Kalman Filter Boot Camp (and State Estimation)

La Fête du Travail commence avec plus de 70 $ d'économies sur Coursera Plus. Bénéficiez de 40 % de réduction pendant 3 mois.

Ce cours n'est pas disponible en Français (France)

Nous sommes actuellement en train de le traduire dans plus de langues. Consultez les langues disponibles.

Kalman Filter Boot Camp (and State Estimation)

Ce cours fait partie de Spécialisation "Applied Kalman Filtering"

Instructeur : Gregory Plett

4 474 déjà inscrits

Inclus avec En savoir plus

Demander à Coursera

4 modules

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

27 avis

niveau Intermédiaire

Expérience recommandée

2 semaines à compléter

à 10 heures par semaine

Planning flexible

Apprenez à votre propre rythme

4 modules

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

27 avis

niveau Intermédiaire

Expérience recommandée

2 semaines à compléter

à 10 heures par semaine

Planning flexible

Apprenez à votre propre rythme

Compétences que vous acquerrez

Catégorie : Probability & Statistics
Catégorie : Simulations
Catégorie : Linear Algebra
Catégorie : Statistical Methods
Catégorie : Control Systems
Catégorie : Probability Distribution
Catégorie : Probability
Catégorie : Estimation
Catégorie : Simulation and Simulation Software
Catégorie : Statistical Modeling
Catégorie : Mathematical Modeling

Outils que vous découvrirez

Catégorie : Matlab

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Évaluations

28 devoirs

Enseigné en Anglais

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

En savoir plus sur Coursera pour les affaires

logos de Petrobras, TATA, Danone, Capgemini, P&G et L'Oreal

Élaborez votre expertise du sujet

Ce cours fait partie de la Spécialisation "Applied Kalman Filtering"

Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.

Apprenez de nouveaux concepts auprès d'experts du secteur
Acquérez une compréhension de base d'un sujet ou d'un outil
Développez des compétences professionnelles avec des projets pratiques
Obtenez un certificat professionnel partageable

Il y a 4 modules dans ce cours

Introduces the Kalman filter as a method that can solve problems related to estimating the hidden internal state of a dynamic system. Develops the background theoretical topics in state-space models and stochastic systems. Presents the steps of the linear Kalman filter and shows how to implement these steps in Octave code and how to evaluate the filter’s output.

This week, you will learn what a Kalman filter is and generally what it does. You will be introduced to the roadmap for the course and the specialization, and will learn some applications that use Kalman filters.

Inclus

6 vidéos11 lectures6 devoirs1 sujet de discussion

6 vidéosTotal 84 minutes

1.1.1: Welcome to the course!14 minutes
1.1.2: What are some key Kalman-filter concepts?16 minutes
1.1.3: Working through a Kalman-filter example at a high level16 minutes
1.1.4: Roadmap to this course; context within the specialization17 minutes
1.1.5: What are some applications that use Kalman filters?18 minutes
1.1.6: Summary of "What is the Purpose of a Kalman Filter?" module plus next steps3 minutes

11 lecturesTotal 92 minutes

Frequently Asked Questions10 minutes
Course Resources10 minutes
How to Use Discussion Forums10 minutes
Earn a Course Certificate10 minutes
Are you interested in earning an online MSEE degree?10 minutes
Notes for Lesson 1.1.11 minute
Notes for Lesson 1.1.21 minute
Notes for Lesson 1.1.310 minutes
Notes for Lesson 1.1.410 minutes
Notes for Lesson 1.1.510 minutes
Notes for Lesson 1.1.610 minutes

6 devoirsTotal 80 minutes

Practice assignment (quiz) for Lesson 1.1.110 minutes
Practice assignment (quiz) for Lesson 1.1.210 minutes
Practice assignment (quiz) for Lesson 1.1.310 minutes
Practice assignment (quiz) for Lesson 1.1.410 minutes
Practice assignment (quiz) for Lesson 1.1.510 minutes
Graded assignment for week 130 minutes

1 sujet de discussionTotal 10 minutes

Introduce Yourself10 minutes

Kalman filters estimate the "state" of a system that is described using a "state-space model." This week, you will learn the background concepts in state-space models that are required in order to implement a Kalman filter.

Inclus

8 vidéos9 lectures8 devoirs2 laboratoires non notés

8 vidéosTotal 183 minutes

1.2.1: What is a state-space model and why do I need to know about them?19 minutes
1.2.2: Example continuous-time state-space models used for tracking applications24 minutes
1.2.3: Understanding the time-domain response of a state-space model26 minutes
1.2.4: Illustrating the time-domain response25 minutes
1.2.5: Converting continuous-time state-space models to discrete-time27 minutes
1.2.6: How do I simulate a discrete-time state-space model?27 minutes
1.2.7: Is it even possible for a Kalman filter to estimate this model's state?32 minutes
1.2.8: Summary of "What do I need to know about state-space models?" module plus next steps3 minutes

9 lecturesTotal 90 minutes

Notes for Lesson 1.2.110 minutes
Notes for Lesson 1.2.210 minutes
Introducing a new element to the course!10 minutes
Notes for Lesson 1.2.310 minutes
Notes for Lesson 1.2.410 minutes
Notes for Lesson 1.2.510 minutes
Notes for Lesson 1.2.610 minutes
Notes for Lesson 1.2.710 minutes
Notes for Lesson 1.2.810 minutes

8 devoirsTotal 100 minutes

Practice assignment for Lesson 1.2.110 minutes
Practice assignment for Lesson 1.2.210 minutes
Practice assignment for Lesson 1.2.310 minutes
Practice assignment for Lesson 1.2.410 minutes
Practice assignment for Lesson 1.2.510 minutes
Practice assignment for Lesson 1.2.610 minutes
Practice assignment for Lesson 1.2.710 minutes
Graded assignment for week 230 minutes

2 laboratoires non notésTotal 30 minutes

Jupyter notebook used in conjunction with practice quiz15 minutes
Jupyter notebook used in conjunction with practice quiz15 minutes

Systems whose state we would like to estimate are affected by unknown inputs ("disturbances" or "process noises") and their measurements are affected by sensor noises. These noises are modeled by random variables. This week, you will learn the background concepts in random variables that are required in order to implement a Kalman filter.

Inclus

8 vidéos8 lectures8 devoirs1 laboratoire non noté

8 vidéosTotal 172 minutes

1.3.1: Understanding uncertainty via mean and covariance23 minutes
1.3.2: Understanding joint uncertainty of two unknown quantities19 minutes
1.3.3: Understanding time-varying uncertain quantities23 minutes
1.3.4: Simulating correlated Gaussian random vectors28 minutes
1.3.5: Discrete-time dynamic systems having random inputs27 minutes
1.3.6: Continuous-time dynamic systems having random inputs27 minutes
1.3.7: Relating SigmaW to Sw precisely; a little trick (also, relating SigmaV to Sv)21 minutes
1.3.8: Summary of "What do I need to know about random variables?" module plus next steps3 minutes

8 lecturesTotal 80 minutes

Notes for Lesson 1.3.110 minutes
Notes for Lesson 1.3.210 minutes
Notes for Lesson 1.3.310 minutes
Notes for Lesson 1.3.410 minutes
Notes for Lesson 1.3.510 minutes
Notes for Lesson 1.3.610 minutes
Notes for Lesson 1.3.710 minutes
Notes for Lesson 1.3.810 minutes

8 devoirsTotal 100 minutes

Practice assignment for Lesson 1.3.110 minutes
Practice assignment for Lesson 1.3.210 minutes
Practice assignment for Lesson 1.3.310 minutes
Practice assignment for Lesson 1.3.410 minutes
Practice assignment for Lesson 1.3.510 minutes
Practice assignment for Lesson 1.3.610 minutes
Practice assignment for Lesson 1.3.710 minutes
Graded assignment for week 330 minutes

1 laboratoire non notéTotal 15 minutes

Lab to help computing results for the practice quiz15 minutes

Even though we have not yet derived the steps of the Kalman filter, it is instructive to gain insight into a Kalman filter's operation by watching it run. This week, you will learn how to implement a Kalman filter in Octave and see cases where it works well and where it fails (next course, you will learn why!).

Inclus

6 vidéos6 lectures6 devoirs4 laboratoires non notés

6 vidéosTotal 69 minutes

1.4.1: What are the linear Kalman-filter steps?13 minutes
1.4.2: Preparing a model for use with the linear Kalman filter15 minutes
1.4.3: How do I implement the Kalman-filter steps in Octave?18 minutes
1.4.4: More Kalman-filter examples for state estimation of a linear system13 minutes
1.4.5: What can cause a Kalman filter to fail?8 minutes
1.4.6: Summary of "State-estimation application of a Kalman filter" module plus next steps3 minutes

6 lecturesTotal 60 minutes

Notes for Lesson 1.4.110 minutes
Notes for Lesson 1.4.210 minutes
Notes for Lesson 1.4.310 minutes
Notes for Lesson 1.4.410 minutes
Notes for Lesson 1.4.510 minutes
Notes for Lesson 1.4.610 minutes

6 devoirsTotal 80 minutes

Practice assignment for Lesson 1.4.110 minutes
Practice assignment for Lesson 1.4.210 minutes
Practice assignment for Lesson 1.4.310 minutes
Practice assignment for Lesson 1.4.410 minutes
Practice assignment for Lesson 1.4.510 minutes
Graded assignment for week 430 minutes

4 laboratoires non notésTotal 80 minutes

Lab to simulate the spring-mass-damper system20 minutes
Lab to implement the linear Kalman filter20 minutes
Lab to implement open-loop state estimation and demonstrate bad initialization20 minutes
Lab to demonstrate some causes for Kalman-filter failure20 minutes

Obtenez un certificat professionnel

Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.

Instructeur

Évaluations de l’enseignant

(12 évaluations)

Gregory Plett

University of Colorado System

9 Cours86 174 apprenants

Offert par

University of Colorado System

En savoir plus sur Electrical Engineering

Statut : Essai gratuit
University of Colorado System
Linear Kalman Filter Deep Dive (and Target Tracking)
Cours
Statut : Essai gratuit
University of Colorado System
Nonlinear Kalman Filters (and Parameter Estimation)
Cours
Statut : Essai gratuit
University of Colorado System
Particle Filters (and Navigation)
Cours
Statut : Essai gratuit
University of Colorado System
Applied Kalman Filtering
Spécialisation

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Étudiant(e) depuis 2018

’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’

Jennifer J.

Étudiant(e) depuis 2020

’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’

Larry W.

Étudiant(e) depuis 2021

’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’

Chaitanya A.

’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’

Avis des étudiants

5 stars
92,59 %
4 stars
7,40 %
3 stars
0 %
2 stars
0 %
1 star
0 %

Affichage de 3 sur 27

Révisé le 17 oct. 2025

Very clear explanation of mathematical concepts required for understanding of linear Kalman filters. Thanks!

Révisé le 29 mars 2025

Outstanding introduction to Kalman Filtering. A very well designed course. Thanks to Professor Platt.

Révisé le 22 mai 2026

Great course, but it is advanced. You need a decent math background: calculus, linear algebra, probability and somewhat of differential equations.

Voir plus d’avis

Profitez de plus de 10 000 programmes grâce à notre offre spéciale pour la Fête du Travail
Get Coursera Plus
Commencez par réaliser des économies simples pour vos équipes qui travaillent dur
Save 30% today

Foire Aux Questions

To access course materials, assignments, and earn a Certificate, you'll need to purchase the Certificate experience when you enroll in a course. Eligible learners may also have the option to start with a Free Trial. Some courses may also offer a Full Course, No Certificate option. This lets you access course materials, submit required assessments, and receive a final grade, but you won't be able to earn or purchase a Certificate.

When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.

Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.