KIT | KIT-Bibliothek | Impressum | Datenschutz

Nonlinear Gaussian Filtering : Theory, Algorithms, and Applications

Huber, Marco

Abstract:
By restricting to Gaussian distributions, the optimal Bayesian filtering problem can be transformed into an algebraically simple form, which allows for computationally efficient algorithms. Three problem settings are discussed in this thesis: (1) filtering with Gaussians only, (2) Gaussian mixture filtering for strong nonlinearities, (3) Gaussian process filtering for purely data-driven scenarios. For each setting, efficient algorithms are derived and applied to real-world problems.


Volltext §
DOI: 10.5445/IR/1000046060
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Anthropomatik und Robotik (IAR)
Publikationstyp Hochschulschrift
Publikationsjahr 2015
Sprache Englisch
Identifikator urn:nbn:de:swb:90-460607
KITopen-ID: 1000046060
Verlag Karlsruher Institut für Technologie (KIT)
Umfang XVI, 551 S.
Art der Arbeit Habilitation
Bemerkung zur Veröffentlichung Eingereicht am: 14.02.2014
Schlagwörter Bayes'sche Statistik, Zustandsschätzung, Kalman-Filter, Gaußprozesse Bayesian statistics, state estimation, filtering, Kalman filter, Gaussian processes
Relationen in KITopen
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page