Illustrare i metodi di identificazione dei modelli e fusione sensoriale a partire dai dati sperimentali. Famiglia di modelli ARX e ARMAX. Introdurre i metodi a minimizzazione dell'errore di predizione: il metodo dei minimi quadrati; il metodo dei minimi quadrati ricorsivi, il metodo della massima verosimiglianza. Illustrare i metodi di identificazione per processi con modello incerto e/o solo parzialmente noto: filtri di Bayes (filtro di Kalman, filtro di Kalman Unscented, filtri particle). Introdurre tecniche avanzate di identificazione e fusione sensoriale.
Curriculum
scheda docente materiale didattico
- Leggi fisiche
- Processo stocastico
- Modelli per il filtraggio, la predizione ed il controllo: modelli input-output per serie temporali e sistemi dinamici (AR, ARMA, ARX, ARMAX)
Identificazione
- Identificazione a scatola nera (Minimi quadrati e metodi a massima verosimiglianza)
- Selezione della descrizione a complessità minima
- Cross-validazione: tecniche FPE (Final Prediction Error), AIC (Akaike Information Criterion) or MDL (Minimum Description Length)
- Metodi di identificazione ricorsivi (RLS,ELS,RML). Forgetting factor
Bayesian filtering
- Stima di stato: filtraggio, predizione e smoothing.
- Filtro di Kalman, filtro di Kalman di regime
- Trasformazione unscented, filtro di Kalman Unscented Kalman
- Filtri a griglia
- Filtri Particle
Filtraggio distribuito
- Filtro a informazione
- Filtro a informazione estesto
Programma
Modelli per processi aleatori stazionari- Leggi fisiche
- Processo stocastico
- Modelli per il filtraggio, la predizione ed il controllo: modelli input-output per serie temporali e sistemi dinamici (AR, ARMA, ARX, ARMAX)
Identificazione
- Identificazione a scatola nera (Minimi quadrati e metodi a massima verosimiglianza)
- Selezione della descrizione a complessità minima
- Cross-validazione: tecniche FPE (Final Prediction Error), AIC (Akaike Information Criterion) or MDL (Minimum Description Length)
- Metodi di identificazione ricorsivi (RLS,ELS,RML). Forgetting factor
Bayesian filtering
- Stima di stato: filtraggio, predizione e smoothing.
- Filtro di Kalman, filtro di Kalman di regime
- Trasformazione unscented, filtro di Kalman Unscented Kalman
- Filtri a griglia
- Filtri Particle
Filtraggio distribuito
- Filtro a informazione
- Filtro a informazione estesto
Testi Adottati
Sergio Bittanti, "Model Identification and Data Analysis", John Wiley and Sons LtdBibliografia Di Riferimento
B.D.O. Anderson, J.B. Moore: Optimal filtering, Prentice Hall, 1979. Y. Bar-Shalom, X.R. Li, T. Kirubarajan: Estimation with applications to tracking and navigation, J. Wiley & Sons, 2001. B. Ristic, S. Arulampalam, N. Gordon: Beyond the Kalman filter: particle filters for tracking applications, Artech House, 2004.Modalità Erogazione
TradizionaleModalità Frequenza
Not applicableModalità Valutazione
Prova scritta, prova orale. scheda docente materiale didattico
- Leggi fisiche
- Processo stocastico
- Modelli per il filtraggio, la predizione ed il controllo: modelli input-output per serie temporali e sistemi dinamici (AR, ARMA, ARX, ARMAX)
Identificazione
- Identificazione a scatola nera (Minimi quadrati e metodi a massima verosimiglianza)
- Selezione della descrizione a complessità minima
- Cross-validazione: tecniche FPE (Final Prediction Error), AIC (Akaike Information Criterion) or MDL (Minimum Description Length)
- Metodi di identificazione ricorsivi (RLS,ELS,RML). Forgetting factor
Bayesian filtering
- Stima di stato: filtraggio, predizione e smoothing.
- Filtro di Kalman, filtro di Kalman di regime
- Trasformazione unscented, filtro di Kalman Unscented Kalman
- Filtri a griglia
- Filtri Particle
Filtraggio distribuito
- Filtro a informazione
- Filtro a informazione estesto
Programma
Modelli per processi aleatori stazionari- Leggi fisiche
- Processo stocastico
- Modelli per il filtraggio, la predizione ed il controllo: modelli input-output per serie temporali e sistemi dinamici (AR, ARMA, ARX, ARMAX)
Identificazione
- Identificazione a scatola nera (Minimi quadrati e metodi a massima verosimiglianza)
- Selezione della descrizione a complessità minima
- Cross-validazione: tecniche FPE (Final Prediction Error), AIC (Akaike Information Criterion) or MDL (Minimum Description Length)
- Metodi di identificazione ricorsivi (RLS,ELS,RML). Forgetting factor
Bayesian filtering
- Stima di stato: filtraggio, predizione e smoothing.
- Filtro di Kalman, filtro di Kalman di regime
- Trasformazione unscented, filtro di Kalman Unscented Kalman
- Filtri a griglia
- Filtri Particle
Filtraggio distribuito
- Filtro a informazione
- Filtro a informazione estesto
Testi Adottati
Sergio Bittanti, "Model Identification and Data Analysis", John Wiley and Sons LtdBibliografia Di Riferimento
B.D.O. Anderson, J.B. Moore: Optimal filtering, Prentice Hall, 1979. Y. Bar-Shalom, X.R. Li, T. Kirubarajan: Estimation with applications to tracking and navigation, J. Wiley & Sons, 2001. B. Ristic, S. Arulampalam, N. Gordon: Beyond the Kalman filter: particle filters for tracking applications, Artech House, 2004.Modalità Erogazione
TradizionaleModalità Frequenza
Not applicableModalità Valutazione
Prova scritta, prova orale.