Оптимальное оценивание состояния динамических систем
Рассмотрим ошибку оценки
и ковариационную матрицу ошибки оценки
.
При синтезе оптимального фильтра будем добиваться, чтобы ковариационная матрица оптимального фильтра удовлетворяла неравенству
, (*)
где -ковариационная матрица ошибки оптимальной оценки .
Введем обозначения: , .
В теории оптимального оценивания получен следующий фундаментальный результат: оптимальная оценка в смысле выполнения неравенства (*), как неравенства квадратичных форм, существует и представляет собой условное математическое ожидание вектора состояния, записываемое в виде
, (**)
где -условная (апостериорная) плотность вектора ,а - совместная плотность распределения векторов и .
Здесь и далее, интегралы понимаются как многомерные, а дифференциалы от векторов- как произведения дифференциалов их компонент, при этом совместная плотность понимается как совместная плотность вектора состояния динамической системы и измерений в последовательные моменты времени 0,1,2,…… : .
Отметим, что из неравенства (*), понимаемого как неравенство квадратичных форм, вытекает ряд свойств ошибок оптимальной оценки, важных для практических, в частности, навигационных приложений
· среднеквадратические ошибки оценок всех компонент вектора состояния минимальны;
|
|
· определитель и главные миноры ковариационной матрицы минимальны;
· след ковариационной матрицы, представляющий собой сумму вторых центральных моментов компонент вектора состояния динамической системы минимален;
· оценка любой линейной комбинации компонент вектора состояния имеет минимальную среднеквадратическую ошибку.
Рассмотрим теперь совместную плотность распределения , используемую для выработки оптимальной оценки. Известно, что эта плотность по правилу перемножения плотностей может быть представлена в виде
.
Фрагменты этой плотности и при описании поведения динамической системы и процесса измерений уравнениями
,
,
где -вектор состояния размерности ; -вектор измерений размерности ; , -центрированные гауссовские векторы белошумных возмущений и ошибок измерений с ковариационными матрицами и соответственно, -многомерная, в общем случае, нелинейная функция; -гауссовский вектор начальных условий, ,
в свою очередь, могут быть представлены с использованием плотностей распределения и как
|
|
,
.
Совместная плотность распределения при этом примет следующий вид:
.
Таким образом, имея совместную плотность распределения можно получить условную плотность распределения и решить задачу оптимального оценивания вектора с использованием выражения (**).
Показано, что в случае описания поведения динамической системы и процесса измерений линейными уравнениями при гауссовском распределении ошибок измерений и возмущений в рамках байесовского подхода может быть получены рекуррентные процедуры, получившие название линейного дискретного фильтра Калмана.
,
Дата добавления: 2018-06-27; просмотров: 633; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!