approccio generalizzato per risolvere i problemi di regressione in presenza di eteroschedasticità. 13: Distribuzione di Von Mises-Fisher: introduce questa distribuzione di probabilità utile per i dati direzionali in dimensioni elevate. 14: Filtro di Kalman d'insieme: esplora una variante del filtro di Kalman adatta a sistemi non lineari su larga scala. 15: Problema di filtraggio (processi stocastici): descrive in dettaglio come il filtraggio può essere applicato a processi casuali in sistemi dinamici. 16: GPS/INS: descrive l'integrazione di sistemi di navigazione GPS e inerziale per una navigazione e una stima precise. 17: Minimi quadrati lineari: tratta il metodo dei minimi quadrati per risolvere problemi di regressione lineare. 18: Filtro che preserva la simmetria: introduce filtri progettati per preservare la simmetria nei sistemi, importanti in robotica. 19: Filtro di Kalman esteso invariante: spiega una variante di EKF che mantiene l'invarianza nei sistemi non lineari. 20: Trasformazione non profumata: discute la trasformazione non profumata, una tecnica per migliorare la stima dello stato nei modelli non lineari. 21: SAMV (algoritmo): introduce l'algoritmo SAMV per una stima robusta in ambienti incerti.