CCO - 03.2.01 - Filtragem Princípios e Aplicações

Quantidade de créditos: 8
Total de horas de aulas teóricas: 60
Total de horas de aulas de exercícios, seminários ou estudos dirigidos : 60

Objetivo

Apresentar os principais algoritmos de filtragem derivados do filtro de Bayes. Estudar aplicações de filtragem em diversas áreas de aplicação da robótica, realizando o desenvolvimento do modelo matemático do sistema, a sua implementação, e a sintonia dos parâmetros do filtro. Praticar a programação desses algoritmos utilizando dados reais e simulados.

Ementa

  • Filtro de Bayes
  • Filtros Gaussianos: filtro de Kalman, filtros de Kalman de estendido, filtro de Kalman Unscented e filtro de Informação
  • Filtros não paramétricos: filtro de Histograma e filtro de Partículas
  • Métodos de implementação
  • Estudo de aplicações lineares e não lineares

Bibliografia Principal

  1. THRUN, S.; BURGARD, W.; FOX, D.; Probabilistic Robotics. MIT Press, 2005.
  2. KIM, P; HUH, L.; Kalman Filter for Beginners: with MATLAB Examples. A-JIN, 2011.
  3. BROWN, R. G.; HWANG, P. Y. C.; Introduction to random signal and applied Kalman filtering: with Matlab exercises and solutions. John Wiley& Sons, 1997.
  4. GREWAL, M. S.; ANDREWS, A. P.; Kalman Filtering: Theory and Practice Using MATLAB. John Wiley& Sons, 2001.
  5. KAILATH, T.; SAYED, A. H.; HASSIBI, B.; Linear Estimation. Prentice-Hall, 2000.