Постановка задачи
![]()
|
сглаживание (m<0). фильтрация (m=0). прогнозирование (m>0). Независимо от того, какая из последних двух задач прогнозирования или фильтрации решается, получающаяся динамическая схема называется фильтром. Фильтр Калмана Рассмотрим задачу прогнозирования на один шаг вперед и предположим, что процесс описывается системой уравнений(11.5) с h=1. Предположим для простоты, что R12=0. Пусть оценка состояния вычисляется по уравнению (11.42) Ошибка восстановления В разд. 9.2 для получения нужных значений корней этого уравнения варьировались элементы матрицы К. Здесь же принят иной подход, при котором учитываются свойства шума, и критерий качества состоит в минимизации дисперсии ошибки оценивания P(k): Среднее значение Поскольку Ex(0)=m0 , то независимо от К среднее значение ошибки восстановления равно нулю для всех так как (11.45) Усиление K(k) можно найти из (11.45) выделение полного квадрата Правая часть (11.46) содержит два слагаемых: первое не зависит от K, а второе неотрицательно, поскольку матрица R2+CPCT положительно определена. Таким образом, минимум достигается, если K выбрано таким образом, что второе слагаемое обращается в нуль. Тогда uuu Заметим, что K не зависит от α и что (11.44) выполняется и при оптимальном K(k). Восстановление, определяемое выражениями (11.42), (11.47) и (11.48), называется фильтром Калмана. Изложенное выше можно сформулировать в виде следующей теоремы. |