![](/user_photo/_userpic.png)
книги / Основы теории оценивания с приложениями к задачам обработки навигационной информации. Ч. 1 Введение в теорию оценивания
.pdfты матриц ковариаций ошибок оценивания будут характеризовать потенциальную точность для принятых моделей. Эти значения можно рассчитать, используя соответствующие ковариационные уравнения.
Для вычисления установившихся значений матрицы ковариа
ций ошибок фильтрации следует решить уравнение (3.2.46).
Это может быть сделано численно с использованием рекуррентно го соотношения
Р$ =рФ - р Ф н Т(НрФнт+Я)~1НрФ |
(3.5.31) |
в котором |
|
рФ = фрф_{фт+ Q |
(3.5.32) |
- ковариационная матрица ошибок прогноза.
Для вычисления установившегося значения ковариационной матрицы ошибок сглаживания необходимо воспользоваться соот ношениями (3.4.8) (3.4.9), с помощью которых можно получить следующее рекуррентное соотношение, решаемое в обратном вре мени
Р Г =pî +Р«?Фт0Р„?)“1т а ~Р*)(Р£У'ФР*, (3.5.33) где рФ =ФрФф^ 4- О - ковариационная матрица ошибок прогно
за (3.5.32) в установившемся реяшме. В качестве начального зна чения ковариационной матрицы ошибок сглаживания при реше
нии в обратном времени следует принять р£
Погрешность решения рассматриваемой задачи оценивания существенным образом зависит от изменчивости поля ускорения силы тяжести вдоль траектории движения. Эта изменчивость мо жет характеризоваться величиной производной вдоль направления
движения |
Qcr |
В таблице представлены примеры вычисления зна |
чений среднеквадратических ошибок фильтрации и сглаживания, полученные в результате решения уравнений (3.5.31), (3.5.33) для
dg
ковариационных матриц при разных значениях — в предположе
нии, что среднеквадратические ошибки измерения высоты и ско-
роста по данным СНС определяются как |
= 5 см и r^= 1 см/с, а |
|
для гравиметра - г |
=5 мГал. Величина q |
выбиралась исходя из |
того, чтобы на расстояние в /=1 км приращение Ag винеровской
последовательности было бы равно а<*=— 1 Принимая во внима-
ние тот факт, что дисперсия приращения винеровской последовательности может быть определена в виде q9i , нетрудно, зная ско
рость движения объекта Vn и величину At, найти необходимое
значение q : q =A g 4 ï, где i = U(AtVn ) , при / = 1 км.
Расчеты проводились для случая использования каждого типа измерений (высоты и скорости) по отдельности и при их совмест
ной обработке, при скорости Vn -50 м/с (для малого самолета) и
четырех значении градиента dg
Из результатов, представленных в таблице, следует, что для принятых моделей и соответствующих им параметрам точность оценивания аномалий в режиме сглаживания повышается пример но в два раза по сравнению с точностью, достигаемой в режиме фильтрации.
С.К.О. фильтрации (числитель) и сглаживания (знаменатель) аномалии g
______________________________ (мГал)_______________________________
Тип изме- |
|
Значения градиента — , мГал/км |
|
||
рений |
|
'У |
51 |
|
|
1 |
5 |
10 |
|||
|
|||||
|
J |
||||
v: |
2,0 /1,1 |
4,8 / 2,4 |
7,1 /3,6 |
12,2/6,1 |
|
h |
1,1/0,5 |
2,9/1,2 |
4,4/1,8 |
7,8/3,2 |
|
h + V, |
1,1/0,5 |
2,9/1,2 |
4,4/1,8 |
7,8/3,2 |
Кроме того, точность определения аномалий при совместной обработке измерений высоты и вертикальной скорости от СНС при заданном соотношении их погрешностей измерения практиче ски совпадет с точностью, достигаемой при использовании только измерений высоты, т.е. эффект от комплексирования этих измере ний незначителен.
В заключение целесообразно отметить следующее. Описанная процедура перехода от непрерывного описания (3.5.26) к дискрет ному аналогу (3.5.29), (3.5.30), по сути, есть ее простейший при ближенный вариант. Более точные методы, позволяющие без зна чительных погрешностей обеспечить переход от непрерывного описания к дискретному, будут рассмотрены во второй части кни ги. Ясно также, что полученные здесь результаты могут сущест венным образом поменяться, если будут приняты другие модели для описания аномалий и ошибок используемых измерителей. Во прос выбора адекватных моделей вообще и в рассматриваемой за даче в частности представляет собой отдельную проблему, которая заслуживает специального рассмотрения. Цель же данного подраз дела проиллюстрировать на методическом примере возможность использования аппарата теории фильтрации и сглаживания в зада че авиационной гравиметрии.
Задачи к разделу
Задача 3.5.1. Сформулируйте задачу фильтрации при ком плексной обработке измерений координат и скорости от СНС и ИНС применительно к слабосвязанной схеме комплексирования.
Задача 3.5.2. Сформулируйте задачу фильтрации при ком плексной обработке измерений псевдодальностей и псевдоскоро стей и данных ИНС применительно к сильносвязанной схеме ком плексирования.
Задача 3.5.3. Сформулируйте задачу фильтрации при ком плексной обработке измерений псевдодальностей и данных ИНС применительно к сильносвязанной схеме комплексирования на основе использования измерений от СНС, из которых исключена ошибка часов приемника.
Задача 3.5.4. Сформулируйте задачу фильтрации, соответст вующую коррекции НС, по измерениям двух различных геофизи ческих полей, например поля рельефа местности и поля ускорения силы тяжести.
1.Имеются ли отличия в описании вектора состояния и вектора измерений при решении задач фильтрации и сглаживания?
2.Почему при рассмотрении задачи коррекции показаний навига ционной системы в линеаризованной постановке молено сфор мулировать задачу обработки, соответствующую инвариантной схеме?
3.Почему при рассмотрении задачи коррекции показаний навига ционной системы в условиях, когда линеаризация недопустима, не удается сформировать разностные измерения, обеспечиваю щие реализацию инвариантной схемы обработки?
4.Какое минимальное число спутников необходимо при реализа ции слабосвязанной схемы комплексирования данных ИНС и СНС?
5.Как изменится вектор состояния при постановке задачи ком плексной обработки измерений координат СНС и ИНС приме нительно к слабосвязанной схеме комплексирования по сравне нию со случаем использования данных о скорости?
6.Какие преимущества существуют у сильносвязанной схемы комплексирования по сравнению со слабосвязанным вариан том?
7.Относительно каких параметров рассмотренная в 3.5.5 схема комплексной обработки показаний гравиметра, данных о высо те и вертикальной скорости, является инвариантной?
3.6.Задания для моделирования с использованием Matlab
1.Промоделируйте т измерений в соответствии с соотноше
ниями:
вариант а) |
у ( = х0 + v(. ; |
вариант б) |
у,- = х0 + х{(,- + V,- ; |
вариант в) |
у,- =.т0 + xytj + x2tf + v,-, / = 1 т , |
в которых X j , j = 0,1,2 - независимые между собой, центрирован ные гауссовские случайные величины с дисперсиями Оу, j = 0,1,2 ; V;, / = 1.т - независимые между собой и от X j, j = 0,1,2 ; центри
рованные |
гауссовские |
случайные |
величины |
с дисперсиями |
r f , |
|||
/ = Гот ; |
/,• = At(i -1 ), |
| = Гот - |
время от |
начала |
наблюдения; |
|||
Т |
интервал проведения измерений, (Г - A t) |
- |
время прове- |
|||||
At = — - |
||||||||
m |
|
|
|
|
|
|
|
|
дения измерений. Зафиксируйте |
полученные |
значения |
Xj, |
|||||
j = 0,1,2. |
|
|
|
|
|
|
|
|
Задайте численные |
значения |
a j, |
j = 0,1,2 в |
пределах |
1-10; |
/;■ =/*,/ = Гот в пределах 1-2, Г в пределах 1-100 с и m в пределах 20-200, при, At = 1.
2.Составьте программу получения оценок и соответствующих им матриц ковариаций с использованием ФК. Вычислите эти оценки для всех моментов времени для выбранных значений ис ходных данных.
3.Постройте графики истинных значений коэффициентов, ошибок их фильтрации и соответствующих им оптимальных сред неквадратических значений. Дайте пояснения к полученным ре
зультатам.
Пример выполнения задания
clear; close all;
%Исходные данные s0=1;
s1 =1 ; s2=1; r=2; m=50; T=5;
dt=T/m;
R=rA2*eye(m);
“/((Формирование вектора оцениваемых параметров xO=random('NormariO,sO);
x1 =random('Normar,0,s1 ); x2=random(,Normal',0,s2); х=[хО; х1 ; х2];
%Формирование измерений t=0:dt:T-dt;
H=[ones(m,1) t' t'.A2J; v=normrnd(0,r,m,1 ); y=H*x+v;
%Начальное состояние ФК xo=[0; 0; 0]; %априорная оценка P=diag([sOA2; s1A2; s2A2]);
%априорная матрица ковариаций вектора состояния
Fi=eye(3); %переходная матрица
“/((Инициализация массивов для записи результатов
“/((Моделирования
X=2eros(3,m);
Xo=zeros(3,m);
%Процедура ФК fork=1:m
xp=Fi*xo;
S=Fi*P*Fi'; K=S*H(kl:)'*(H(kl:)*S*H(k,:),+rA2)A-1; xo=xp+K*(y(k)-H (k, :)*xp ); P=(eye(3)-K*H(k,:))*S;
X(:,k)=x;
Xo(:,k)=xo;
sko(:,k)=sqrt(diag(P));
end;
“/((Построение графиков figure; plot(t,Xo(1,:)); hold on; plot(t,X(1,:),'r--');
xlabel(’t,c'); у!аЬе1('Оценка x_0‘); figure; plot(t,Xo(2,:));
hold on; plot(t,X(2,:),,r-'); х1аЬе1(Ч,с'); у!аЬе1('Оценка x_1’); figure; plot(t,Xo(3,:));
hold on; plot(t,X(3,:),'r--'); xlabel('t,c'); у!аЬе1('Оценка x_2'); figure; plot(tlЗ*sko(1,:)l,r--,);
hold on; plot(tl-3*sko(1,:),'r-');
plot(t,x(1 )-Xo(1
xlabel('t,c'); у1аЬе1('Ошибка оценки x_0'); figure; plot(t,3*sko(2>:),,r-');
hold on; plotlt.-^sko^.iVr--'); plot(t,x(2)-Xo(2,:));
xlabel('t,c'); у1аЬе1('Ошибка оценки x_1 '); figure; plot(t,3*sko(3,:),,r—');
hold on; plot(t,-3*sko(3,:),’r--'); plot(t,x(3)-Xo(3,:));
xlabel('t,c'); у!аЬе1(’Ошибка оценки x_2');
Заклю чение к главе 3
1.Приведены основные сведения о случайных последовательно стях и методах их описания, в том числе и с использованием формирующего фильтра, с помощью которого не только удает ся описать свойства последовательностей, но, что весьма важно при рассмотрении прикладных задач, формировать реализации таких последовательностей.
2.Приведена постановка и решение задач оценивания (фильтра ции, сглаживания и прогноза), на основе обобщения задачи ли нейной регрессии с использованием уравнений Винера-Хопфа.
3.Рассмотрена задача рекуррентной фильтрации случайных по следовательностей, заданных с помощью линейного форми рующего фильтра, по линейным измерениям, в предположении, что заданы только первые два момента для начальных условий, порождающих и измерительных шумов. Приведен алгоритм фильтра Калмана, с помощью которого в этой задаче отыски ваются оптимальные линейные оценки.
4.Приведено обобщение решения рекуррентной задачи фильтра ции на случай, когда снимаются ограничения на линейный ха рактер алгоритмов, а также предполагается возможность ис пользование нелинейных измерений. Отмечено, что такая по становка предполагает задание информации о ф.п.р.в. для на чальных условий, порождающих и измерительных шумов и на правлена на получение оптимальных байесовских оценок. Представлен вывод соотношений для фильтра Калмана, как оп тимального байесовского алгоритма решения линейной задачи фильтрации при гауссовском характере начальных условий, по рождающих и измерительных шумов.
5.Очерчены пути построения основанных на гауссовской аппрок симации апостериорной плотности рекуррентных субоптималь ных алгоритмов оценивания случайных последовательностей, заданных с помощью линейного формирующего фильтра, с ис пользованием нелинейных измерений, и описана методика про верки их эффективности.
6.Рассмотрена задача сглаживания и алгоритм ее решения на за крепленном интервале.
7.Обсуждена связь оптимальных линейных алгоритмов в виде соотношений ФК с алгоритмами, получаемыми в рамках детер минированного подхода на основе метода наименьших квадра тов.
8.Рассмотрены примеры задач фильтрации и сглаживания, свя занных с обработкой навигационной информации, в частности, задача коррекции НС по данным дополнительных измерений, задача уточнения показаний НС по данным карты и рельефа дна, задачи комплексной обработки инерциальных и спутнико вых систем при слабосвязанной и сильносвязанной схемах комплексирования, задачи комплексной обработки показаний гра виметра, данных о высоте и вертикальной скорости.
П1.1. МАТРИЧНЫЕ ОПЕРАЦИИ И ИХ РЕАЛИЗАЦИЯ В MATLAB
П1.1. Основные матричные операции
В этом подразделе приведены основные понятия из теории матрично го исчисления. При его формировании использованы материалы книг
[8,20,21].
Матрицей называется содержащая в общем случае п строк и т столбцов таблица, элементами которой могут быть числа, символы, и выражения различного вида. Матрицу А можно представить как
I |
4 ---- |
|
|
|
_J____J_ |
•T—Г" |
|
||
А = 7fi . j |
(П 1.1.1) |
|||
|
a 2m |
|||
-----Г-■t----- r |
|
|
||
I |
_L_____ J.__ L______ |
|
||
______ L |
|
a n \ \
Для матрицы могут быть использованы также следующие обозначе ния:
А = {ау }; А = {A(ÎJ)}; А = {A[i,j}}, i = 1 л , j = Un .
Вектор
а \
а = |
(П1.1.2) |
и строка
а = [аи .....а„] |
(П1.1.3) |
представляют собой частные случаи матриц размерности n х 1 и 1 х п соответственно.
Квадратная матрица. Квадратной называется матрица, у которой число строк и столбцов одинаково, т.е. матрица размерности п х п .
Диагональная матрица. Квадратная матрица А размерности п на зывается диагональной, если все ее элементы, кроме тех которые стоят на диагонали, равны нулю.
![](/html/65386/197/html_w8uQqJPY5E.1Ro9/htmlconvd-cnao1M450x1.jpg)