Динамические системы наблюдаемые на фоне
шумов
Одномерные динамические системы и фильтр Калмана
(1) ; Шумы - называются шумами наблюдения (для активных по- мех). Задачу фильтрации будем решать методом наименьших квадратов. Задача фильрации требует уменьшить .
Вводим эмпирический риск :
(2) - Это есть классическая запись метода наименьших квадра- тов . Эмпирический риск назван так потому, что в риск входят наблюдения. Согласно формуле (2) требуется минимизировать риск, а следовательно уменьшить влияние шумов.
Если бы не была придумана модель уравнения (1), тогда невозможно было бы записать риск . Необходимо так выбрать , чтобы получить минимум по всей траектории. Эти будем обозначать : - оптимальная траектория Она получается путем дифференцирования , i=1,2...n Проделав математические операции получаем одномерный фильтр Калмана. (3) ; - задано n=1,2...
Комментарий к формуле (3) :
Фильтр Калмана сглаживает шумы и оказывается, если шу- мы гауссовские, то этот фильтр является оптимальным. (4) n ® ¥
Т.е. среднеквадратическая ошибка будет минимизирована. Если шумы не являются гауссовскими, то такая оценка является ассимптотически минимальной, т.е. (4) выпол- няется когда n ® ¥ . Формула (4) является критерием минимума среднеквадрати- ческой ошибки. Фильтр Калмана дает оценку процесса истинного процесса для гауссовских шумов, оптимальную по критерию (4), т.е. по критерию минимума среднеквадратической ошибки.
Замечание 1 : Оптимальность означает, что не существует другого фильтра, который мог бы дать такие же результаты по среднеквадратической ошибке.(Остальные фильтры дают большую ошибку)
Замечание 2 : Фильтр Калмана, в отличие от согласованного фильтра, выделяет форму сигнала наилучшим образом. (Согласованный фильтр обнаруживает сигнал и дает максимум отношения сигнал/шум на выходе и сильно искажает сигнал) Для согласованного фильтра все равно какая форма сигнала на выходе, а фильтр Калмана выдает тот же сигнал, что и на входе. Т.е. согласованный фильтр - для обнаруже- ния сигнала, а фильтр Калмана - для фильтрации от шумов.
Замечание 3 : Фильтр Калмана записывается во временной области, а не в частотной, как фильтр Вин- нера.
Фильтр Виннера - реализован в частотной области.
(5) K(w) - оптимальная функция передачи, которая мини- мизирует среднеквадратическую ошибку.
y(t) - Оценка оптимальна. Она минимизирует СКО.
- энергетический спектр (распределение энергии случайного процесса). - энергетический спектр помехи. Фильтр Калмана и Виннера дают - одинаковое качество фильтрации, однако фильтр Калмана проще ре- ализуется на ЭВМ. Поэтому его и АЧХ (пунктир) используют. - режекция помехи
Анализ фильтра Калмана
Фильтр Калмана ;
x(t)- ненаблюдаемый случайный процесс y(t)- наблюдаемый случайный процесс
y(t) На входе фильтр Калма- на использует наблюде- ния и начальные усло- вия. На выходе фильтра x(t) получается исходный процесс x(t).
Фильтрация медленных процессов
x(t) При а=0.999, , есть медленный процесс, тогда , это следует из формулы (3).В этом случае - t - экстраполяция (прогноз),т.е. прошлая и текущая оценки поч- ти одинаковы. В таком фильтре Калмана почти полностью иг- норируются наблюдения. При оценке ситуации фильтр Калмана не доверяет наблюдениям, а доверяет лишь прошлой оценке. Это годится для процессов, которые можно легко предска- зать.
Фильтрация быстрых процессов
- большая величина (>1); . x(t) динамическая ошибка
t Тогда , в этом случае (оценка) равна самим наблю- дениям. Это значит, что фильтр Калмана не доверяет прош- лым оценкам.
Вывод : Фильтр Калмана минимизирует и флуктуационную и динамическую ошибку.
Динамической ошибкой называется разница между оценкой и истинным значением процесса. - =динамическая ошибка. Флуктуационная ошибка - тоже, но за счет шума. При быстром процессе шумы фактически не фильтруются.
Невязка входит в фильтр Калмана и выполняет роль корректирующего члена, который в формуле (3) учитывает ситуацию, которую дают наблюдения. Оценка на шаге ‘n’ равна экстраполированной оценке плюс некоторый корректирующий член, который есть невязка, которая взята с весом . (Корректирующий член учитывает наблюдения на шаге ‘n’) Вес учитывает апприорную дина- мику системы (модели).
Вывод (по одномерному фильтру Калмана):
1) Фильтр Калмана можно построить в виде реккурентного алгоритма только в том случае, если имеется модель случайного процесса, который он фильтрует. 2) Фильтр Калмана оптимален для реального процесса только в том случае, если реальный процесс близок к модели, которую мы используем.
Многомерный фильтр Калмана
(1) , где - текущее время, - - вектор (столбики) A - матрица k´k, H - матрица m´k. - вектор, - шум наблюдения ; - шум динамической системы. Запишем (1) в скалярной форме. covx=Q, covh=P.
Многомерный фильтр Калмана для модели (1) : , где - вес, - невязка. ; где - единичная матрица = Г ; Начальные условия задаются из аппри- Г ; орных условий . - транспони- рованная матрица (сопряженная).
Траекторные изменения
Часто требуется получить оценку траектории летательного аппарата. Летательный аппарат может быть зафиксирован с помощью радиолокатора, либо некоторой навигационной сис- темой. Летательный аппарат рассматривается в некоторой сис- теме координат : Если известны точно все 9 коор- Z динат (см.ниже), то можно точ- л.а. но навести ракету. Для определе- ния всех координат существуют р X траекторные фильтры, которые строятся на базе фильтра Калмана. Y
Траекторный фильтр 2-го порядка
(1) ; a<1 Первые две строки (1) - это модель, последняя строка - - наблюдение.
Составим многомерный фильтр Калмана , для этого по мо- дели (1) составим многомерную модель. ; (2) ;
; ; H=[1,0] Из формулы (2) имеем :
; ; ; ;
Траекторный фильтр 3-го порядка
(4) , первые две строки - модель, последняя строка - наблюдения ; ; ; ; H = [1,0,0] ; ; ;
Теория нелинейной фильтрации
Здесь нелинейные модели записываются в виде :
(1) ; здесь : верхняя функция - нелиней- ная регрессия, нижняя - уравнение наблюдений. Функция генерирует на любом интервале неко- торый случайный процесс . Это есть модель неко- торого случайного процесса, более богатая, чем все преды- дущие модели. Уравнение наблюдений : наблюдается не сама , а не- которая функция j( );наблюдения ведутся на фоне шумов - шум нелинейной динамической системы (шум модели) 1) Требуется найти оценку , такую, чтобы : (2)
Формула (2) - критерий минимума среднеквадратической ошибки. 2) Требуется получить реккурентную оценку, такую же как в фильтре Калмана.
В чистом виде получить оптимальную оценку нельзя, есть лишь приближенные решения, когда функции f(x) и j(x) - - линеаризуются.
Тейлоровская линеаризация - используется ряд Тейлора, линейная часть (1-я, 2-го члена). ( j(x) и f(x) - имеют непрерывные первые про- изводные).
Разложение в ряд Тейлора в точке
где - оценка, которую мы еще не знаем, но собираем- ся находить. Эти линеаризованные функции подставим в (1) и получим линейную систему :
(2)
Коэффициенты a,b,c,d находятся после подстановки. и имеют произвольное распределение. Будем использовать метод наименьших квадратов для на- хождения оценок .
; ; Выпишем эмпирический риск :
r - функционал.
После линеаризации :
производная из r берется легко Продифференцировав и воспользовавшись методом индукции получаем :
(3)
; - задано
Выводы : 1. В связи с тем, что начальная точка разложения в ряд Тейлора функции j(x) была выбрана в точ- ке , то несмотря на линеаризацию, урав- нение (3) получилось как нелинейное и оно по- хоже на уравнение (1) модели. 2. В отличие от фильтра Калмана, в , при рек- курентном его вычислении входит - оценка ‘x’ на первом шаге. Коэффициент усиления можно вычислить заранее за ‘n’ шагов (в фильтре Кал- мана). Но здесь этого сделать нельзя. Сущест- вует так называемая обратная связь.
Пример нелинейной фильтрации :
; T - период колебания t - период дискретизации t - текущее время - фаза гармонического колебания с амплитудой равной 1
процесс наблюдается на фоне шума
- дискретная частота;
(4)
t
Т
Отношение сигнал/шум может быть меньше 1. Требуется получить оценку фазы, такую, чтобы разница в квадрате была минимальной.
. Из (3) получаем :
(5)
Перемножим и пренебрежем 2й гармоникой : (6) - ФАПЧ
(5) - ФНЧ, фильтрует 2-ю гармонику полностью(раз- ностное уравнение)
Структурная схема ФАП
- на вход
вх
a
синтезатор t опоры На вход поступает аддитивная смесь.
Принцип работы ФАП
Измеритель фазы является следящей системой с отрицатель- ной обратной связью. Опорное колебание с фа- зой - экстраполированная фаза. º . Чем точнее экстраполяция, т.е. чем меньше , тем точ- нее будет оценка.
Глава 5
Популярное: Почему двоичная система счисления так распространена?: Каждая цифра должна быть как-то представлена на физическом носителе... Почему стероиды повышают давление?: Основных причин три... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (214)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |