Page 128 - 5637
P. 128
[ ( )] = 0, [ ( ) ( )] = ;
[ ( ) ( )] = 0.
Тут і - позитивно певні (коваріаційний) матриці. Припустимо також, що вектор
початкового стану системи також гаус з нульовим математичним очікуванням і
матрицею коваріації . Будемо вважати систему, описувану співвідношеннями (6.34),
що спостерігається.
Алгоритм фільтрації Калмана (§6.4) істотно базується на точному знанні
коваріаційний матриць і . У той же час існує велика кількість практичних завдань
оцінки стану динамічних систем, в яких зазначені матриці відомі лише приблизно або
взагалі не відомі. Адаптивна модифікація класичного фільтра Калмана, запропонована
. Мехрі [53], ефективно працює і при відсутності інформації про матрицях і . Як і
в попередньому алгоритмі адаптивної фільтрації, процес оцінювання грунтується на
аналізі властивостей оновлюючої процесу фільтрації, тобто послідовності
∆ ( ) = ( ) − ̅( ). (6.35)
Відновлювальний процес цікавий тим, що він містить всю нову статистичну
інформацію, що отримується за допомогою спостережень ( ). За допомогою
оновлюючої процесу можна визначити оцінки коваріаційний матриць і [53].
У разі досягнення системою сталого стану коефіцієнт посилення фільтра , а
також екстрапольована матриця коваріацій помилки не змінюються з часом:
= + ,
= ( − ) ( − ) + + . (6.36)
Вирази (6.36) можна використовувати для розрахунку матриці як при
оптимальному коефіцієнті посилення, так і при субоптимальное-коефіцієнті,
розрахованому на основі наближень , коваріаційний матриць , .
Введемо послідовність
+ [∆ ( )∆ ( − )].
Використовуючи визначення оновлюючої процесу, неважко отримати такі
співвідношення:
= + ,
= [ ( − )] [ − ], ≥ 1.