VVZ API is not affiliated with ETH Zurich. Data might be outdated or incorrect. Please view the official ETHZ Vorlesungsverzeichnis for binding information.

151-0566-00L 4 Credits BSC , DR , MSC D-BSSE , D-MAVT , D-BAUG , D-INFK , D-MATH , D-PHYS , D-ITET , D-HEST , D-ERDW

You're viewing possible stale or outdated data. Please check the latest semester for more up-to-date information.

Recursive Estimation

Lecturers & Examiners: Prof. Dr. Raffaello D'Andrea

VVZ CR 3.0

Last Updated: 2026-06-01 11:33:03

Abstract

Estimation of the state of a dynamic system based on a model and observations in a computationally efficient way.

Objective

Learn the basic recursive estimation methods and their underlying principles.

Content

Introduction to state estimation; probability review; Bayes' theorem; Bayesian tracking; extracting estimates from probability distributions; Kalman filter; extended Kalman filter; particle filter; observer-based control and the separation principle.

Resources

Lecture Notes

Lecture notes available on course website:http://www.idsc.ethz.ch/education/lectures/recursive-estimation.html

Learning Materials (Links)

Main link
Website

General Information

Language: English
Levels: BSC , DR , MSC
Frequency: Yearly recurring

Examination

Type: session examination
Mode: written 150 minutes
Aids: One A4 sheet of paper (2 pages, handwritten or computer typed)

There is a written final exam during the examination session, which covers all material taught during the course, i.e. the material presented during the lectures and corresponding problem sets, programming exercises, and recitations.

Course Components

Type	Title	Time & Place	Hours
lecture	Recursive Estimation	Wed 14:15-16:00 (HG F 1)	2 h weekly
exercise	Recursive Estimation	Wed 16:15-17:00 (HG F 1)	1 h weekly

Offered In

Rechnergestützte Wissenschaften Bachelor
- Vertiefungsgebiete
  - Robotik
Maschineningenieurwissenschaften Master
- Kernfächer
Biomedical Engineering Master (Es können nur Kurse angerechnet werden, die unter der Kategorie "GESS – Wissenschaft im Kontext (SiP)" aufgeführt werden. Siehe Reiter "Angeboten in" in der Kursübersicht. Für mehr Information, siehe )
- Vertiefungsfächer
  - Bioelectronics
    - Wahlfächer der Vertiefung (Diese Fächer sind für die Vertiefung in Bioelectronics besonders empfohlen. Bei abweichender Fächerwahl konsultieren Sie bitte den Track Adviser.)
Rechnergestützte Wissenschaften Master
- Vertiefungsgebiete
  - Robotik
Geomatik Master
- Master-Studium (Studienreglement 2022)
  - Erweiterte Vertiefungsfächer
Mathematik Master
- Anwendungsgebiet (Nur für das Master-Diplom in Angewandter Mathematik erforderlich und anrechenbar. In der Kategorie Anwendungsgebiet für den Master in Angewandter Mathematik muss eines der zur Auswahl stehenden Anwendungsgebiete gewählt werden. Im gewählten Anwendungsgebiet müssen mindestens 8 KP erworben werden. Kreditpunkte aus anderen Anwendungsgebieten sind nicht für weitere Anwendungsgebiete anrechenbar.)
  - Control and Automation
Computational Biology and Bioinformatics Master (More informations at: )
- Vertiefungsfächer (A total of 30 ECTS needs to be acquired in the Advanced Courses category. Thereof at least 16 ECTS in the Theory and 10 ECTS in the Biology category.)
  - Theorie (At least 16 ECTS need to be acquired in this category.)
Elektrotechnik und Informationstechnologie Master
- Master-Studium (Studienreglement 2018)
  - Vertiefung: Systems and Control (The core courses and specialization courses below are a selection for students who wish to specialize in the area of "Systems and Control", see . The individual study plan is subject to the tutor's approval.)
    - Kernfächer (These core courses are particularly recommended for the field of "Systems and Control". You may choose core courses form other fields in agreement with your tutor. A minimum of 24 credits must be obtained from core courses during the MSc EEIT.)
      - Advanced Core Courses
  - Vertiefung: Signal Processing and Machine Learning (The core courses and specialization courses below are a selection for students who wish to specialize in the area of "Signal Processing and Machine Learning ", see . The individual study plan is subject to the tutor's approval.)
    - Vertiefungsfächer (These specialization courses are particularly recommended for the area of "Signal Processing and Machine Learning", but you are free to choose courses from any other field in agreement with your tutor. Semester / Research Projects are not allowed in this category. A minimum of 40 credits must be obtained from specialization courses during the MSc EEIT.)
- Master-Studium (Studienreglement 2008)
  - Fächer der Vertiefung (A total of 42 CP must be achieved form courses during the Master Program. The individual study plan is subject to the tutor's approval. Semester / Research Projects are not allowed in this category.)
    - Systems and Control
      - Kernfächer (Diese Fächer sind besonders Empfohlen, um sich in "Systems and Control" zu vertiefen.)
    - Signal Processing and Machine Learning
      - Empfohlene Fächer
Robotics, Systems and Control Master
- Kernfächer
Doktorat Maschinenbau und Verfahrenstechnik (Mehr Informationen unter: )
- Vertiefung Fachwissen
Data Science Master
- Master-Studium (Studienreglement 2017)
  - Kernfächer
    - Wählbare Kernfächer
- Master-Studium (Studienreglement 2023)
  - Wahlfächer
    - Fachspezifische Wahlfächer
    - Interdisziplinäre Wahlfächer
Space Systems Master
- Fachspezifische Vertiefung (Es müssen mindestens 20 KP aus den Deep Track Lerneinheiten absolviert werden. Überzählige KP können für Wahlfächer angerechnet werden.)
  - Robotics
    - Vertiefungsfächer Robotics (Diese LE's können sowohl als Vertiefungsfach als auch als Wahlfach angerechnet werden.)