Gutscheinbedingungen

**Gültig bis 02.09.2026 auf fremdsprachige Bücher in der Thalia App. Einzelne Artikel können ausgeschlossen sein. Ausgenommen sind preisgebundene Artikel & eBooks. Pro Einkauf einmal einlösbar. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Gutschein wird auf max. 500€ Bestellwert angerechnet. Nicht gültig für Geschenkkarten, Versandkosten und Services.

Produktbild: Introduction to Random Signals, Estimation Theory, and Kalman Filtering
- 11%

Introduction to Random Signals, Estimation Theory, and Kalman Filtering

11% sparen

67,99 € UVP 76,99 €

inkl. gesetzl. MwSt., Versandkostenfrei


Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

03.04.2025

Abbildungen

XXI, 480 p. 118 illus., 79 illus. in color.

Verlag

Springer Singapore

Seitenzahl

480

Maße (L/B/H)

23,5/15,5/2,8 cm

Gewicht

756 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-981-9980-65-9

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

03.04.2025

Abbildungen

XXI, 480 p. 118 illus., 79 illus. in color.

Verlag

Springer Singapore

Seitenzahl

480

Maße (L/B/H)

23,5/15,5/2,8 cm

Gewicht

756 g

Auflage

1. Auflage

Sprache

Englisch

ISBN

978-981-9980-65-9

Herstelleradresse

Springer-Verlag GmbH
Tiergartenstr. 17
69121 Heidelberg
DE

Email: ProductSafety@springernature.com

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)

  • Produktbild: Introduction to Random Signals, Estimation Theory, and Kalman Filtering
  • Review of Probability Theory.- Random Variables.- Random Signals (autocorrelation, power spectral density).- Response of Linear Systems to Random Inputs (continuous, discrete).- Estimation and Estimator Properties (small sample and large sample properties of estimators, CRLB).- Least Square Estimation Likelihood (likelihood function, detection).- Maximum Likelihood Estimation.- Minimum Mean-Square Error Estimation (Kalman Filter, information filter, filter stability).- Generalizing the Basic Kalman Filter (colored noise, correlated noise, reduced-order estimator, Schmidt Kalman filter sequential computation).- Prediction and Smoothing.- Nonlinear Filtering (Extended Kalman filter, unscented Kalman filter, ensemble Kalman filter, particle filter).- The Expectation Maximization Algorithm.- Markov Models.