Page 112 - 5637
P. 112
задачі фільтрації. Одним з найбільш ефективних і поширених методів розв'язання
задачі фільтрації є алгоритм Калмана [20, 45, 46].
Нехай задана математична модель лінійної динамічної системи в дискретному
часі
( + 1) = ( ) ( ) + ( ), = 0, 1, …, (6.16)
де ( ) – недоступний безпосередньому виміру вектор стану системи;
( ) – випадкові гаусові обурення ( ( ) та ( ) – -мірні); ( ) – детермінована
( × )-матриця.
Заданими вважаються наступні характеристики:
[ (0)] = (0), [{ (0) − ̅(0)} { (0) − ̅(0)} ] = (0),
[ (0)] = (0), [{ ( ) − ( )} { ( ) − ( )} ] = ( ) ,
[{ ( ) − ( )} { (0) − ̅(0)} ] = 0,
= 1 при = і = 0 при ≠ , (6.17)
де ( ) – відома матриця.
Співвідношення, що описують процес виміру вектора стану, також лінійні:
( ) = ( ) ( ) + ( ), = 0, 1, …, (6.18)
де ( ) – вектор виміру (спостереження); ( ) – вектор похибок гаусів виміру ( ( ) і
( ) – -мірний); ( ) – задана ( × )-матриця. Про вектор (к) відомо, що
[ ( )] = ( ), [ ( ) ( )] = ( )
(матриця ( ) задана),
[{ ( ) − ( )} ( )] = 0, [{ (0) − ̅(0)} ( )] = 0,
тобто вектор ( ) не корелював ні з збуреннями системи, ні з початковим значенням.
Надалі без обмеження спільності можна вважати, що ( ) = ( ) = 0 і (0) = 0.
На основі спостережень (0), … , ( ) потрібно знайти несмещенную (з
математичним очікуванням, рівним істинного значення оцінюваних параметрів)
оцінку ( ) вектора ( ). Помилкою оцінювання служить величина ( ) − ( ), а
критерієм оптимальності оцінки – математичне сподівання її квадрата
[ ( ) − ( )] . Як оптимальної оцінки вектора ( ) служить його умовне
математичне сподівання [46]
( ) = [ ( )| (0), … , ( )],
що реалізує мінімум середнього квадрата помилки оцінювання.