Page 127 - 5637
P. 127

Введемо  вектор    = {  (0), … ,   ( )}  оцінок  випадкових  величин   (0), … ,  ( ).
        Адаптивний  алгоритм  отримання  стабільного  рішення   ̅( )  завдання  фільтрації  має

        наступний вигляд:

                                              ̅( ) =  (  − 1)  (  − 1);





                      ( ) =  (  − 1) (  − 1)  (  − 1) +  (  − 1)                 (   )   (  − 1),


                                     ( ) =  ̅( ) +     ,   [ ( ) −  ( ) ̅( )],






          (  ,  ) =  ( )  ( )  ( ) ( )  ( ) +   ( )                ( )  +  1 −   ( )     ( )   ,   = 1, 2, … .

              Початкові наближення задаються:   (0) =  ̅(0) =                ( ) ,  (0) =     ( ) .
              Як видно з наведених співвідношень, адаптивний фільтр Калмана складається з
        двох  фільтрів,  які  підключаються  відповідно  до  того,  яка  з  моделей  шумів
        вимірювання  класифікується  як  справжня.  Зазначені  фільтри  формуються  на  основі

        однотипних  алгоритмів,  що  розрізняються  лише  способом  вибору  коефіцієнтів



        підсилення     ,   , які міняються в залежності від виду перешкоди.
              Коефіцієнт    ,  який  визначає  значення  порога  у  вирішальному  правилі

          [∆ ( )] ≥   , доцільно визначати для конкретної задачі за допомогою імітаційного


        моделювання  процесу  фільтрації.  Можна  запропонувати  також  інший  підхід  [52],

        пов'язаний із застосуванням оптимальних (байєсівських) вирішальних правил. В цьому

        випадку  свавілля,  наявний  у  виборі    ,  переноситься  на  вибір  відповідної  матриці

        втрат,  реалізувати  який  не  менш  (а  часом  і  більше)  складно,  ніж  визначити

        безпосередньо коефіцієнти   .

              Розглянемо задачу побудови адаптивного варіанту фільтра Калмана в разі, коли

        коваріаційний  функції  шумів  системи  і  похибки  вимірювання  частково  відомі.

        Припустимо,         що      дискретна       лінійна      система      описується        рекурентними

        співвідношеннями

                                             (  + 1) =   ( ) +   ( );
                                                                                                                           (6.34)
                                                 ( ) =   ( ) +  ( ),

        де   ( )  –   -мірний  вектор  стану  системи;     –  перехідна  (  ×  )-матриця;     і     –

        матриці розміру   ×   і   ×  ;    =  0, 1, … .

              Припустимо,  що  вектори    ( )  і   ( )  (   і   -мірні  відповідно)  представляють

        собою некорельовані гаусові шуми з наступними характеристиками:


                                      [ ( )] = 0,  [ ( )  ( )] =                   ;
   122   123   124   125   126   127   128   129   130   131   132