Kniha Syst me de Localisation Robuste Multi-Capteurs Et Multi-Mod les Alexandre Ndjeng Ndjeng

Syst me de Localisation Robuste Multi-Capteurs Et Multi-Mod les

Jazyk: Francúzština
Väzba: Brožovaná
Vydavateľ: Omniscriptum
Dostupnosť: Skladom u dodávateľa
Odosielame za 5-8 dní
59.66
De nombreux travaux de recherches sont menés depuis quelques années dans le but de fournir une solu...

Informácie o knihe

Jazyk
Francúzština
Väzba
Kniha - Brožovaná
Vydalo
2018
Stránok
224
EAN
9786131527579
ISBN
6131527571
Enbook ID
07025181
Vydavateľ
Hmotnosť
336
Rozmery
152 x 229 x 13

Kompletný popis

De nombreux travaux de recherches sont menés depuis quelques années dans le but de fournir une solution précise et intčgre au problčme de la localisation de véhicules routiers. Ces recherches sont en majorité fondées sur la théorie probabiliste de l'estimation. Elles utilisent la fusion multi-capteurs et le filtrage de Kalman mono-modčle, au travers de ses variantes adaptés aux systčmes non linéaires. Dans ce livre, une analyse multi-modčles est présentée: L'espace d'évolution du véhicule est pris comme un espace discret et des modčles simples permettent de décrire ce systčme. Il s'agit d'une variante de l'algorithme IMM, qui prend en compte l'asynchronisme des capteurs embarqués, dans le processus d'estimation de l'état du véhicule. La nouvelle modélisation qui est développée permet alors de mettre ŕ jour l'état de chaque sous-systčme, męme en l'absence de mesures de capteurs décrivant la réalité terrain. Enfin, une étude comparative entre ce nouvel algorithme et les approches d'estimation classiques (EKF, UKF, DD1, DD2 ou le filtrage particulaire) permet de valider la performance et la robustesse de la méthode développée, notamment dans des contextes de conduite extręme.

Mohlo by vás zaujímať

15.59

Zákazníci, ktorí si kúpili túto knihu, kúpili tiež

7.45
84.10
31.59

Fütuhat-i Mekkiyye 2

Muhyiddin ibn Arabi
29.14

Las garantías del crédito tributario

Zuley Fernández Caballero
35.62
5.49

That's Got 'Em!

Mark Berresford
36.20
34.73
63.00
18.24
9.31