Оценка - вектор
Cтраница 1
Оценки вектора а - отклонения параметров от номинальных, получаемые в результате решения системы ( 381), для независимых гауссовских погрешностей являются несмещенными оценками, обладающими наименьшей дисперсией среди всех линейных несмещенных оценок. [1]
Для оценки вектора неизвестных параметров р применим метод наименьших квадратов. [2]
Решение задачи оценки вектора выполняем согласно ранее выделенный этапам. [3]
Рекуррентный алгоритм оценки вектора параметров может быть сформирован аналогичным образом и для варианта системы типа (5.30), в которой осуществляется учет дополнительных данных. [4]
Выражения (5.27) для оценки вектора параметров по совокупности измеренных данных о входном и выходном сигналах на всем диапазоне их изменения используют обобщенное обращение прямоугольных матриц и не всегда удобны в практическом применении. В случаях, когда необходима оперативная информация о свойствах объекта или системы в процессе измерений, целесообразно использовать рекуррентные алгоритмы, общий вид и особенности которых были рассмотрены в разд. [5]
 |
Совместное оценивание траектории и параметров системы второго порядка с шумами. [6] |
Видно, что оценки вектора состояния и параметра d ( k) сходятся к истинным значениям быстрее, чем за один период собственных колебаний. [7]
Таким образом, инвариантная оценка вектора XQ единственна и совпадает с несмещенной равномерно оптимальной оценкой. Эта инвариантная оценка оптимальна по инвариантному критерию минимума средней квадратической ошибки. [8]
Будем решать задачу оценки вектора х с помощью байесовского подхода, существо которого состоит в использовании результатов измерения для улучшения знаний о текущем состоянии системы. В случае многошаговой динамической системы процедура улучшения повторяется всякий раз, когда делается измерение. При этом апостериорная плотность распределения из предыдущего этапа становится для текущего этапа априорной плотностью распределения. [9]
Сравнение изложенных методов оценки вектора q произвести в общем случае сложно; в частности, также и потому, что невозможно задаться критерием качества оценок, который бы зависел только от условных плотностей вероятностей p ( y i), а только этой исходной информацией о статистических характеристиках событий мы располагаем при использовании байесова подхода. [10]
Поэтому для получения оценок вектора ф, отвечающих принципу максимального правдоподобия, в выражениях (12.35) и (12.36) используются векторы / ( tN) и z ( for i), которые строятся следующим образом. [11]
В предыдущем разделе свойства оценки вектора 9 исследованы в предположении, что остальные параметры модели (3.19) - (4.24) - границы интервалов и коэффициент а - заданы заранее. [12]
 |
Получение установившегося решения уравнения Риккати. [13] |
Получим установившийся режим фильтрации ( оценки вектора состояний х) для этой задачи. [14]
Таким образом, математическое ожидание оценки вектора параметров по мнк равно вектору самих параметров, следовательно, оценка является несмещенной. [15]
Страницы: 1 2 3 4