Return to search

Posicionamento em ambientes não estruturados e treinamento de redes neurais utilizando filtros de Kalman

Submitted by Bruna Rodrigues (bruna92rodrigues@yahoo.com.br) on 2016-10-04T14:03:27Z
No. of bitstreams: 1
DissDPL.pdf: 3012901 bytes, checksum: 29c2df84e5e59e8e598fae154f0983d2 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-10-14T14:18:34Z (GMT) No. of bitstreams: 1
DissDPL.pdf: 3012901 bytes, checksum: 29c2df84e5e59e8e598fae154f0983d2 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-10-14T14:18:43Z (GMT) No. of bitstreams: 1
DissDPL.pdf: 3012901 bytes, checksum: 29c2df84e5e59e8e598fae154f0983d2 (MD5) / Made available in DSpace on 2016-10-14T14:18:52Z (GMT). No. of bitstreams: 1
DissDPL.pdf: 3012901 bytes, checksum: 29c2df84e5e59e8e598fae154f0983d2 (MD5)
Previous issue date: 2016-03-04 / Não recebi financiamento / Kalman filters are rooted in the technical literature, as a way of predicting new states in
nonlinear systems providing a recursive solution to the problem of linear optimal filtering.
Therefore, 56 years after its discovery, many modifications have been proposed in order to
obtain better accuracy and speed. Some of these changes are used in this work; these
being the Extended Kalman Filter (EKF), Unscented Kalman Filter (UKF) and Kalman Filter
Cubature (CKF). This work , divided into three distinct parts: Implementation / Comparative
analysis of prediction of Kalman filters in complex systems (Series), qualitative analysis of
the possible uses of the Kalman filter variants for neural network training and position and
velocity determination a displaced object on a simulated plane with some trajectories
Having these analyzes key role in fostering the studies cited in the scientific literature ,
proving the possibility of such algorithms and methods are used for positioning in
unstructured environments / Filtros de Kalman estão consagrados na literatura técnica, como uma das formas de prever
novos estados em sistemas não-lineares, fornecendo uma solução recursiva para o
problema da filtragem ideal linear. Após 56 anos de sua descoberta, muitas modificações
e melhorias foram propostas, procurando obter uma maior precisão e velocidade na
predição de novos estados. Algumas dessas mudanças são utilizadas neste trabalho;
sendo elas o Filtro de Kalman Estendido (EKF), Unscented Kalman Filter (UKF) e Filtro de
Kalman de Cubagem Esférica Radial (CKF).O objetivo deste trabalho, divido em três
partes distintas, porém complementares: Implementação/Análise comparativa da predição
dos Filtros de Kalman em sistemas complexos (Series), Análise qualitativa das possíveis
utilizações das variantes do Filtro de Kalman para treinamento de Redes Neurais e
Determinação de posição e velocidade de um objeto deslocado sobre um plano simulado.
Possuindo essas análises papel fundamental na fomentação dos estudos citados na
literatura científica durante o trabalho, e comprovando a possibilidade desses algoritmos/
métodos serem utilizados em tarefas de posicionamento em ambientes não estruturados.

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.ufscar.br:ufscar/7874
Date04 March 2016
CreatorsLima, Denis Pereira de
ContributorsKato, Edilson Reis Rodrigues
PublisherUniversidade Federal de São Carlos, Câmpus São Carlos, Programa de Pós-graduação em Ciência da Computação, UFSCar
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Sourcereponame:Repositório Institucional da UFSCAR, instname:Universidade Federal de São Carlos, instacron:UFSCAR
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.002 seconds