Couvre la méthodologie GMWM pour la modélisation stochastique à l'aide de capteurs inertiels dans la propagation du signal et l'analyse du budget de liaison.
Explore les systèmes portables pour l'analyse et la modélisation de la démarche cinématique, y compris les calibrations des capteurs, les algorithmes de fusion et la correction de dérive d'orientation.
Explore les technologies de capteurs dans MEMS, en se concentrant sur les capteurs de pression, les accéléromètres et les gyroscopes, et souligne l'importance de la fusion des capteurs.
Explore les principes fondamentaux de la robotique mobile, en mettant l'accent sur les incertitudes dans la localisation, la fusion des capteurs et le filtre Kalman étendu.
Explore la prédiction linéaire, les filtres optimaux, les signaux aléatoires, la stationnarité, l'autocorrélation, la densité spectrale de puissance et la transformée de Fourier dans le traitement du signal.
Explore les fondamentaux du traitement des signaux, y compris les signaux de temps discrets, la factorisation spectrale et les processus stochastiques.
Couvre les propriétés stochastiques des séries temporelles, de la stationnarité, de l'autocovariance, des processus stochastiques spéciaux, de la densité spectrale, des filtres numériques, des techniques d'estimation, du contrôle des modèles, de la prévision et des modèles avancés.
Explore les propriétés stochastiques et la modélisation des séries chronologiques, couvrant l'autocovariance, la stationnarité, la densité spectrale, l'estimation, la prévision, les modèles ARCH et la modélisation multivariée.
