Gutscheinbedingungen

**Gültig vom 15.06.2026 bis 17.06.2026 | Gültig für nicht preisgebundene fremdsprachige Bücher | Einzelne Artikel können ausgeschlossen sein | Maximaler rabattfähiger Warenkorbwert 500 € | Nicht kombinierbar mit weiteren Aktionen | Nur einmal pro Person einlösbar | Nur solange der Vorrat reicht

  • Produktbild: Introduction to Random Signals, Estimation Theory, and Kalman Filtering
  • Produktbild: Introduction to Random Signals, Estimation Theory, and Kalman Filtering
- 13%

Introduction to Random Signals, Estimation Theory, and Kalman Filtering

13% sparen

92,99 € UVP 106,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

02.04.2024

Verlag

Springer Singapore

Seitenzahl

480

Maße (L/B/H)

24,1/16/3,3 cm

Gewicht

916 g

Auflage

2024

Sprache

Englisch

ISBN

978-981-9980-62-8

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

02.04.2024

Verlag

Springer Singapore

Seitenzahl

480

Maße (L/B/H)

24,1/16/3,3 cm

Gewicht

916 g

Auflage

2024

Sprache

Englisch

ISBN

978-981-9980-62-8

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern

  • Produktbild: Introduction to Random Signals, Estimation Theory, and Kalman Filtering
  • 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.