Standard

Линейный обобщенный фильтр Калмана-Бьюси. / Товстик, Т.М.; Товстик, П.Е.

в: ВЕСТНИК САНКТ-ПЕТЕРБУРГСКОГО УНИВЕРСИТЕТА. МАТЕМАТИКА. МЕХАНИКА. АСТРОНОМИЯ, Том 6(64), № 4, 2019, стр. 636-645.

Результаты исследований: Научные публикации в периодических изданиях › статья › Рецензирование

Harvard

Товстик, ТМ & Товстик, ПЕ 2019, 'Линейный обобщенный фильтр Калмана-Бьюси', ВЕСТНИК САНКТ-ПЕТЕРБУРГСКОГО УНИВЕРСИТЕТА. МАТЕМАТИКА. МЕХАНИКА. АСТРОНОМИЯ, Том. 6(64), № 4, стр. 636-645.

APA

Товстик, Т. М., & Товстик, П. Е. (2019). Линейный обобщенный фильтр Калмана-Бьюси. ВЕСТНИК САНКТ-ПЕТЕРБУРГСКОГО УНИВЕРСИТЕТА. МАТЕМАТИКА. МЕХАНИКА. АСТРОНОМИЯ, 6(64)(4), 636-645.

Vancouver

Товстик ТМ, Товстик ПЕ. Линейный обобщенный фильтр Калмана-Бьюси. ВЕСТНИК САНКТ-ПЕТЕРБУРГСКОГО УНИВЕРСИТЕТА. МАТЕМАТИКА. МЕХАНИКА. АСТРОНОМИЯ. 2019;6(64)(4):636-645.

Author

Товстик, Т.М. ; Товстик, П.Е. / Линейный обобщенный фильтр Калмана-Бьюси. в: ВЕСТНИК САНКТ-ПЕТЕРБУРГСКОГО УНИВЕРСИТЕТА. МАТЕМАТИКА. МЕХАНИКА. АСТРОНОМИЯ. 2019 ; Том 6(64), № 4. стр. 636-645.

BibTeX

@article{33d2727d0a0f4867a43e91315aa3c6fb,
title = "Линейный обобщенный фильтр Калмана-Бьюси",
abstract = "Рассматривается обобщенный линейный фильтр Калмана — Бьюси. Наблюдаемый процесс является суммой полезного сигнала и шума, которые считаются независимыми стационарными процессами авторегрессии, порядок которых больше единицы. Приводятся рекуррентные уравнения для фильтрации, то есть прогноза одного (полезного) процесса по наблюдениям за другим (наблюдаемым) процессом, стационарносвязанным с прогнозируемым. Также приводятся уравнения для ошибки фильтрации и для ее условных корреляций. Предложен также прямой алгоритм прогноза, основанный на анализе всех предшествующих наблюдений. Обсуждаются преимущества и недостатки обоих алгоритмов. Приводятся численные примеры.",
keywords = "фильтр Калмана — Бьюси, рекуррентный и прямой алгоритмы, процессы авторегрессии высокого порядка, Kalman — Bucy filter, recurrent and direct algorithms, high order auto-regressive processes",
author = "Т.М. Товстик and П.Е. Товстик",
note = "Товстик Т. М., Товстик П. Е. Линейный обобщенный фильтр Калмана — Бьюси // Вестник Санкт-Петербургского университета. Математика. Механика. Астрономия. 2019. Т. 6 (64). Вып. 4. С. 636–645. https://doi.org/10.21638/11701/spbu01.2019.409",
year = "2019",
language = "русский",
volume = "6(64)",
pages = "636--645",
journal = "ВЕСТНИК САНКТ-ПЕТЕРБУРГСКОГО УНИВЕРСИТЕТА. МАТЕМАТИКА. МЕХАНИКА. АСТРОНОМИЯ",
issn = "1025-3106",
publisher = "Издательство Санкт-Петербургского университета",
number = "4",

}

RIS

TY - JOUR

T1 - Линейный обобщенный фильтр Калмана-Бьюси

AU - Товстик, Т.М.

AU - Товстик, П.Е.

N1 - Товстик Т. М., Товстик П. Е. Линейный обобщенный фильтр Калмана — Бьюси // Вестник Санкт-Петербургского университета. Математика. Механика. Астрономия. 2019. Т. 6 (64). Вып. 4. С. 636–645. https://doi.org/10.21638/11701/spbu01.2019.409

PY - 2019

Y1 - 2019

N2 - Рассматривается обобщенный линейный фильтр Калмана — Бьюси. Наблюдаемый процесс является суммой полезного сигнала и шума, которые считаются независимыми стационарными процессами авторегрессии, порядок которых больше единицы. Приводятся рекуррентные уравнения для фильтрации, то есть прогноза одного (полезного) процесса по наблюдениям за другим (наблюдаемым) процессом, стационарносвязанным с прогнозируемым. Также приводятся уравнения для ошибки фильтрации и для ее условных корреляций. Предложен также прямой алгоритм прогноза, основанный на анализе всех предшествующих наблюдений. Обсуждаются преимущества и недостатки обоих алгоритмов. Приводятся численные примеры.

AB - Рассматривается обобщенный линейный фильтр Калмана — Бьюси. Наблюдаемый процесс является суммой полезного сигнала и шума, которые считаются независимыми стационарными процессами авторегрессии, порядок которых больше единицы. Приводятся рекуррентные уравнения для фильтрации, то есть прогноза одного (полезного) процесса по наблюдениям за другим (наблюдаемым) процессом, стационарносвязанным с прогнозируемым. Также приводятся уравнения для ошибки фильтрации и для ее условных корреляций. Предложен также прямой алгоритм прогноза, основанный на анализе всех предшествующих наблюдений. Обсуждаются преимущества и недостатки обоих алгоритмов. Приводятся численные примеры.

KW - фильтр Калмана — Бьюси

KW - рекуррентный и прямой алгоритмы

KW - процессы авторегрессии высокого порядка

KW - Kalman — Bucy filter

KW - recurrent and direct algorithms

KW - high order auto-regressive processes

UR - http://vestnik.spbu.ru/html19/s01/s01v4/10.pdf

UR - https://www.elibrary.ru/item.asp?id=41431613

M3 - статья

VL - 6(64)

SP - 636

EP - 645

JO - ВЕСТНИК САНКТ-ПЕТЕРБУРГСКОГО УНИВЕРСИТЕТА. МАТЕМАТИКА. МЕХАНИКА. АСТРОНОМИЯ

JF - ВЕСТНИК САНКТ-ПЕТЕРБУРГСКОГО УНИВЕРСИТЕТА. МАТЕМАТИКА. МЕХАНИКА. АСТРОНОМИЯ

SN - 1025-3106

IS - 4

ER -

ID: 49338170