Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Nous utilisons des cookies dans le but suivant :
Assurer le bon fonctionnement du site web, améliorer la sécurité et prévenir la fraude
Avoir un aperçu de l'utilisation du site web, afin d'améliorer son contenu et ses fonctionnalités
Pouvoir vous montrer les publicités les plus pertinentes sur des plateformes externes
Gestion des cookies
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Cookies techniques et fonctionnels
Ces cookies sont indispensables au bon fonctionnement du site internet et vous permettent par exemple de vous connecter. Vous ne pouvez pas désactiver ces cookies.
Cookies analytiques
Ces cookies collectent des informations anonymes sur l'utilisation de notre site web. De cette façon, nous pouvons mieux adapter le site web aux besoins des utilisateurs.
Cookies marketing
Ces cookies partagent votre comportement sur notre site web avec des parties externes, afin que vous puissiez voir des publicités plus pertinentes de Club sur des plateformes externes.
Une erreur est survenue, veuillez réessayer plus tard.
Il y a trop d’articles dans votre panier
Vous pouvez encoder maximum 250 articles dans votre panier en une fois. Supprimez certains articles de votre panier ou divisez votre commande en plusieurs commandes.
The theory of linear discrete time filtering started with a paper by Kol- mogorov in 1941. He addressed the problem for stationary random se- quences and introduced the idea of the innovations process, which is a useful tool for the more general problems considered here. The reader may object and note that Gauss discovered least squares much earlier; however, I want to distinguish between the problem of parameter estimation, the Gauss problem, and that of Kolmogorov estimation of a process. This sep- aration is of more than academic interest as the least squares problem leads to the normal equations, which are numerically ill conditioned, while the process estimation problem in the linear case with appropriate assumptions leads to uniformly asymptotically stable equations for the estimator and the gain. The conditions relate to controlability and observability and will be detailed in this volume. In the present volume, we present a series of lectures on linear and nonlinear sequential filtering theory. The theory is due to Kalman for the linear colored observation noise problem; in the case of white observation noise it is the analog of the continuous-time Kalman-Bucy theory. The discrete time filtering theory requires only modest mathematical tools in counterpoint to the continuous time theory and is aimed at a senior-level undergraduate course. The present book, organized by lectures, is actually based on a course that meets once a week for three hours, with each meeting constituting a lecture.