ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 27.06.2024
Просмотров: 159
Скачиваний: 0
3.4] КРИТЕРИЙ МАКСИМУМА ПРАВДОПОДОБИЯ 87
величин |
|
|
|
|
|
|
h [х(&), к 10] |
h [х (к |к — 1, 0), Л], |
(3.4.23) |
||||
V 5 ( * | f t - M ) |
3 h T [ х ( к | к — 1, 0 ) , Л] |
V- (Л|А |
1, 0) X |
|||
dx(k\k — i,Q) |
||||||
|
|
|
||||
|
_ _ |
dhT[х (к|к ■ 1, В)к]' |
(3.4.24) |
|||
|
X |
дх(к\ к — 1, 0) |
||||
где |
|
|
||||
|
|
|
|
|
||
V- (к j к — 1,0) = |
var {х (к |к — 1, 0)} = |
|
|
|||
|
= |
var {х (к) \Ъ{к — 1), 0), |
(3.4.25) |
|||
z (к |к - |
1, 0) ж z {к) - |
h [х (к |к — 1,0), к], |
(3.4.26) |
|||
Vz (к |к — 1, 0) ж Vv (к) |
+ V s (к |к - 1,0). |
(3.4.27) |
Линейная аппроксимация штрафной функции в этом
случае |
такова: |
|
|
к1 |
|
J — - j - |
2 1П det {V2(к |к — 1,0)} + |
|
|
^ ^ |
|
|
+ |
(3.4.11) |
причем различные составляющие этого выражения опре деляются формулами (3.4.23) — (3.4.27). Таким образом, получен интересный и фундаментальный результат: для определения штрафной функции максимального правдо подобия необходимо знание решения задачи одношаговой экстраполяции х (к), т. е. оценки х (к |к — 1, 0), даже в том случае, если задача оценивания х (к) первоначально не ставилась. Для действительно эффективного исполь зования этой функции штрафа необходимо обладать алго ритмами определения х (к |к — 1, 0) и Vi (к |к — 1, 0)
по Z (к — 1).
Вообще говоря, алгоритмы оценивания, основанные на условном математическом ожидании, которые можно вывести для нелинейной модели формирования сигнала (3.4.1), бесконечномерны, и для получения реализуемых алгоритмов необходимо производить аппроксимацию. Один возможный способ аппроксимации заключается
88 ФУНКЦИИ Ш ТРАФ А В ЗА Д А Ч А Х ИДЕНТИФИКАЦИИ [ГЛ. 3
в допущении гауссовости плотностей р [х (к) |Z (к — 1), 0] |
|||
и р [г (к) |
|z (к — 1, |
0)] |
для получения «псевдобайе- |
совского» |
приближенного |
алгоритма, подобно тому, как |
в предыдущем разделе было получено «псевдобайесовское» приближение для отношения правдоподобия.
Для облегчения определения искомых алгоритмов оценивания следует использовать теоремы об условном среднем значении и дисперсии гауссовских случайных величин. Эти теоремы утверждают, что для гауссовских случайных величин я и J3 условное математическое ожи дание и условная дисперсия я относительно § определя
ются формулами |
|
|
Щ(а |Р) = |
р„ + VapVp1(Р — рр), |
(3.4.28) |
var {а |Р) = |
Va — VapVj^Vpo, |
(3.4.29) |
вкоторых
Р« = § {а},
V„ = |
var {а} = Щ{(а — р а) (а — р а)т }, |
(3.4.30) |
|
V„p = |
cov (а, Р) = Ш{(а — р а) (Р~Рр)т }. |
||
В частности, если каждое |
из условных |
распределений |
|
х (к) и z (к) относительно |
Z (к — 1) — гауссовское, то |
||
x(*|0) = ff{x(*)|Z(*),0} = |
$ (х (к) \Z(k — 1), z (к), 0} = |
= Ш(х (к) |Z (к — 1), 0} + cov {х (к), z(k)\Z(k — 1), 0} х
X v a r 1{z (к) |Z ( к - 1), 0} [z (к) — $ {z(k)\Z(k — 1), 0}], (3.4.31)
так что оценка условного математического ожидания при
нимает |
вид |
|
х (к 10) == х (к |к — 1, 0) + cov (х (к), z (к) |Z (к — 1), 0} х |
||
X var'1(z (к) |Z {к — 1), 0} [z {к) - h [х {к), к 10Ц. |
(3.4.32) |
|
Обращение к аналогичной теореме об условной дис |
||
персии |
(3.4.29) дает |
|
var (х (к) |Z (к), 0} = var {х (к) |Z (к — 1), 0} —
— cov (х (к), z{k)\Z(k — 1), 0} var-1 (z (к) |Z (к — 1), 0} х
X cov (z (к), х (к) |Z (к — 1)., 0}. |
(3.4.33) |
3.4} |
КРИТЕРИЙ МАКСИМУМА ПРАВДОПОДОБИЯ |
вз |
Точно |
так же |
|
V~ (k [ в) — var (х (к) — х (к) |Z (к), 0} = |
|
|
|
= var {х (к) |Z (к), 0}, |
(3.4.34) |
V- (к |к — 1, 0) = var {х (к) — х (к) [ Z (к — 1), 0} = |
|
|
|
= var {х (к) |Z (к — 1), 0}, |
(3.4.35) |
носкольку оценка условного среднего несмещенная. Таким образом, теорема об условной дисперсии приводит к при ближенному соотношению для дисперсии ошибки филь трации
V - {к 10) = |
V- (к \к— 1, 0) — cov (х (к), z (А) |Z (к — 1), 0} х |
X var-1{г |
(к) |Z (к — 1), 0} cov {(&), х (к) j Z (к —1), 0). (3.4.36) |
Уравнения (3.4.32) и (3.4.36) выражают, следовательно, приближенные алгоритмы для дискретной нелинейной фильтрации методом условного среднего и для дисперсии
ееошибки.
Для использования алгоритмов необходимо определить
выражения для cov (х (к), z (к) |
| Z (к — 1), 0} и |
var (z (к) |Z (к — 1), 0}. Поскольку |
задача существенно |
нелинейна, эти соотношения не могут быть найдены точно, так что возникает необходимость в дальнейших аппроксимациях. Порядком этих аппроксимаций опреде ляется окончательный вид алгоритмов фильтрации.
Линейное приближение для указанных выше ковари аций можно получить, заменяя <р и h линейными членами соответствующих рядов Тейлора в окрестности решений
задач |
фильтрации и |
одношаговой |
экстраполяции: |
|||||
<р [х (£),£] ^<р[х(&| 0), А]+ |
|
|
|
|
||||
|
+ |
9<р [х (к|0), к] 1",Тт |
|
■х (Л|в)Ь |
(3.4.37) |
|||
|
дх (к|0) |
-J |
!*(*)■ |
|||||
h [х (к) , А] ^ |
h [х ( к |к — 1,0), к] + |
|
|
|
||||
аъ? [ х ( к \ к - 1,9),АПТ [х |
|
|k _ 1 ,0)J. |
|
|||||
+F |
Эх(А|А-1,0) |
J |
W |
V 1 |
J |
(3.4.38) |
||
|
|
|
|
|
|
|
|
|
Далее |
используется |
аппроксимация |
первого |
порядка *) |
*) Для получения аналогичного результата можно исполь-
!^ВрТД ? аппроксимацию нулевого порядка Г [х (к), Л] ==
— Г [х (к'1 в), А],
9 0 ФУНКЦИИ Ш ТРАФ А В ЗА Д А Ч А Х ИДЕНТИФИКАЦИИ СГЛ. 3
для rV wr T в окрестности решения задачи фильтрации
х(А |0)
Г[х (А), A] Vw(A)rT[x(*),A]:
:г [х (А 10), A] Vw (к) Г [х (к 10), к] -f- [х (к) — х (к 10)] х
X |
г [i (к 10), A:] Vw(к) Гт [X (к |0), к) (, (3.4.39) |
д х |
( к | 0 ) |
что позволяет нам оценить (приближенно) искомые кова риации. Эти оценки таковы:
cov (х (к), z (А) |Z (А — 1), 0} =
= cov {х {к |к — 1,0), h [х (к), А] |Z (А — 1), 0} ^
^ у - (к |к — 1,0) 9hT Iх (* 1к ~ *’ 9)’ к], |
(3.4.40) |
||
xV 1 |
' |
дх(к\к —1,0) |
4 |
var {г (к) |Z (к — 1), 0} = var {h [х (к), А]|Z (А — 1), 0} +
|
|
X |
X P h 1 [ x ( f c | f c — 1 , 9 |
) , /с] j+ Vv (A). |
(3.4.41) |
P x (/с | к — 1 , 0 ) |
|
|
Для завершения вывода уравнений этого фильтра первого порядка, основанного на методе условного математиче ского ожидания, осталось определить априорную дис персию ошибки. С помощью разложения в ряд легко по лучить, что
Vx (A| А — 1,0) = var {х (к) j Z (А — 1), 0} = |
|
|||||
|
= var {х (А) |Z (А — 1), 0} = |
var (ср [х (А — 1), А — 1] |
|
|||
|
+ Г [х(А — 1), А — 1] w(A — 1) |Z (А — 1), ©} ^ |
|
||||
^ |
a<p[x(fc — 110), Ат — 1] |
у /д. |
^ 10чdyT[x(k — l\Q),k — l] |
|||
|
д х ( к — 1 10) |
х' |
1 J |
д х { к — 1|0) |
"Г |
|
|
+ Г [X (А - |
1 10), А - |
1] Vw (А - 1) Гт [х (А — 1 10), А — 1]. |
|||
|
|
|
|
|
(3.4.42) |
|
|
Оценка, |
осуществляющая |
экстраполяцию на |
один |
||
шаг для функции правдоподобия (3.4.9), |
легко выражается |
|||||
в |
терминах |
оценки |
х (А 10) |
подстановкой разложения |
(3.4.37) в модель формирования сигнала (3.4.1) и взятием условного математического ожидания относительно Z (А)