FILTRAGE ET LISSAGE STATISTIQUE OPTIMAUX LINEAIRES

FILTRAGE ET LISSAGE STATISTIQUE OPTIMAUX LINEAIRES


Le filtrage est une discipline de base pour tous ceux qui ont à traiter des données : ingénieurs, économistes, médecins.
34 €
En stock

 

Commande avant 16h,
expédié le jour même (lu. - ve.)

 

Livraison express sous 48h.

ISBN : 2854280830
Référence : 043
Année de parution : 1984

Le filtrage est une discipline de base pour tous ceux qui ont à traiter des données : ingénieurs, économistes, médecins.

 Cet ouvrage rédigé dans un souci pédagogique, largement illustré par des exemples, présente une synthèse des différentes approches du filtrage.

A l'utilisateur, il fournit une grande pratique pour le choix et l'implantation des algorithmes sur calculateur. Coll. : SUPAERO

Référence : 043
Niveau : ingénieurs, grandes écoles, universités.
Nombre de pages : 352
Format : 17x24
Reliure : Broché
Rôle
Radix Jean-Claude Auteur

TABLE DES MATIÈRES

Introduction

Notations  

CHAPITRE I
FILTRAGE STATISTIQUE OPTIMAL

1. Rappel sur les systèmes linéaires continus et sur le calcul des probabilités
2. Le filtre statistique optimal de KALMAN-BUCY (version continue)
3. Le filtre statistique optimal récursif de KALMAN
4. Relations entre les filtres statistiques optimaux discrets et continus  
5. Extension des filtres de KALMAN-BUCY
6. Conclusion

CHAPITRE II
LISSAGE STATISTIQUE OPTIMAL LINÉAIRE

Introduction : filtrage, lissage, prédiction  

7. Généralités sur le calcul des probabilités et son application au problème de l’estimation
8. Lisseur de FRASER
9.Établissement du filtre de KALMAN et des lisseurs de RAUGH par la méthode du maximum de vraisemblance
10. Filtre et lisseur de BRYSON-FRAZIER
11. Lisseur de COX
12. Exemples de filtres et de lisseurs optimaux
Annexes

CHAPITRE III
ALGORITHMES DE FACTORISATION ET DE TRIANGULARISATION

Signes particuliers
1. Factorisation de CHOLESKI
2. Factorisation de COLESKI sans racine carrée
3. Factorisation de UD UT + c. aa T (AGEE-TURNER)   
4. Factorisation d’une matrice MD MT   en UD UT (utilisant l’orthogonalisation de GRAM-SCHMIDT pondérée
)
5. Triangularisation d’une matrice (HOUSEHOLDER)

CHAPITRE IV
FILTRES ET LISSEURS EN RACINES CARRÉES

Signes particuliers ; règles relatives aux exposants

1. Résolution d’un système linéaire surabondant
2. Introduction d’une statistique
A PRIORI
3. Estimation de l’état d’un système dynamique
4. Factorisation d’une matrice de covariance à
posteriori
( BIERMAN)
5. Algorithmes indépendants des travaux de BIERMAN
6. Conclusion



 

 

Livres de l'auteur Jean-Claude Radix