Recursive State Estimation
Since 1960-1961, when Rudolf E. Kalman has published his seminal work on discrete-time recursive optimal filtering and, together with Richard S. Bucy, on continuous-time optimal filtering of linear nonstationary stochastic processes with white Gaussian noise, recursive filtering and smoothing alg... Lue lisää
Since 1960-1961, when Rudolf E. Kalman has published his seminal work on discrete-time recursive optimal filtering and, together with Richard S. Bucy, on continuous-time optimal filtering of linear nonstationary stochastic processes with white Gaussian noise, recursive filtering and smoothing alg... Lue lisää
-
Tuotekuvaus
Since 1960-1961, when Rudolf E. Kalman has published his seminal work on discrete-time recursive optimal filtering and, together with Richard S. Bucy, on continuous-time optimal filtering of linear nonstationary stochastic processes with white Gaussian noise, recursive filtering and smoothing algorithm have become and still remain a key tool for real-time state estimation. This is despite the fact that Bayesian and convolution-based approaches say that optimal recursions are only available for white Gaussian and colored Gauss-Markov noise. Otherwise, since non-Gaussian noise has high-order statistics, the hypothetical recursive forms seem to be so complex that it is hardly practical to use them instead of batch forms. Therefore, recursive forms are widely used, although this often calls into question their accuracy in harsh environments. When solving state estimation problems for signal processing and control using recursive algorithms, researchers traditionally associate them with Kalman filtering, even when not using all its recursive forms. This is even though some solutions, such as the robust iterative UFIR filter, as well as the transfer function-based H8 filter, generalized H2 filter, L1 filter, etc., have nothing to do with Kalman filtering. Moreover, data-driven and AI-aided model-based filtering algorithms also lose connection to it. This leads to the idea that instead of thinking of recursive algorithms as Kalman-like, it is worth focusing on the general recursive form and cover all available recursive state estimators under one umbrella, treating Kalman filter is a special case. This book attempts to do this by describing 53 pseudo codes and other forms of optimal, suboptimal, and robust recursive state estimation algorithms. -
Tuotetiedot
- Kustantaja / Valmistaja Taylor & Francis Ltd
- ISBN 9781041286134
- Tuotekoodi 9781041286134
- Kirjoittajat Yuriy S. Shmaliy
- Kieli Englanti
- Thema-luokitus Sähkötekniikka; Elektroniset laitteet ja materiaalit; Robotiikka
- Ilmestymispäivä 11.11.2026
- Vuosi 2026
- Tuoteryhmä Ulk tiede, luonto
- Tuotepääryhmä Ulkomaiset tietokirjat
- Tuotelinja Kirjat
- Sivumäärä 560
- Pituus (mm) 234
- Leveys (mm) 156
- Tuotemuoto Kovakantinen
- Tuoteturvallisuusyhteystiedot Taylor & Francis Verlag GmbH, GPSR@taylorandfrancis.com, Kaufingerstraße 24, 80331 München, Germany, 80331, München
- ALV 13,5%
Tämä tuote kuuluu tuoteryhmiin
Tuotearvostelut Suomalainen.comissa
Tutustu tuotearvostelujen käytäntöihin ja ehtoihin ennen kuin jätät arvostelun.
Suomalainen.com -verkkokaupassa on mahdollista jättää tuotearvosteluja siellä myynnissä olevista tuotteista. Tuotearvosteluja voivat jättää sekä tuotetta Suomalaisesta Kirjakaupasta ostaneet asiakkaat että muut sivuston käyttäjät. Arvostelijan nimimerkin jälkeinen teksti kertoo, onko kyseessä vahvistettu ostaja vai muu asiakas/sivuston käyttäjä.
-
Vahvistettu ostaja - Kyseinen arvostelu on jätetty käyttämällä tuotteen ostajalle lähetettyä sähköpostilinkkiä. Kyseessä on siis vahvistettu ostaja eli arvostelun jättänyt henkilö on ostanut todennetusti kyseisen tuotteen.
-
Vahvistettu suosittelija - Kyseinen arvostelu on jätetty suomalainen.com -verkkosivustolla. Arvostelijan sähköpostiosoite on vahvistettu, jotta on voitu varmistua siitä, että arvostelun on jättänyt oikea henkilö. Suomalainen.com ei kuitenkaan ole vahvistanut, että kyseinen henkilö on ostanut tuotteen.
- Ei tekstiä nimimerkin jälkeen - Kyseinen arvostelu on jätetty suomalainen.com -verkkosivustolla, mutta arvostelun jättäjän sähköpostiosoitetta ei ole vahvistettu.
Tuotearvostelussa pakollisia tietoja ovat tuotteen pistemäärä (tähdet), otsikko sekä arvosteluteksti. Jos jätät arvostelun sinulle lähetetyn sähköpostilinkin kautta, arvostelu julkaistaan käyttämällä etunimeäsi sekä sukunimen ensimmäistä kirjainta.
Jos jätät arvostelun sivustollamme, voit käyttää arvostelussa myös nimimerkkiä. Arvostelun jättämisen yhteydessä sinulta kysytään sähköpostiosoitetta, jonka avulla vahvistamme, että arvostelun on lähettänyt oikea henkilö, eikä esimerkiksi robotti. Tuotearvostelujen palveluntarjoajana toimii Yotpo. Katso Yotpon tietosuojaseloste.
Arvostelut julkaistaan tuotteen kohdalla automaattisesti ja ne tulevat esiin viiveellä. Suomalainen.com pidättää kuitenkin oikeuden poistaa kommentit, jotka sisältävät epäasiallista, herjaavaa tai halventavaa kieltä, vihapuhetta tai ovat muuten hyvän tavan vastaisia, tai joissa markkinoidaan muiden toimijoiden sivustoja tai tuotteita.
Jättämällä arvostelun annat Suomalaiselle Kirjakaupalle oikeuden käyttää kyseisiä arvosteluja omassa markkinoinnissaan (sekä painettu että digitaalinen) ilman erillistä korvausta. Arvosteluja käytetään myös analysointiin ja markkinoinnin kehittämiseen.
Tuotearvostelun jättäneiden kesken arvotaan säännöllisin väliajoin tuotepalkintoja. Tutustu arvonnan sääntöihin täällä.
Mikäli haluat poistaa jättämäsi tuotearvostelun verkkokaupastamme, pyyntö tästä tulee ohjata asiakaspalveluumme: asiakaspalvelu@suomalainen.com.
Tuotearvostelut eivät ole tarkoitettu asiakasreklamaatioiden tai tilauskyselyjen tekemiseen. Reklamaatiotapauksissa pyydämme ottamaan yhteyttä asiakaspalveluumme: asiakaspalvelu@suomalainen.com.
Jättämällä arvostelun suomalainen.com -verkkokauppaan hyväksyt yllämainitut käytännöt ja ehdot.
Lue lisää tuotearvosteluista.
