Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

книги из ГПНТБ / Медич Д. Статистически оптимальные линейные оценки и управление

.pdf
Скачиваний:
86
Добавлен:
25.10.2023
Размер:
13.81 Mб
Скачать

для to^a<4, а это означает, что уравнение (8-27) при­ нимает вид

 

 

E[z{t)z'{a)]

= H{t)E[x{t)z'{o)}

 

 

(8-29)

для

to<^a<t.

 

 

 

 

 

 

 

Следовательно,

уравнение

(8-21)

можно

записать

в виде

 

 

 

 

 

 

 

 

 

t

 

 

 

 

 

 

 

 

-§f^A{t,

 

х ) £ [ г ( х ) г ' ( з ) ] ^

=

 

 

 

t

и

 

 

 

 

 

 

 

 

 

 

 

 

 

 

= Г дА (t,

x) Е [ z ( т ) z , ( з

) ]

^ 0 / /

( 0 £ ( ѵ ( 0

г ,

( 8

3 0 )

 

Объединяя уравнения (8-26) и (8-30), получаем част­

ную производную по t

от (8-19):

 

 

 

 

 

 

 

 

t

 

 

 

 

 

F (t) E [x (0 г' (a)] -

j"

£ [г (x) г' (,)]

rfx

-

 

 

— A(t,

 

t)H(t)E[x(t)z'(•>)]=()

 

 

для

tn<3<^t.

Подставляя сюда

E [x (t) z' (т)} ИЗ уравне­

ния

(8-19),

получаем:

 

 

 

 

 

 

t

[F(t)~A{t,

t)H{t)]^A{t,

x) E [z (x) Z' ( I ) ] rfx -

Ç[F(0i4(/,

x)

дА [t, x)

 

 

 

 

 

или, что то же самое,

 

 

 

 

— A(t, t)H(t)A{t,

4)]E[z(%)z'(i)]dt

= 0

(8-31)

для t0^a<t.

Для того чтобы уравнение (8-31) удовлетворялось, Достаточно, чтобы матрица A (і, т) удовлетворяла урав­ нению в частных производных вида

F (t) A (t, x) - д Л § т ) - A (t, t) H (t) A (t, x) = 0 (8-32)

340

на интервале ^ о ^ т ^ ; / , т. е. чтобы выражение

в скобках

в уравнении (8-31) было тождественно равно

нулю на

интервале интегрирования.

 

Можно также показать, что уравнение (8-32) пред­ ставляет собой необходимое условие того, что удовле­ творяется уравнение (8-31). Пусть B(t, т) означает вы­ ражение в скобках в уравнении (8-31). Тогда если мат­ рица A(t, т) удовлетворяет уравнению Винера — Хопфа (8-19), то ему удовлетворяет и матрица A(t, x)+B(t, x). Это значит, что векторы

 

 

t

 

 

x(t\t) =

^A(t,

z)z(z)dz

и

 

to

 

t

 

 

 

 

 

x*(t\t)

= ^\A(t,

i) +

B(t, T)]z(x)rfx =

 

h

t

 

 

 

 

=

X(t\t)+

Jß(f,

t)z(x)d-z

 

 

to

 

являются оптимальными

оценками состояния x(t). Од­

нако согласно лемме 8-1 корреляционная матрица раз­

ности

этих

двух оценок должна обращаться в нуль, т. е.

 

Е {\х* (t |0 - x (t\ 01 [x* (t\t)-x{t\

t)} '} = 0.

 

Следовательно,

 

 

 

 

 

 

 

t t

 

 

 

 

 

 

 

 

f [B(f, т1 ,)г'(х2 )]й'(^

т 2 )сМт 2 =

0.

(8-33)

 

to to

 

 

 

 

 

 

 

Однако

 

 

 

 

 

 

 

 

E [z (т,) z' ( T , ) ] = H (x,) E [x (z,)

x' ( T , ) ] H' ( T , )

+

 

 

+ H (x,) E [x (x,) V' K ) ] +

£ [o (T,)

(X2)1 Я ' (x2)

+

 

 

+ /?(x1 )8(xI -x2 ).

 

 

(8-34)

Первые

три слагаемые

в

правой

части

уравнения

(8-34)

после подстановки

(8-34) в

уравнение

(8-33) да­

дут

неотрицательный

вклад в интеграл, а четвертое сла­

гаемое

даст положительный вклад, поскольку матрица

R(xi)

 

положительно

определена. Следовательно, для

того чтобы уравнение (8-33) удовлетворялось, необхо­ димо выполнение равенства B(t, т ) = 0 для t 0 ^ x ^ t .

341

Возвращаясь

к уравнению

фильтра (8-3)

при ti = t

и дифференцируя его почленно по /, имеем:

 

 

 

t

 

 

 

 

 

 

x(t\t)=yAft

т )

z{z)dz

+

A(t,

t)z{t).

 

 

 

to

 

 

 

 

 

Однако

согласно

уравнению (8-32)

 

 

 

 

д А § т). =F{t)A{t,

z)~A{t,

t)H(t)A(t,

z).

Следовательно,

 

 

 

 

 

 

 

t

 

 

 

 

 

 

x(t\t)=\

\F (t) A (t, T) A (t,

t) H (t) A (t,

x)] z ( T ) ; < / T +

- f A (t, t) z(t) = F (t) j<0A (t, z) z (x) dz - f t

z(t) — H (0 J A {t, z) z (x) dz

= F(t)x{t\t)

+ A (t, t) [z (t)

-H{t)x(t\t)}.

Полагая К (t) = A(t, t), окончательно имеем:

 

x = F(t)x +

K(t)lz{t)-H(t)x]

(8-35)

для t>t0,

где x — x(t\t).

Уравнение

(8-35) является

описанием фильтра. Осталось установить начальные условия и выражение для матрицы передачи K(t) раз­ мера пХт. Ясно, что начальное условие имеет вид:

£ ( f 0 | O = p 4 ( f 0 ,

z)z(z)dz

to

или, что то же самое,

 

x(t0\t0)

= 0.

 

 

Матрица передачи

 

 

 

Рассмотрим

уравнение

Винера — Хопфа

для a = t

 

t

z)E[z(z)z'(t)\dz

=

 

E{x(t)z'(t)}~

\A(t,

0. (8-36)

t'o

342

Ясно, Ч Т О

 

 

 

 

 

 

 

 

 

 

 

 

E

(x (t) z' (/)] =

Е{х

(t) [H (i) x(t)+v

(t)}'}

=

 

 

 

=

E[x

(0 x' (t)] Я ' (t) +

E[x (t) и' (t)].

 

(8-37)

Согласно уравнению (6-24)

 

 

 

 

 

 

 

 

 

 

 

 

 

t

 

 

 

 

 

 

 

хЦ)—Ф (/,

t0) x (/„) - f

f Ф (/,

T) G (T) W ( T ) dx,

 

и отсюда

следует, что

 

 

h

 

 

 

 

 

 

t

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

E

[x (t) V' (t)] =

Ç Ф (t,

x) G (x) Я [w (x) y' (0] dx,

(8-38)

 

 

 

 

 

h

 

 

 

 

 

 

 

 

так как x(/0 ) не зависит от [v(t),

t^U}.

 

 

 

 

Однако

E[w{x)v'{t)}

=

 

S{t)b{t—г.),

 

 

 

так что

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

£ [*(0y'(0 ] = G(0S(0.

 

 

(8-39)

Уравнение (8-37) теперь принимает вид:

 

 

 

E[x(t)

z'(t)}

= E[x (t) x'{t)W

(t) +

G (t)S{t).

 

(8-40)

Кроме

того,

 

 

 

 

 

 

 

 

 

 

 

 

E [z (x) z' (t)} =

E{z

(x) [H (t) x(t)

+

v {t)]'}

=

 

= Е[г)х'

(t)} H' (t) +

E[z

(x) V' (01 =

E [z (x) x' (t)) H' (t) +

+

E {{H(x)

X (X) - f

0 (x)]

V' (t)} =

E[z

(x) x'

(t)} H' (t)

+

 

 

-f- Я (x) £

(x) t-' (0] +

Я (f) 8 (f -

x).

 

(8-41)

Подставляя в (8-36) уравнения (8-40)

и (8-41),

полу­

чаем:

 

 

 

 

 

 

 

t

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

E [x (t) x' (t)} H'(t) + G (t) S (t) -

J A (t,

x) E [z (x) X

 

 

 

 

 

t

 

 

to

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

X

x' (t)} H'{t)dx-

 

^A(t,

x) Я (x) £

[JC (x) V' (f)]

dx —

 

 

 

t

 

h

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

x)dx =

 

 

 

 

 

 

 

-^A{t,x)R

 

(08{t -

0.

(8-42)

Ясно, что четвертое слагаемое в левой части обра­ щается в нуль, поскольку подынтегральное выражение

343

равно нулю почти на всем интервале [t0, / ] . Это является следствием равенства

E[x(x)v'{t)h

0;

/=jfcT,

G(t)S(t);

г = т,

 

которое легко получить из уравнений (8-38) и (8-39). Кроме того,

x)R(t)b(t-x)dx

= A{t, f)R{t) =

K{t)R{t).

to

Поэтому уравнение (8-42) можно представить в виде

 

К (0 R{t)

= E [x (t) x'

(t)] H'(t)

 

-

t

x)E[z(x)x'(t)]dxH'{t)

 

+

G{t)S(t)=

<JA{I,

 

= E

\ x(t)-

^A(t,

x)z{x)dx

x'(t)

І Я ' ( / )

+

 

IL

h

 

 

 

 

 

 

-j-G(t)S(t)=E[x(t\t)

 

x' (/)] H' (t) -f-

G(t)S(t).

Так как

 

 

 

 

 

 

 

 

 

 

x{t)=x(t\t)

+

x(t\t),

 

 

то

 

 

 

 

 

 

 

 

E[x(t\

t)x' (0] =

E{x(t

|0

(t |0 + л(/101 '}

=

 

=

 

|0 x'(t\t)]

=

P(t\t),

 

где Р ( / 1 0 — корреляционная матрица ошибки фильтрации,

а слагаемое E [x (t\t) x' (t\t)] обращается в нуль в силу следствия 8-1.

Теперь

K(t)R(t)=P(t\t)H'(t)

+

G(t)S(t).

Решая это уравнение относительно K{t), получаем:

К (t) ={Р (t 11) Я ' (t)+G(t)S (t)] R-1 (t)

(8-43)

для t^to. Для вычисления матрицы передачи оптималь­ ного фильтра необходимо, чтобы матрица R(t) была положительно определена. Однако читатель должен

344

иметь ввиду,

что без положительной определенности R

(t)

невозможно

также

доказать

необходимость

уравнения

(8-30) при выводе уравнения фильтра.

 

 

 

 

 

Напомним,

что

уравнение

Винера — Хопфа

при

вы­

воде уравнения фильтра

решалось

на интервале

to^<y<t.

Случай

a=t

 

рассматривался

только

для

вычисления

матрицы

передачи

фильтра.

 

 

 

 

 

 

 

 

Корреляционная

 

матрица

ошибки

фильтрации

 

 

Ошибка фильтрации и скорость ее изменения со­

ставляют

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

x(f\t)

= x(t)-x(t\t);

 

 

 

(8-44)

 

 

 

 

x(t\f)

=

x(f)—x(t}t).

 

 

 

(8-45)

Подставляя уравнения (7-1), (7-2) и (8-35) в урав­

нение (8-45), получаем:

 

 

 

 

 

 

 

 

 

x =

F{t)x

+

G{t)w{t)-F{fi'x

K (0 [2 {t) -

H

{t)x]

=

=

F(t)x

+

G(t)w

{t) -

 

К (t) [H (t)x-r-v

(t) -

H (t) x]

=

 

=

[F(f) - K(t)H(t)}x

+

G(t)w(f)

K(t)V(0

(8-46)

для

t^to.

Согласно

уравнению

(8-44)

x(to\to)

=

x(ta)—

—x(to\to)

=x(tQ).

Следовательно,

x(t0\t0)—случайный

гауссовский n-вектор с нулевым средним и корреляцион­ ной матрицей

P(t0\t0)=E[S{t0\to)S,(to\to)]

= E[x(t0)x'(t0)]

= P(t0).

Так как процессы {w(t),

t^t0}

и {v(t),

t^U)

пред­

ставляют собой гауссовские белые шумы

с нулевыми

математическими ожиданиями, то

из § 4-3

следует, что

случайный процесс, описываемый уравнением (8-46), является гауссовским марковским процессом с нулевым средним. Следовательно, этот процесс полностью харак­ теризуется своей корреляционной матрицей, для кото­ рой здесь будет получено матричное дифференциальное уравнение.

Пусть Х Р(^, т) означает переходную матрицу состоя­ ния системы (8-46), a C(t) =F(t)K{t)H(t). Тогда ре-

345

шение уравнения можно записать в виде

л (ф) = ЧГ (t, tQ) x (t01 Q+ f 47 (t, x) [G (x) a, (x) -

h

- / Ç ( x ) o ( x ) ] d T .

Далее

 

P(t\t)

= E [x(t\t)x'{t\t)}

=

 

=

¥('. t0)E[x(t0\ta)x'(t0\t0)]W'(t,

g

+

+

£ J Ç ЧГ (f,

x) [G (x) ш (x) - К (x) о (x)]

dxX

 

u0

 

 

 

где взаимная корреляция элементов случайного вектора

x(t0\t0)

 

и случайных

процессов {w(i),

t^O}

и

{v(t),

t^U)

отсутствует,

поскольку x(t0\l0)

=x(t0)

не

зависит

от этих двух процессов.

 

 

 

 

 

 

Вспоминая, что

 

 

 

 

 

 

 

 

E[x(to\to)x'(to\to)]

= P(to);

E[w(t)w'(x)]

 

= Q(t)à{t

 

т);

E [v (t) v'(x)] = R(t)

ô (t-x)

; E [w (t) v' (x)] = S(t) ô

(t—x),

можно привести уравнение (8-47) к виду

 

 

 

 

 

 

P(t\t)

=

w(t,

t0)P(t0)W(t,

о

+

 

 

 

 

+

f W (t, x) [G (x) Q (x) G' (x) - f К (x) /? (x) /С' (x)

-

 

-

G (x) S (x)

(x) - К (x) S' (x) G' (x)] 47' (f,

x) G?X

(8-48)

для г1

г? г0.

 

 

 

 

 

 

 

 

Уравнение (8-48)

описывает корреляционную

матри­

цу ошибки фильтрации для фильтра с произвольной матрицей передачи. Однако для матрицы передачи опти­ мального фильтра К{х)=[Р{х\х)Н'(х) + 0(х)8{х)№-*(г)

оно является интегральным уравнением относительно

матрицы

P{t\t) и поэтому применять

его для вычисле­

ния P(t\t)

нецелесообразно.

уравнение (8-48)

Более

логично попытаться свести

к дифференциальному уравнению, дифференцируя ег о

346

по t, и получая

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

р = *Ѵ,

QP{t0)W{t,

 

 

tt) + w(t,

t0)P(t0)W'(t,

 

g

+

 

 

+

47 (t,

t) [G (t) Q (t) G' (t) +

K(t)R

 

(t) K'

(t)

-

 

 

 

-G(t)S

(t) K'

(t) -

К

(0

S' (t) G' (t)} 47' (t,

 

t)

+

 

 

+

f 47 (t,

z) [G (x) Q (x) G' (x) - f К (x) R (x) K'

(x)

-

 

 

h

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

-

G (x) S (x) K' (x) -

К (x) S'

(x) G' (x)] 47' (t,

x) dz - f

 

+

[ 47 (t,

z) [G (x) Q (x) G' (x) +

К (x)

(x) tf' (x)

 

-

 

 

h

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

-

G (x) S (x) /С' (x) -

 

К (x) S' (x) G' (x)]

tf' (f,

x) dz.

(8-49)

Однако

47 (/, x) =

С (t) 47 (t,

z)

для

всех

f,

x >

t0

при

условии

47 (x, х ) = = / для

x > g

Кроме

того,

из

уравнения

(8-48) следует:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

t

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

j

*F (f,

x) [G (x) Q(x)G' (x) - f К (x) P

(x) /С' ( x ) -

 

 

 

U

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

-

G (x) 5 (x) /С' (x) -

К (x) S' (x) G'(x)]

47' (t,

z) dz

 

=

 

 

 

=

Р ( ф ) - 4 ^ ,

t0)P(t0)4T(t,

 

Q.

 

 

 

 

 

Подставляя

эти результаты

в

уравнение

(8-49), полу­

чаем:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

P=C(t)W{t,

 

t0)P{t0)W(t,

 

g

+

 

 

 

 

 

- f

W (t, g P (f0 ) W

(t, g С

(t) + G (/) Q (0 G' (0

+

 

+ /((/)# (0 K ' (t) -

G (0 s (0 /С' (0 -

 

(0 5' (0 G' (0

+

 

+

с (0 [P (f |0 -

w (t,

g P (g y

 

g] - f

 

 

 

+[P(t\t)-v

 

(t,

g

P (g

 

g]

с ( о = c ( f ) P { t \ f )

+

+ P(t\t)C

(0

- f

(0

R (0 K' (0 — G(t)S

(о /С' (0

-

 

 

 

-tf(0S'(0G'(0 + G(0Q(0G'(0-

 

 

 

 

 

Вспоминая,

что

C(t)=F(t)—K{t)H{t),

 

 

имеем:

 

P=tF(t)-K(t)H(t)]P

 

 

 

+ P[F(t)-K(t)H(t)]'

 

 

 

+

 

+ K(t)R(t)K'(t)-G(t)S(t)K'(t)-K(t)S'(t)G'(t)

 

 

 

 

 

 

 

+

 

 

 

 

 

 

+

G(t)Q(t)G'(t)

 

 

 

 

 

 

(8-50)

для t ^ t 0 ,

где Р =

Р ( ф ) .

 

 

 

 

 

 

 

 

 

 

 

 

347

Решение уравнения (8-50) при начальном условии P{to\to)=P{to) представляет собой корреляционную матрицу ошибки фильтрации для фильтра (8-35). Под­ черкнем, что уравнение (8-50) справедливо для матрицы передачи любого фильтра. Если же используется опти­ мальная матрица К ( 1 ) , то уравнение (8-50) можно упро­ стить следующим образом. Раскрывая скобки и группи­ руя члены, можно записать уравнение в виде

P—F

(t) P—K(t)

H (t) P + PF' (t) —PH' (t) К' (t) +

+ K(t)R(t)K/{t)-G(t)S(t)K'(t)-K(t)S'{t)G'(t)

 

+

+ G(t)Q(t)

G'(t)=F{t)P

+ PF'{t)-K(t){PH'{t)

+

+

G(t)S(t)]'-{PH'(t)+G(t)S(t)]K'(t)

+

 

 

+

 

K(t)R(t)K'(t)+G(t)Q(t)G'{t).

 

Подставляя

в

это уравнение

K{t) —[P(t\t)H'(t)

+

+ G{t)S{t)]R-i{t),

 

получаем:

 

 

P = F{t)P

+ PF'{t)—[PH'{t)

+

G{t)S(t)]R-i{t)x

 

X[PH'

(t) + G (0 S (t)]' + G(t) Q (t) G' (t).

 

Так как матрица P неизвестна, более удобно пред­ ставить это уравнение в следующем виде:

 

P=[F(t)-G(t)S(t)R-Ht)H(t)]P

+

+

P[F(t)-G(t)S(t)R-i(t)H(t)]'-PH'(t)R-i(t)X

XHWP+GitttQW-S^R-iWS'itWit),

(8-51)

где t^to,

а начальное условие P{U\to)

=P(U).

Выводы

Сформулируем результаты параграфа в виде сле­ дующей теоремы.

Теорема 8-2.

1)

Оптимальный

непрерывный

фильтр

для

случая,

когда

гауссовские

белые

шумы

коррелированы

и

E[w(t)v'

{r)] = S (t) Ь (t—т),

описывается

уравнением

 

 

x = F (0 x + К (t) [z (t) -

H (0 Je]

(8-52)

для t~~~

ta, где x=x(t\t),

при

начальном

условии

x(tü\t0)—Q\

матрица

передачи фильтра

размера

пХп

348

определяется с помощью

соотношения

K(t)=[P(t\t)H'(t)

+ G(t)S(t)]

/ ? - І < / ) ,

(8-53)

где

P(t\t)

корреляционная

 

матрица

размера

пхп

ошибки

фильтрации

x(t\t)

=x(t)x(t\t),

 

t^t 0 .

гаус­

 

2)

Случайный

процесс

{x(t\t),

t^U}

является

совским

марковским

процессом

с

нулевым

средним и

корреляционной

матрицей,

удовлетворяющей

матрично­

му

дифференциальному

уравнению

 

 

 

 

 

 

P =

[F(i)-G{t)S(f)R-*(f)H(t)]P

 

 

+

 

P[F(t)-

 

-

G S (t) Z?"1

Я (О]' -

PH' R-1

(t) H (t) P

+

 

 

 

+ G (t) [Q (0 — S (t) R-1

(t) S' {t)) G' (t)

(8-54)

для

t^to,

где P = P(t\t),

при

 

 

P(t0\k)=P(to)=E[x(t0)X

Xx'{U)\

 

 

 

 

 

 

 

 

 

 

 

 

Сравнивая эти

результаты

с

результатами, получен­

ными в теореме 7-1, можно убедиться, что уравнение

фильтра имеет одинаковый

Вид вне зависимости

от того,

являются

процессы

{w(t),

t^U)

и {v(t),

t~^t0}

независи­

мыми или нет, но выражения

для

матрицы

передачи

различаются. Однако

если эти два процесса

независимы,

т. е. S(t)—0

для t^t 0 ,

то

приведенные

здесь

результа­

ты

сводятся

к результатам

теоремы

7-1, как и следовало

ожидать.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Пример 8-1. Пусть вектор

возмущения

системы

w(t)

и вектор

ошибки

измерения v(t)

имеют

одинаковое

число компонент

р=т

и гауссовский белый шум, являющийся возмущением

 

системы,

так­

же искажает измерения. Это означает,

что три рассматриваемые

корреляционные

матрицы

равны, т. е.

Q(t)=R(t)=S(t)

 

 

для

всех

i^-U

(все матрицы размера тхт).

Предположим,

 

что

матрица

Q(t)

положительно определена для всех t^tf,.

 

 

 

 

 

 

Отсюда

сразу следует, что

S(t)R-i(t)—Q(t)Q-l(t)=I,

 

 

единич­

ная

матрица

размера тхт,

a Q(t)—S(t)R-i(t)S(t)

= Q(l)—

Q{t) = 0,

нулевая

матрица размера

тхт.

В

этом случае

матрица

передачи

фильтра

равна:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

K(l)=P(t\t)H'(t)Q-i(t)

 

+

G(t),

 

 

 

 

 

и уравнение (8-54) для корреляционной матрицы

ошибки фильтра­

ции принимает вид:

 

 

 

 

 

 

P = [F (0 - G (0

H

(t)] P +

P\F(t)-G

(t)

H (t)]'

-

— PH'

(t)Q-1

{t) H (t)P.

 

 

 

В качестве частного

случая рассмотрим

скалярную

стационар

ную систему

z(t)=x(t)+w(t)

349

Соседние файлы в папке книги из ГПНТБ