Logga in

Registrera

TSRT14 · Linköpings universitet

Sensorfusion

Ny kurs

Kom igång gratis

Inga tentor än

Ladda upp dina tidigare tentor och få hjälp med att strukturera ditt studiematerial

Få dina tentauppgifter kategoriseradeBli guidad genom ditt studiematerialFå hjälp direkt med teori och tipsHåll koll på dina framsteg

Kurs info

KurssidaKursplan
HP
6
Språk
Svenska
Nivå
Avancerad nivå
Fakultet
Tekniska fakulteten
Institution
Institutionen för systemteknik

Lärandemål

Studenten skall efter kursen kunna beskriva de viktigaste metoderna och algoritmerna för sensorfusion, samt kunna tillämpa dessa på sensornätverk, navigerings- och målföljningstillämpningar. Mer specifikt så skall studenten efter kursen kunna:

  • Förklara och modellera de vanligaste sensor- och rörelsemodellerna som används i sensorfusionstillämpningar.
  • Använda och analysera algoritmer för parameterskattning och detektion i statiska signalmodeller som inkluderar flera sensorer.
  • Använda och analysera algoritmer för att lösa tillståndsskattning i dynamiska system med hjälp av flera sensorer.
  • Identifiera fall där sensorfusion kan användas för att lösa praktiska problem och designa och utvärdera lösningar för att lösa dessa problem.
Kursinnehåll
Fusion för linjära och olinjära modeller. Algoritmer för lokalisering och och detektering i sensornätverk. Filterteori. Kalmanfilter för sensorfusion. Extended och unscented Kalmanfilter. Partikelfilter. Simultan lokalisering och kartering. Sensorer och sensornära signalbehandling. Rörelsemodeller. Estimering- och skattningsteori.
Förutsättningar
  • Grundkurs i statistik samt kurs där signaler och system behandlas, exempelvis Reglerteknik eller Signaler och system.
Litteratur
Statistical Sensor Fusion
Redo att boosta dina studier?

Gör som 15 000+ studenter och ta kontroll över ditt tentaplugg.

Kom igång gratis

Produkt

  • Priser

  • Karriär

Företag

  • Om oss

  • Blogg

  • Användarvillkor

  • Integritet

  • Support

Universitet

  • KTH

  • Uppsala universitet

  • Linköpings universitet

  • Chalmers

  • Lunds universitet

  • Luleå tekniska universitet

  • Stockholms universitet

  • Gymnasiet

Socialt

  • Instagram

  • Facebook

  • YouTube

  • TikTok

  • Linkedin

© 2026 Crash Course Sverige AB