Page 126 - 5637
P. 126

Початкове  значення   (0)  вектора  стану  системи  передбачається  гаусом  з

        математичним очікуванням              ( )  і коваріаційною матрицею           ( ) . Припустимо далі,

        що  послідовності  { ( )},  { ( )}  { ( )}    і  { ( )}  взаємно  незалежні  і  незалежні  від

         (0).  Надалі  той  факт,  що  випадкова  величина     з  математичним  очікуванням      і


        коваріаційною матрицею  ( )  гаусів, будемо позначати  ~       .

              В  основі  алгоритму  адаптивної  фільтрації  лежить  ідея  класифікації  результатів

        спостережень   ( )  на.  Дві  групи,  відповідні  шумів   ( )  і   ( ),  з  наступною

        модифікацією  алгоритмів  фільтрації,  що  враховує  реальну  модель  перешкод.  Для

        цього залучається методологія байєсівських рішень [49, 60]. У цьому випадку оцінка

         ( ) визначається наступним чином:

                                                   0, якщо   [∆ ( )] ≥   ,


                                           ( ) =
                                                   1, якщо   [∆ ( )] <   ,


        де відношення правдоподібності Λ [∆ ( )] задається як

                                                         [ ∆ ( ) ∣ ∣  ( ) = 1 ]
                                          [∆ ( )] =      [ ∆ ( ) ∣ ∣  ( ) = 0 ]  ,


        а константа    визначає заданий Поріг. У наведених співвідношеннях ∆ ( ) =  ( ) −

        − ( )      ( ) ,  а  математичне  сподівання  процесу   ( )  визначається  рекуррентно:

            (   )  =  ( )     ( )  (  ≥ 0).


              Введемо умовну щільність випадкової величини ∆ ( ) при даній  ( ):

                                                    ~  0,      ( )  +    ( )   при  ( ) = 1,
                            [ ∆ ( ) ∣ ∣  ( ) ] =

                                                    ~  0,      ( )  +    ( )   при  ( ) = 0,


        де    ( )  =  ( )     ( )   ( ).
              Визначимо функцію відносини правдоподібності


                                               ⁄
                                    ( )  ( )            1



                   [∆ ( )] =                       exp   ∆  ( )       ( )  ( )  +     ( )  ( )  ∆ ( ) .

                                               ⁄
                                    ( )  ( )            2


        Тут     ( )  ( )  =    ( )  +    ( ) ;    ( )  ( )  =    ( )  +    ( ) ,
        де  коваріаційна  матриця         ( )   визначається  за  допомогою  наступного  рекурентного
        співвідношення:




                                   (   )  =  ( )     ( )   ( ) +  ( )      (   )   ( ).
   121   122   123   124   125   126   127   128   129   130   131