Algoritmi rapizi CMMP-R i VI-R fr fereastr

Contextul de lucru

11.5 p

Majoritatea proceselor furnizoare de date sunt neliniare i/sau

posed parametri variabili n timp.

Identificarea proceselor cu parametri variabili n timp se realizeaz cu ajutorul
modelelor i metodelor adaptive (recursive).
Prin identificare recursiv, se urmrete asigurarea unui compromis ntre dou caracteristici opuse
ale estimaiei parametrilor necunoscui (variabili pe orizontul de msur):
Adaptabilitate
Precizie
Caracteristici
model adaptiv

Estima
ia vectorului
Estimaia
vectorului parametrilor
parametrilor
necunoscu
i se
necunoscui
se reactualizeaz
reactualizeaz folosind
folosind
datele
datele msurate
msurate pe
pe orizontul
orizontul de
de adaptare
adaptare..

Ko

Dimensiune
Optim orizont de adaptare

k
K
K

k 1
K
K

k
K
K

k N

Corecie
Corecie

Adaptabilitatea
n timp
te odat
Adaptabilitatea scade
scade,, n
timp ce
ce precizia
precizia cre
crete
odat cu
cu dimensiunea
dimensiunea orizontului
orizontului de
de adaptare
adaptare..
Cu
t se
ioneaz mai
ntre momentele
t adaptarea
Cu cct
se achizi
achiziioneaz
mai multe
multe date
date ntre
momentele de
de reactualizare,
reactualizare, cu
cu at
att
adaptarea se
se efectueaz
efectueaz
mai
odelul fiind
iile caracteristicilor
ntre aceste
mai rar
rar,, m
modelul
fiind incapabil
incapabil s
s surprind
surprind varia
variaiile
caracteristicilor procesului
procesului ntre
aceste momente.
momente.
n
n schimb,
te, ddeoarece
eoarece parametrii
schimb, precizia
precizia modelului
modelului cre
crete,
parametrii si
si
sunt
i cu
sunt determina
determinai
cu ajutorul
ajutorul unui
unui set
set mai
mai bogat
bogat de
de date.
date.

L.115

Algoritmi rapizi CMMP-R i VI-R fr fereastr

Contextul de lucru
Asigurarea compromisului precizie-adaptabilitate este dificil.

Exemplu
Cazul parametrului
parametrului scalar,
scalar, variabil
variabil n
n timp
timp..
Exemplu Cazul
Tub de varian larg

Tub de varian ngust

*
^

2K

3K

Orizont de adaptare larg

Valorile estimate ale parametrului sunt
relativ apropiate de cele adevrate i
tubul de varian este relativ ngust.
Graficul parametrului estimat este neted, deci
modelul sesizeaz mai puin variaiile locale
ale parametrului adevrat.

K =?

Se
n
Se sacrific
sacrific precizia
precizia n
favoarea
ii.
favoarea adaptabilit
adaptabilitii.

*
^

0 K 2K3K

Orizont de adaptare ngust

Valorile estimate ale parametrului sunt
relativ deprtate de cele adevrate i
tubul de varian este relativ larg.
Graficul parametrului estimat urmrete
variaiile locale ale parametrului adevrat,
cu o anumit acuratee.

K =1

k = k 1 + k

k N

L.116

Algoritmi rapizi CMMP-R i VI-R fr fereastr

Contextul de lucru
Algoritmul
/VI de
n IS
Algoritmul recursiv
recursiv CMMP
CMMP/VI
de baz
baz n
IS
Date de intrare:
;
a. ordinele modelului de identificare: na , nb , nc , nd i nf
b. o colecie redus de date intrare-ieire msurate (dac este posibil):
(cu N 0 de ordinul zecilor cel mult);
D N 0 = { u [ n ]} n 1 , N
{ y [ n ]} n 1 , N
0

c. un semnal instrumental extern: { f [ n ]} n 1 (eventual).

1. Dac nu a fost specificat nici un semnal instrumental, vectorul variabilelor
instrumentale, , este identic cu vectorul regresorilor . Altfel, este definit
ca n cazul MVI, dar folosind n general semnalul instrumental extern
locul intrrii u
2. Iniializare.

= I
N 0

(n particular, este posibil ca

Fie

se

(cu R

seteaz

arbitrar

u ).

vectorul

parametrilor

matricea

) (n cazul n care nu se dispune de setul de date redus

), fie se estimeaz valoarea iniial a parametrilor (

) folosind o metod

off-line adecvat modelului particular utilizat (din clasa MCMMP-MVI) i se

egaleaz matricea P 0 cu inversa matricii de covarian R 0 folosit n calculul
lui

(n cazul n care setul de date redus D

N 0

este disponibil).

3. Pentru k 1 :
3.1. Se evalueaz eroarea de predicie curent: [ k ] =
3.2. Se evalueaz vectorul auxiliar:

= P

k 1

3.3. Se evalueaz ctigul de senzitivitate:

y[k ]

3.5. Se reactualizeaz vectorul parametrilor:

parametrii

reactualizare k

[ k ]

k 1

[k ] .
=

1 +

k 1

[ k ]

3.4. Se reactualizeaz inversa matricii

R k , adic:
(cu evitarea inversrii explicite a matricilor).
Date de ieire:

= P

k 1

[ k ]P

k 1

[ k ] .

ai modelului de identificare la fiecare pas de

0 .

L.117

Algoritmi rapizi CMMP-R i VI-R fr fereastr

Contextul de lucru
Algoritmul
/VI de
Algoritmul recursiv
recursiv CMMP
CMMP/VI
de tip
tip gradient
gradient
Date de intrare:
a. ordinele modelului de identificare: na

, nb

i nf

, nc , nd

b. ctigul de gradient: R + ;
c. o colecie redus de date intrare-ieire msurate (dac este posibil):
(cu N 0 de ordinul zecilor, cel mult);
D N 0 = { u [ n ]} n 1 , N { y [ n ]} n 1 , N
0

d. un semnal instrumental extern: { f [ n ]} n 1 (eventual).

1. Dac nu a fost specificat nici un semnal instrumental, vectorul variabilelor
instrumentale, , este identic cu vectorul regresorilor . Altfel, este definit
ca n cazul MVI, dar folosind n general semnalul instrumental extern
locul intrrii u

(n particular, este posibil ca

parametrilor

folosind

N 0

metod

(n cazul n care nu

), fie se estimeaz valoarea iniial a

off-line

adecvat

modelului

particular

utilizat (din clasa MCMMP-MVI) (n cazul n care setul de date redus D

disponibil). Se seteaz P 0 = I

3. Pentru k 1 :

3.2. Se reactualizeaz matricea P k

2

astfel: P k = P 0

este

[ k ]

k 1

(gradient ne-normalizat) sau

(gradient normalizat).

3.3. Se reactualizeaz vectorul parametrilor:

Date de ieire:

N 0

3.1. Se evalueaz eroarea de predicie: [ k ] = y [ k ]

Pk = P0 / [ k ]

f u ).

2. Iniializare. Fie se seteaz arbitrar vectorul parametrilor

se dispune de setul de date redus

parametrii

k 1

+ P k [ k ][ k ] .

ai modelului de identificare la fiecare pas de

reactualizare k 0 .

L.118

Algoritmi rapizi CMMP-R i VI-R fr fereastr

Contextul de lucru
Algoritmul
/VI cu
-Bucy
Algoritmul recursiv
recursiv CMMP
CMMP/VI
cu filtrare
filtrare de
de tip
tip Kalman
Kalman-Bucy
Date de intrare:
a. ordinele modelului de identificare: na
b. matricea de rspndire: R

, nb

i nf

, nd

, nc

> 0 ;

c. dispersia estimat a zgomotului alb de proces: 2 ;

d. o colecie redus de date intrare-ieire msurate (dac este posibil):
D N 0 = { u [ n ]} n 1 , N
{ y [ n ]} n 1 , N
(cu N 0 de ordinul zecilor, cel mult);
0

e. un semnal instrumental extern: { f [ n ]} n 1 (eventual).

1. Dac nu a fost specificat nici un semnal instrumental, vectorul variabilelor
instrumentale, , este identic cu vectorul regresorilor . Altfel, este definit
ca n cazul MVI, dar folosind n general semnalul instrumental extern
locul intrrii u
2. Iniializare.

= I
N 0

(n particular, este posibil ca

Fie

se

(cu R

seteaz

arbitrar

u ).

vectorul

parametrilor

matricea

) (n cazul n care nu se dispune de setul de date redus

), fie se estimeaz valoarea iniial a parametrilor (

) folosind o metod

off-line adecvat modelului particular utilizat (din clasa MCMMP-MVI) i se

egaleaz matricea P 0 cu inversa matricii de covarian R 0 folosit n calculul
lui

(n cazul n care setul de date redus D

3. Pentru k

N 0

este disponibil).

1 :

3.1. Se evalueaz eroarea de predicie: [ k ] =

y [ k ] T [ k ]
3.2. Se evalueaz vectorul auxiliar: k = P k 1 [ k ] .
k
3.3. Se evalueaz ctigul de senzitivitate: k =
2

+ T [ k ] k
3.4. Se reactualizeaz matricea P k , adic: P k = P
(cu evitarea inversrii explicite a matricilor).
3.5. Se reactualizeaz vectorul parametrilor:
Date de ieire:

parametrii

reactualizare k

k 1

+ R

k 1

.
k

[ k ]P

k 1

[k ] .

ai modelului de identificare

0 .

k 1

la

fiecare pas de

L.119

Algoritmi rapizi CMMP-R i VI-R fr fereastr

Contextul de lucru
Procesele
Proceselegeneratoare
generatoarede
dedate
date

1
1
1

ARMAX[1,1,1]
ARMAX[1,1,1] (1 + a1[ n]q ) y[ n] = b1[ n]q u[ n] + (1 + c1[ n]q ) e[ n] n N

Parametri constani

Parametri variabili

a1[ n] = a10 = 0.7

b1[ n] = b10 = 0.6

def
4 n
10 n
a1[ n] = a10 cos
=
b
[
n
]
b
sgn
10
1
cos N
N

def

n N

c1[ n] = c10 = 0.9

SPAB Gaussian sau bipolar de medie nul i dispersie unitar

Date
Dategenerate
generate D = {u[ n]}n =1, N { y[ n]}n =1, N
ales liber de ctre utilizator
N 200
Indici
i
Indici structurali
structurali sunt
sunt cunoscu
cunoscui
Test
Testde
destop
stop

18 n
c1[ n] = c10 Sc

N
def

n N

Pe
Pe un
un orizont
orizont mare
mare de
de timp
timp,, modelul
modelul
ARMAX
ARMAX tinde
tinde s
s devin
devin un
un model
model ARX
ARX..

na = nb = nc = 1

Epuizarea
Epuizarea datelor
datelor de
de pe
pe orizontul
orizontul de
de msur
msur..

Obiectiv
Obiectiv
Compararea performanelor metodelor recursive de identificare
fr fereastr, n cazul modelelor din clasa ARMAX.

L.120

Algoritmi rapizi CMMP-R i VI-R fr fereastr

Probleme de simulare
Contextul
Contextulde
delucru
lucru
Rutine
Rutinepreliminare
preliminare[[z{{{{
z{{{{]]
[[theta,ypred]
theta,ypred] == rnume
(D,si,ma,pa) ;;
rnume(D,si,ma,pa)

Rutin
e de
-IS
Rutine
debibliotec
bibliotec M
MATLAB
ATLABIS

rarmax
rarmax

rarx
rarx

rbj
rbj

rpem
rpem

rplr
rplr

roe
roe

ARMAX
ARMAX

ARX
ARX

BJ
BJ

RSISO
RSISO

ARMAX
ARMAX

OE
OE

MMEP
-R
MMEP-R

MCMMP
-R
MCMMP-R

MMEP
-R
MMEP-R

MMEP
-R
MMEP-R

MRPL
-R
MRPL-R

MMEP
-R
MMEP-R

Argumentele
ii
Argumentele de
de intrare
intrare al
al acestor
acestor func
funcii
pot
pot fifi completate
completate cu
cu variabile
variabile care
care s
s
indice
ializare aa
indice explicit
explicit oo anumit
anumit ini
iniializare
procesului
procesului recursiv
recursiv..

Metoda
-Liniar
Metodade
deRegresie
RegresiePseudo
Pseudo-Liniar
MMEP
n care
-a nlocuit
nlocuit MGN
MMEP n
care ss-a
MGN cu
cu
oo metod
metod de
de optimizare
optimizare mai
mai precis
precis::
Metoda
-Raphson ((MNR)
MNR)
Metoda Newton
Newton-Raphson

[[theta,ypred,P,phi]
theta,ypred,P,phi] == rnume
(D,si,ma,pa,theta0,P0,phi0) ;;
rnume(D,si,ma,pa,theta0,P0,phi0)

D
si

este obiectul de tip IDDATA corespunztor datelor generate (intrarea

se regsete n D.u, iar ieirea n D.y);
este vectorul indicilor structurali i al ntrzierii modelului (ca n cazul
rutinei pem):
si = [n a nb nc nd nf n k] ;

L.121

Algoritmi rapizi CMMP-R i VI-R fr fereastr

Probleme de simulare
Contextul
Contextulde
delucru
lucru
Rutine
Rutinepreliminare
preliminare[[zz{{{
zz{{{]]
[[theta,ypred,P,phi]
theta,ypred,P,phi] == rnume
(D,si,ma,pa,theta0,P0,phi0) ;;
rnume(D,si,ma,pa,theta0,P0,phi0)
ma

pa

este un argument care indic metoda de adaptare a algoritmului off-line

la algoritmul on-line (ir de 2 caractere):
'ff' se
va
opera
cu
criteriu
ptratic
afectat
de
fereastr
exponenial (i.e. cu factor de uitare; 'ff' = forgetting factor);
'ug' se va utiliza o metod de gradient (Newton-Raphson) nenormalizat ('
'ug' = unnormalized gradient);
'ng' se va utiliza o metod de gradient (Newton-Raphson)
normalizat ('
'ng' = normalized gradient);
'kf' se va utiliza reprezentarea pe stare i filtrarea Kalman (aici:
'kf' = Kalman filtering);
este un parametru de adaptare corespunztor metodei de adaptare a
algoritmului off-line la algoritmul on-line, adic argumentului ma (scalar
sau matrice):

factorul de uitare (scalar) pentru fereastra exponenial (cnd

argumentul ma este setat cu 'ff');

ctigul dorit (scalar) n cazul utilizrii algoritmilor de gradient (cnd

argumentul ma este setat cu 'ug' sau 'ng');
R v matricea de rspndire n cazul utilizrii algoritmului bazat pe
filtrare Kalman (cnd argumentul ma este setat cu 'kf'); n acest
caz, parametrul

(dispersia zgomotului alb) este considerat

implicit egal cu 1; dac, n realitate,

nu este unitar, se poate
demonstra c estimaia parametrilor nu este afectat dac se
scaleaz matricile R v i P 0 cu valoarea estimat a sa (urmnd s
2

se lucreze tot cu

= 1 , ca n cazul implicit).

L.122

Algoritmi rapizi CMMP-R i VI-R fr fereastr

Probleme de simulare
Contextul
Contextulde
delucru
lucru
Rutine
Rutinepreliminare
preliminare[[zzz{{
zzz{{]]
[[theta,ypred,P,phi]
theta,ypred,P,phi] == rnume
(D,si,ma,pa,theta0,P0,phi0) ;;
rnume(D,si,ma,pa,theta0,P0,phi0)

theta este matricea parametrilor estimai variabili n timp; fiecare linie a

matricii memoreaz valoarea parametrilor la un anumit moment de
timp; numrul de linii este egal cu lungimea orizontului de msur
(adic a vectorilor D.u i D.y); pe fiecare linie, parametrii sunt precizai
n ordinea alfabetic a numelor polinoamelor pe care le reprezint ( A ,
B , C , D , F );
ypred este vectorul ieirii predictate a procesului la fiecare moment de timp,
folosind modelul matematic reactualizat; lungimea sa este egal cu
lungimea orizontului de msur.
theta0 este vectorul iniial al parametrilor;
P0
este matricea iniial P0 ;
phi0
este vectorul iniial al regresorilor [0] ;
P
phi

este matricea final PN ;

este vectorul final al regresorilor [ N ] .

L.123

Algoritmi rapizi CMMP-R i VI-R fr fereastr

Probleme de simulare
Contextul
Contextulde
delucru
lucru

Inexistent
n biblioteca
Inexistent n
biblioteca
M
-IS. Disponibil
MATLAB
ATLAB-IS.
Disponibil pe
pe site.
site.

Rutine
Rutinepreliminare
preliminare[[zzzz{
zzzz{]]
[[theta,ypred,P,phi,z]
theta,ypred,P,phi,z] == riv(D,si,f,lambda,theta0,P0,phi0,z0)
riv(D,si,f,lambda,theta0,P0,phi0,z0) ;;

MVI
-R
MVI-R

f
este semnalul instrumental (implicit: f=D.u);
lambda este factorul de uitare ( (0,1] ) (implicit: lambda=1);
z0
este vectorul iniial al instrumentelor [0] ;
z

este vectorul final al instrumentelor [ N ] .

Restul
iei au
nainte, iar
Restul argumentelor
argumentelor func
funciei
au fost
fost explicitate
explicitate mai
mai nainte,
iar
indicii
in numai
indicii structurali
structurali si
si con
conin
numai ordinele
ordinele modelului
modelului ARX
ARX..
Cu
n varianta
Cu toate
toate acestea
acestea,, algoritmul
algoritmul este
este implementat
implementat numai
numai n
varianta
cu
ial (de
te).
cu fereastr
fereastr exponen
exponenial
(de aceea
aceea argumentul
argumentul ma
ma lipse
lipsete).

[D,V,P]
(cv,N,sigma,lambda,bin) ;; (genereaz date)
[D,V,P] == gdata_vp
gdata_vp(cv,N,sigma,lambda,bin)

cv
N
sig ma

este un comutator care arat tipul de proces: cu parametri constani

(cv=0) sau cu parametri variabili (cv~=0); (implicit: cv=0);
este orizontul de msur (implicit: N=250);
este deviaia standard a intrrii SPA (implicit: sigma=1); L.124

L.124

Algoritmi rapizi CMMP-R i VI-R fr fereastr

Probleme de simulare
Contextul
Contextulde
delucru
lucru
Rutine
Rutinepreliminare
preliminare[[zzzzz
zzzzz]]
[D,V,P]
(cv,N,sigma,lambda,bin) ;; (genereaz date)
[D,V,P] == gdata_vp
gdata_vp(cv,N,sigma,lambda,bin)

lambda este deviaia standard a zgomotului alb Gaussian

(implicit: lambda=1);
b in
este un parametru care arat tipul de intrri dorit: bin=0 (intrare
SPAB Gaussian); bin~=0 (implicit, intrare SPAB Gaussian
bipolar);
D
este obiectul de tip IDDATA corespunztor datelor generate (intrarea
se regsete n D.u, iar ieirea n D.y);
V
este obiectul de tip IDDATA corespunztor zgomotelor generate
(zgomotul alb se regsete n V.u, iar zgomotul colorat (adic MAfiltrat) n V.y);
P
este obiectul de tip IDMODEL corespunztor modelului de proces
furnizor de date; n cazul parametrilor constani: P.a=[1 a0],
P.b=[0 b0], P.c=[1 c0]; n cazul parametrilor variabili: P.a=[1
a], P.b=[0 b], P.c=[1 c] (unde a, b i c sunt vectorii de variaie).
Se
i
Se vor
vor genera
genera 22 seturi
seturi de
de date:
date: unul
unul provenit
provenit de
de la
la procesul
procesul cu
cu parametri
parametri constan
constani
ii altul
altul de
de la
la procesul
procesul cu
cu parametri
parametri variabili
variabili..

L.125

Algoritmi rapizi CMMP-R i VI-R fr fereastr

Probleme de simulare
Problema
Identificare recursiv
)
Problema 7.1
7.1 ((Identificare
recursiv comparativ
comparativ cu
cu algoritmul
algoritmul de
de baz
baz)

Mini-simulatorul ISLAB_7A efectueaz o comparaie ntre cele 4 metode de

identificare recursive menionate, adic: MCMMP-R, MVI-R, MMEP-R i
MRPL-R, folosind setul de date Dc (generate de procesul cu parametri
constani). Primele dou metode opereaz cu modelul ARX[1,1] (extras din
modelul ARMAX prin anularea componentei MA), n timp ce ultimele dou cu
modelul ARMAX[1,1,1]. Pentru aprecierea performanelor lor, sunt afiate
4 ferestre grafice care includ variaiile parametrilor reali (aici constani)
suprapuse peste variaiile parametrilor estimai i variaia ieirii simulate
suprapuse peste ieirea real (msurat) a procesului.
a. S se comenteze rezultatele obinute cu ajutorul mini-simulatorului
ISLAB_7A. Care ar fi explicaiile performanelor mai slabe ale MCMMP-R n
estimarea parametrului prii AR?
b. S se proiecteze mini-simulatorul ISLAB_7B, similar ca structur cu
ISLAB_7A, dar care opereaz cu datele Dv (generate de procesul cu
parametri variabili). Comentai rezultatele obinute.
Program
Program
existent
existent

ISLAB_7A
ISLAB_7A

Program
Programce
ce
ISLAB_7B
ISLAB_7B
trebuie
proiectat
trebuie proiectat

L.126

Algoritmi rapizi CMMP-R i VI-R fr fereastr

Ce
eaz mini
-simulatorul ISLAB_7A
Ceafi
afieaz
mini-simulatorul
ISLAB_7A[[z{{{
z{{{]]

Estima
ie inconsistent
Estimaie
inconsistent..

ie consistent
Estima
Estimaie
consistent..

Performanele
-R n
PerformaneleMCMMP
MCMMP-R
ncazul
cazulmodelului
modeluluiARX
ARX

L.127

Algoritmi rapizi CMMP-R i VI-R fr fereastr

Ce
eaz mini
-simulatorul ISLAB_7A
Ceafi
afieaz
mini-simulatorul
ISLAB_7A[[zz{{
zz{{]]

ie consistent
Estima
Estimaie
consistent..

ie consistent
Estima
Estimaie
consistent..

Performanele
-R n
PerformaneleMVI
MVI-R
ncazul
cazulmodelului
modeluluiARX
ARX

L.128

Algoritmi rapizi CMMP-R i VI-R fr fereastr

Ce
eaz mini
-simulatorul ISLAB_7A
Ceafi
afieaz
mini-simulatorul
ISLAB_7A[[zzz{
zzz{]]

ie consistent
Estima
Estimaie
consistent..

Eficien superioar.
superioar.
Eficien

ie consistent
Estima
Estimaie
consistent..

ie consistent
Estima
Estimaie
consistent..

Performanele
-R n
PerformaneleMMEP
MMEP-R
ncazul
cazulmodelului
modeluluiARMAX
ARMAX

L.129

Algoritmi rapizi CMMP-R i VI-R fr fereastr

Ce
eaz mini
-simulatorul ISLAB_7A
Ceafi
afieaz
mini-simulatorul
ISLAB_7A[[zzzz
zzzz]]

ie consistent
Estima
Estimaie
consistent..

ie consistent
Estima
Estimaie
consistent..

Performanele
-R n
PerformaneleMPRL
MPRL-R
ncazul
cazulmodelului
modeluluiARMAX
ARMAX

Eficien maxim,
maxim,
Eficien
dar i
i complexitate ridicat.
ridicat.

ie consistent
Estima
Estimaie
consistent..

L.130

Algoritmi rapizi CMMP-R i VI-R fr fereastr

Probleme de simulare
Problema
Identificare recursiv
ializri)
Problema 7.2
7.2 ((Identificare
recursiv cu
cu diferite
diferite ini
iniializri)
S se proiecteze mini-simulatorul ISLAB_7C, care s afieze performanele
MCMMP-R i MVI-R n cazul modelelor ARX cu parametri constani i variabili
pentru iniializrile P 0 = I , cu { 0 .0 0 1, 0 .0 1, 0 .1,1,1 0 ,1 0 0 ,1 0 0 0} . Descriei
influena factorului i efectuai o analiz comparativ.

Program
Programce
cetrebuie
trebuieproiectat
proiectat

ISLAB_7C
ISLAB_7C

Problema
Identificare recursiv
)
Problema 7.3
7.3 ((Identificare
recursiv comparativ
comparativ)
Se consider doar procesul ARMAX cu parametri variabili, pentru valori mari ale
momentelor de timp. Din acest motiv, procesul va fi aproximat cu unul de tip
ARX, adic se va neglija variaia coeficientului c 1 . Pentru a genera datele
corespunztoare, se va utiliza tot funcia gdata_vp, dar cu o durat a simulrii
stabilit la 1000 de eantioane. Pentru experimentul care urmeaz, se vor
selecta ns doar ultimele 250 de date I/O.
a. S se proiecteze rutinele arx_nabla i arx_KB, care implementeaz
algoritmii recursvi CMMP/VI de tip gradient, respectiv cu filtrare de tip
Kalman-Bucy. Rutinele vor avea argumentele principale de intrare i ieire
similare rutinelor rarx, riv.
b. S se proiecteze mini-simulatorul ISLAB_7D, similar ca structur cu
ISLAB_7B, dar care ofer posibilitatea utilizatorului de a selecta oricare
dintre cei 6 algoritmi recursivi (cei 4 din cadrul ISLAB_7B, plus cei doi
implementai prin rutinele de la punctul anterior). Efectuai diferite simulri cu
ajutorul programului ISLAB_7D, care s pun n eviden deosebirile dintre
cei 6 algoritmi. Comentai rezultatele obinute.

Program
arx_nabla arx_KB
arx_KB
ISLAB_7D arx_nabla
Program &
&rutine
rutinece
cetrebuie
trebuieproiectate
proiectate ISLAB_7D

L.131