Documente Academic
Documente Profesional
Documente Cultură
1. Modelul Gauss-Markov
2. Estimarea parametrilor
l v l̂ A x̂ , P Qll 1 (2.2)
în care:
vT Pv min im (2.3)
AT PA x̂ AT Pl (2.4)
sau:
N x̂ n (2.5)
x̂ ( AT PA ) 1 AT Pl N 1n (2.6)
S xx s02 ( AT PA ) 1
s02 N 1
s02 Qxx (2.7)
unde:
v T Pv
s02 (2.8)
r
E{ s02 } 2
0 (2.9)
x̂ Qxx AT P
l̂ AQxx AT P
ĥ l H l (2.10)
v AQxx AT P E
ŷ FQxx AT P
hh H HT 2
0 H Q HT 2
0 Qhh (2.11)
A. Contributul la redundanţă ri :
Numărul supradeterminărilor într-o reţea se distribuie asupra
tuturor măsurătorilor. Contributul la redundanţă pentru o măsurătoare
depinde de precizia ei şi de legăturile geometrice din vecinătatea valorii
măsurate.
El se calculează cu relaţia:
s02 li
ri qViVi pii 1 Qll AQXX AT ; QVV P 1
Qll (3.1)
li s02
qViVi cofactorul corecţiei măsurătorii li
pii ponderea observaţiei l ii
s 0 li = abaterea standard a valorii măsurate după compensare (a
posteriori)
s 0 l i = abaterea standard a valorii măsurate li înainte de compensare (a
priori)
B. Încrederea interioară
ri li
cc
0,06 102,9
0,08 89,1
0,1 79,7
0,3 46,0
0,5 36,1
0,8 28,2
1,0 25,2
C. Încrederea exterioară:
Figura 4.1
Descrierea matematică a acestei probleme, dar şi a multor alte
fenomente evolutive în timp este asigurată de filtrul Kalman. Un exemplu
în acest sens ar putea fi o alunecare de teren. În această situaţie zona
supusă alunecării va fi discretizată şi urmărită în mai multe puncte
caracteristice, deci vorbim de un câmp de puncte, iar în locul
navigatorului se va afla inginerul.
Date disponibile:
Ecuaţiile de sistem
Starea iniţială sau de referinţă xk şi componenta stohastică xx ,k .
La recursivitatea filtrului această stare trebuie privită ca un rezultat al
unei compensări anterioare. Pentru etapa iniţială trebuie estimat foarte
bine.
Vectorul mărimilor de poziţie uk şi matricea de covarianţă
uu ,k aferentă, care în combinaţie cu matricea de poziţie Bk ,k 1 permit o
modelare a unor schimbări deterministice (sistematice). De regulă
vectorul de poziţie uk este chiar el rezultatul unei compensări şi astfel,
poziţia devine un set de măsurători indirecte.
Vectorul mărimilor perturbatoare wk şi matricea de covarianţă
ww ,k aferentă mai poartă şi denumirea de zgomot al sistemului.
Ecuaţiile măsurătorilor
Vectorul măsurătorilor l k 1 împreună cu zgomotul măsurătorilor
ll ,k 1 conţine atât mărimi măsurate direct, cât şi indirect. După ce s-au
aplicat acestora toate corecţiile şi reducţiile posibile, acestea servesc mai
departe controlului ecuaţiilor de sistem.
Cu aceasta, vectorul datelor de intrare L inclusiv a modelului său
stohastic, poate fi exprimat sistematizat sub forma:
xk xx ,k
uk uu ,k
L LL (4.1)
wk ww,k
lk 1 ll ,k 1
xk
xk 1 Tk 1,k Bk 1,k Ck 1,k uk (4.2)
wk
xx,k 1 Tk 1,k xx,k TkT 1,k Bk 1,k uu ,k BkT 1,k Ck 1,k ww ,k CkT 1,k (4.3)
xk 1 E v x ,k 1 x x ,k 1
x̂k 1 ; LL ,k 1 (4.4)
lk 1 Ak 1 vl ,k 1 ll ,k 1
Prima linie din ecuaţia de mai sus reprezintă ecuaţia de sistem, iar
cea dea doua ecuaţia măsurătorilor. Combinarea acestor două,
reprezintă esenţa filtrului Kalman, care prin rezolvare conduce la vectorul
de stare x̂ k 1 şi la matricea de covarianţă corespunzătoare x̂x̂ ,k 1 .
x̂k 1 xk 1 Kk 1 dk 1 (4.5)
unde:
K k 1 Fi reprezintă matricea de amplificare, notată uzual sub
această formă în filtrarea KALMAN şi se calculează cu relaţia:
şi inovaţia:
dk 1 lk 1 Ak 1 xk 1 (4.7)
dk 1 Ak 1 E
x̂k 1 E K k 1 Ak 1 Kk 1 xk 1
h (4.9)
v x ,k 1 K k 1 Ak 1 Kk 1 lk 1
vl ,k 1 Qll ,k 1 Dk 11 Ak 1 1
Qll ,k 1 Dk 1
Dk 1 0 Dk 1 K kT 1 Qll ,k 1
0 Qxx ,k 1 K k 1 Dk 1 K kT 1 0 0
Qhh
K k 1 Dk 1 0 K k 1 Dk 1 K kT 1 K k 1Qll ,k 1
Qll ,k 1 0 Qll ,k 1 K k 1 Qll ,k 1 Dk 11Qll ,k
T
1
(4.10)
v x ,k 1 K k 1 Ak 1 Kk 1 xk 1 xk 1
Rk 1 (4.11)
vl ,k 1 Qll ,k 1 Dk 11 Ak 1 Qll ,k 1 Dk 11 lk 1 lk 1
fk 1 urma( Rk 1 ) nl ,k 1 (4.12)
Redundanţa sistemului sau redundanţa de filtrare este nl ,k 1 şi
corespunde cu numărul măsurătorilor l k 1 utilizate la procesul de
actualizare, independent de numărul parametrilor de stare necunoscuţi
n x ,k 1 . Defecte de configuraţie sunt inevitabile datorită procedurii. Ele
conduc însă la transparenţa unei filtrări. Nu trebuie să neglijăm nici
corelaţiile matematice produse prin extrapolare în matricea cofactorilor
Qxx ,k 1 a vectorului de stare x k 1 predicţionat. În utilizarea filtrelor este
deci necesară o analiză detaliată a proprietăţilor numerice a procesului
de filtrare.
Introducerea relaţiei (4.7) în (4.11) ne arată legătura între corecţiile
gaussiene v k 1 şi inovaţia d k 1 care mai poartă şi denumirea de corecţii
predicţionate.
v x ,k 1 Kk 1
dk 1 (4.13)
vl ,k 1 Qll ,k 1 Dk 11
d kT 1 Dk 11 d k 1
s02 (4.14)
nl ,k 1
care permite aplicarea unui test global. Dacă testul nu arată o inovaţie
semnificativă, procesul de actualizare poate avea loc conform (4.10).
Pentru recursivitatea filtrului dispunem acum de o nouă stare a
sistemului, prin introducerea în relaţiile de calcul:
H0 : E{ d k 1 } E{ lk 1 } Ak 1 E{ xk 1 } 0 (4.16)
X Xk 1 Xk . (4.18)
x I vx
xˆ (4.19)
lk 1
Ax k 1
vl k 1
x 0 (4.20)
cu matricea de dispersie a variabilelor aleatoare completată numai pe
diagonala principală:
2
ss , k 0 DxQww, x DxT (4.21)
Valorile individuale ale dispersiei s,i ar trebui să descrie mişcările
anticipate ale punctelor din reţea. Având în vedere că, în teoria filtrării,
„zgomotul“ la ieşirea din sistem constituie o componentă fundamentală,
Pelzer particularizează această noţiune la cazul analizei deformaţiilor,
considerând că mişcările punctelor sunt, în general mişcări proprii. Deci,
pentru predicţie, coordonatele etapei anterioare se vor prelua iniţial
nemodificate. Ulterior, posibila modificare a coordonatelor etapei
anterioare se va lua în calcul prin creşterea dispersiei:
xk 1 xˆk , (4.22)
xx , k 1
2
0 Qxxˆˆ ,k Qss ,k . (4.23)
2
Qxx 0
k 1 0 . (4.24)
0 Qll k 1
dk 1 lk 1 lk 1 . (4.25)
x H k 1d k 1 . (4.27)
4.5 Filtrul KALMAN în modelul cinematic
Xk 1 Xk kin X, X , t (4.28)
1 1 2 x
xk 1 xk xk t xk t 2 = xk t t = xk + B x ,k (4.30)
2 2 x k
x ,k 1 C x ,k
x ,k 1
x I t x , C . (4.31)
x ,k
xk 1
0 I xk
yk 1 Ty k (4.33)
yy ,k 1 T yˆyˆ ,k TT SD ww ,k DT S T (4.34)
yˆ k 1 yk 1 H k 1d k 1 (4.35)
ˆˆ , k 1
yy yy , k 1 H k 1Dk 1H kT 1 . (4.36)
yk 1,a Tŷk
Qyˆyˆ , k 1, a TQyˆyˆ , kT T
18
în matricea T se va folosi t ca intervalul de timp dintre etapa tk şi
momentul actualizării stării sistemului.
c) cunoscut la momentul t k 1 :
- vectorul observaţiilor l n ;
- matricea cofactorilor măsurătorilor Qll .
- estimarea matricei aa .
yk 1 Tsl yk 1, a Sa
K Q yyK 1, a
ATy D 1
dk 1 lk 1 Ay y k 1
19
- determinarea vectorului de stare actualizat:
yˆ k 1 yk 1 Kd k 1
vy Kd k
vl Qll , K 1D 1dk
Q KDK T
vy vy
dkT D 1dk
S02 ,k 1
nk
20
21
22