Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Navigazione autonoma di veicoli aerospaziali senza pilota |
|---|---|
| Titolo del progetto di ricerca in inglese | Autonomous navigation of unmmaned aerospace vehicles |
| Settore Concorsuale | 09 - Ingegneria industriale e dell'informazione |
| S.S.D | ING-IND/05 - IMPIANTI E SISTEMI AEROSPAZIALI |
| Descrizione sintetica in italiano | Diversi algoritmi sono utilizzati per risolvere problemi di navigazione. L'algoritmo più semplice è il LSQ che può essere applicato quando il modello di misura è lineare e le misure sono decorrelate e caratterizzate da statistiche sugli errori identiche. Il WLS generalizza il LSQ per il caso del modello di misura non-lineari e errori di misura correlati. Il filtraggio Kalman combina la conoscenza della natura statistica degli errori del sistema con la conoscenza della dinamica per ottenere una stima dello stato del sistema. La teoria tradizionale di Kalman è valida per le funzioni di osservazione e modelli dinamici lineari e afferma che se gli errori nei modelli sono gaussiani a media zero e con parametri noti, l'errore è unbiased, gaussiano e caratterizzato da varianza minima (filtro ottimo). Quando insorgono delle non linearità nella dinamica o nel modello di misura, il Kalman Filter può essere generalizzato rispettivamente nelle forme EKF o UKF. |
| Descrizione sintetica in inglese | Several algorithms are used to solve navigation problems. The simplest algorithm is the LSQ that can be applied on epoch-by-epoch basis when the measurement model is linear and the measurement are uncorrelated and characterized by identical error statistics. WLS generalizes LSQ to the case of nonlinear measurement model and correlated measurement errors. Kalman filtering combines knowledge of the statistical nature of system errors with knowledge of system dynamics to get an estimate of the system state. The traditional Kalman’s theory is valid for linear observation functions and dynamic models, and states that if errors in the models are Gaussian with zero mean and known parameters, the state error is unbiased, Gaussian and characterized by minimum variance (optimum filter). When nonlinearities arise in problem dynamics or measurement model, Kalman Filter can be generalized to EKF or UKF forms, respectively. |
| Data del bando | 24/04/2015 |
| Stanziamento annuale (indicativo) | 22000 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
EUROPE |
| Nazionalità dei candidati |
EUROPE |
| Sito web del bando | http://www.unina2.it/index.php/ricerca/assegni-di-ricerca/bandi/3524-selezione-pubblica-per-titoli-e-colloquio-per-il-conferimento-di-n-7-assegni-per-attivita-di-ricerca |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Importo annuale | 22000 |
| Valuta | Euro |
| Nome dell'Ente finanziatore | Seconda Università degli Studi di Napoli |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Caserta |
| Codice postale | 81100 |
| Indirizzo | Viale Beneduce, 10 |
| Sito web | http://www.unina2.it |
| ufficio.ricerca@unina2.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 12/05/2015 |
|---|---|
| Come candidarsi | Other |