産業界においてモデルベースアプローチの重要性が認識されてきていますが、本講義では究極のモデルベースアプローチであるカルマンフィルタについて解説します。
　カルマンフィルタは、対象である時系列あるいはシステムの数学モデルが与えられたとき、雑音が混入した測定データから対象の状態を推定 (フィルタリング) する方法です。
　本講義では、カルマンフィルタの基本的な技術について習得することを目的とします。そのため、講義の前半では、対象となる時系列の状態空間モデリング、最小二乗法をベイズ推定について解説します。
　後半では、状態空間モデルを用いてカルマンフィルタリング問題を設定し、線形カルマンフィルタのアルゴリズムを導出します。また、非線形カルマンフィルタについても簡単に解説し、カルマンフィルタの応用例についても触れます。
　最後に、カルマンフィルタを利用する際の勘所についても説明します。

1. 時系列のモデリング
   • ARモデリングと状態空間表現
2. 最小二乗法とベイズ推定
3. 線形カルマンフィルタ
   • アルゴリズムの導出
   • MATLABを用いたカルマンフィルタの数値例
4. 非線形カルマンフィルタ
   • EKF (Extended Kalman Filter) とUKF (Unscented Kalman Filter)
5. カルマンフィルタの応用例
   • 相補フィルタとリチウムイオン電池の状態推定への応用
6. カルマンフィルタを利用する際の勘所