تهيه اطلاعات پيوسته به روز و دقيق در مورد مكان و سرعت يك شي معين فقط به كمك توالي مشاهدات در مورد موقعيت آن شي، كه هر كدام شامل مقداري خطاست امكان پذير است. اين فيلتر در طيف گسترده‌اي از كاربري‌هاي مهندسي از رادار گرفته تا بصيرت رايانه‌اي كاربرد دارد. روش تصفيه كالمن يكي از عناوين مهم در تئوري كنترل و مهندسي سيستم‌هاي كنترلي مي‌باشد.
فيلتر كالمن (Kalman Filter) يك فيلتر بازگشتي كارامد است كه حالت يك سيستم پويا را از يك سري اندازه گيري‌هاي همراه با خطا بر آورد مي‌كند. به همراه يك تنظيم كننده خطي مرتبه دوم (linear quadratic regulator LQR) فيلتر كالمن مسائل Gaussian control خطي مرتبه دوم (linear-quadratic Gaussian control - LQG) را حل مي‌كند. فيلتر كالمن، LQR و LQG راه حلي هستند براي آنچه شايد اساسي‌ترين مسائل تئوري كنترل مي نامند...
كتاب نظريه و تمرين فيلتر كالمن با استفاده از نرم افزار متلب (Kalman Filtering - Theory and Practice Using MATLAB)، مشتمل بر 9 فصل، 582 صفحه، با فرمت pdf، همراه با تصاوير، به زبان انگليسي، به ترتيب زير گردآوري شده است:
Chapter 1: General Information
- On Kalman Filtering
- On Optimal Estimation Methods
- On the Notation Used In This Book
- Summary
- Problems
Chapter 2: Linear Dynamic Systems
- Chapter Focus
- Dynamic System Models
- Continuous Linear Systems and Their Solutions
- Discrete Linear Systems and Their Solutions
- Observability of Linear Dynamic System Models
- Summary
- Problems
Chapter 3: Random Processes and Stochastic Systems
- Chapter Focus
- Probability and Random Variables (RVs)
- Statistical Properties of RVs
- Statistical Properties of Random Processes (RPs)
- Linear RP Models
- Shaping Filters and State Augmentation
- Mean and Covariance Propagation
- Relationships Between Model Parameters
- Orthogonality Principle
- Summary
- Problems
Chapter 4: Linear Optimal Filters and Predictors
- Chapter Focus
- Kalman Filter
- Kalman–Bucy Filter
- Optimal Linear Predictors
- Correlated Noise Sources
- Relationships Between Kalman–Bucy and Wiener Filters
- Quadratic Loss Functions
- Matrix Riccati Differential Equation
- Matrix Riccati Equation In Discrete Time
- Model Equations for Transformed State Variables
- Application of Kalman Filters
- Summary
- Problems
Chapter 5: Optimal Smoothers
- Chapter Focus
- Fixed-Interval Smoothing
- Fixed-Lag Smoothing
- Fixed-Point Smoothing
- Summary
- Problems
Chapter 6: Implementation Methods
- Chapter Focus
- Computer Round off
- Effects of Round off Errors on Kalman Filters
- Factorization Methods for Square-Root Filtering
- Square-Root and UD Filters
- Other Implementation Methods
- Summary
- Problems
Chapter 7: Nonlinear Filtering
- Chapter Focus
- Quasilinear Filtering
- Sampling Methods for Nonlinear Filtering
- Summary
- Problems
Chapter 8: Practical Considerations
- Chapter Focus
- Detecting and Correcting Anomalous Behavior
- Prefiltering and Data Rejection Methods
- Stability of Kalman Filters
- Suboptimal and Reduced-Order Filters
- Schmidt–Kalman Filtering
- Memory, Throughput, and Wordlength Requirements
- Ways to Reduce Computational Requirements
- Error Budgets and Sensitivity Analysis
- Optimizing Measurement Selection Policies
- Innovations Analysis
- Summary
- Problems
Chapter 9: Applications to Navigation
- Chapter Focus
- Host Vehicle Dynamics
- Inertial Navigation Systems (INS)
- Global Navigation Satellite Systems (GNSS)
- Kalman Filters for GNSS
- Loosely Coupled GNSS/INS Integration
- Tightly Coupled GNSS/INS Integration
- Summary
- Problems
* توجه:
لازم به ذكر است كه علاوه بر فايل كتاب آموزشي بالا، مجموعه كدهاي تخمين حالت و پارامتر با فيلتر كالمن در نرم افزار MATLAB، جهت آموزش هرچه بهتر اين مبحث نيز جهت دانلود قرار داده شده است:
- مدل سيميولينك و برنامه فيلتر كالمن استاندار يك بعدي 1D standard Kalman Filter (Simulink model and program)
- بسته جامع فيلتر كالمن (Kalman Filter Package)
- فايل آموزشي فيلتر كالمن در متلب Kalman Filter in Matlab (Tutorial)
- آموزش فيلتر كالمن بي رد (Learning the Unscented Kalman Filter)
- فيلتر كالمن خطي (Linear Kalman Filter)
- چارچوب فيلتر كالمن براي تخمين حالت و پارامتر در متلب (Kalman filtering framework)
- فيلتر كالمن براي رفع نويز فيلم هاي داراي نويز (Kalman filter for noisy movies)
- بهينه سازي كمترين مربعات غير خطي با استفاده از تخمين پارامتر توسط فيلتر كالمن بي رد (Nonlinear least square optimization through parameter estimation using the Unscented Kalman Filter)
- يادگيري فيلتر كالمن از ديدگاه فيدبك (Learning the Kalman Filter: A Feedback Perspective)
- آموزش پياده سازي فيلتر كالمن در سيميولينك (Learning Kalman Filter Implementation in Simulink)
- آموزش فيلتر كالمن توسعه يافته (Learning the Extended Kalman Filter)
- فيلتر كالمن توسعه يافته دوگانه (Dual Extended Kalman Filter)
- فيلتر كالمن توسعه يافته براي داده هاي سيستم موقعيت دهي عمومي (Extended Kalman Filter(EKF) for GPS)
- آموزش و طراحي شبكه هاي عصبي مصنوعي با استفاده از فيلتر كالمن بي رد (Neural Network training using the Unscented Kalman Filter)
- فيلتر كالمن دسته اي (Ensemble Kalman Filter)
- رابط گرافيكي يا GUI براي رفع نويز سيگنال هاي ويدئويي و تصويري با استفاده از فيلتر كالمن (GUI for denoising video signals with Kalman filter)
- تعقيب هدف دو بعدي با استفاده از فيلتر كالمن (2D Target tracking using Kalman filter)
- تخمين يك حالت داراي مقدار ثابت با استفاده از فيلتر كالمن (Estimating a constant state using the Kalman Filter)
- فيلتر كالمن سلسله مراتبي براي پيش بيني سري هاي زماني پزشكي (Hierarchical Kalman Filter for clinical time series prediction)
- آموزش و طراحي شبكه هاي عصبي مصنوعي با استفاده از فيلتر كالمن توسعه يافته (Neural Network training using the Extended Kalman Filter)
جهت دانلود كتاب آموزشي و مجموعه كدهاي تخمين حالت و پارامتر با فيلتر كالمن در نرم افزار MATLAB برلينك زير كليك نماييد.
روش هاي اجزاي محدود
آموزش مقدماتي تا پيشرفته روش هاي عناصر محدود غير خطي
مجموعه آموزش روش هاي اجزاي محدود مقدماتي
روش اجزاي محدود مقدماتي
برنامه المان چهار گرهي تنش مسطح و كرنش مسطح در نرم افزار MATLAB
طراحي قالب تزريق پلاستيك (Injection Mold Design)