|
|
Да это уже изыски инженеров все. Раз по адаптивной обработке книга, то на 98.5 процентов уверен, что "Калман", приведенный там является адаптивным; "Винер" - поди тоже. Видел, читал... У меня и у самого дипломец в институте был с таким названием "Совместное использование калмановского и робастного фильтров при обработке навигационной информации". Суть заключалась в том, что введенный в паралель калману робастный фильтр, построенный по критерию минимума СКО, но при загрубленных априорных данных (таких, как принимание в расчет не спектральных плотностей, а лишь некоторых численных данных - верхних границ дисперсий производных входного воздействия) обладал большей надежностью, если априорные данные, принятые для синтеза калмана оказывались неточными. Ну на самом деле туфта это все. Неточные данные - ну не надо принимать их в расчет. Или принимать, но вначале изучить вначале теорию нечетких множеств (fuzzy sets) и соответствующее направление в теории управления (fuzzy control), а не изобретать таких вот конструкций.
Есть и робастный фильтр Калмана, работающий для ковариационных матриц, для которых известен доверительный интервал; есть и адаптивный фильтр Калмана, который сам себя подстраивает под изменяющиеся условия; и адаптивный винеровский фильтр кажется встречал. Только все это уже не задачи оптимальной фильтрации, а попытки инженеров за уши притянуть то, что было создано для функционирования в других условиях. Ну примерно то же самое, что использовать боевую машину пехоты в качестве локомотива для трамвая (не сам придумал - в кино одном было).
Я даже скажу так, что ничего худого в этих попытках нет. Каждая из них имеет даже в определенных задачах смысл. Например, там, где критерий оптимальности размыт, а предлагаемое решение является вполне удовлетворительным. Просто не нужно мешать классическую задачу, решение которой строго и в данном случае оптимально и инженерные приложения решения этой задачи.
|
|
