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:
( ) = ( ) ( ) ( ) + ( ) ( ) ( ).