МОДЕРНІЗОВАНА ОПТИМАЛЬНА РОБАСТНА БАГАТОВИМІРНА ФІЛЬТРАЦІЯ СТАЦІОНАРНИХ ВИПАДКОВИХ КОРИСНИХ СИГНАЛІВ
Наукові журнали НАУ
Переглянути архів Інформація| Поле | Співвідношення | |
| Title |
МОДЕРНІЗОВАНА ОПТИМАЛЬНА РОБАСТНА БАГАТОВИМІРНА ФІЛЬТРАЦІЯ СТАЦІОНАРНИХ ВИПАДКОВИХ КОРИСНИХ СИГНАЛІВ
МОДЕРНИЗИРОВАННАЯ ОПТИМАЛЬНАЯ РОБАСТНАЯ МНОГОМЕРНАЯ ФИЛЬТРАЦИЯ СТАЦИОНАРНЫХ СЛУЧАЙНЫХ ПОЛЕЗНЫХ СИГНАЛОВ UPGRADED OPTIMAL ROBUST MULTIDIMENSIONAL FILTERING OF STATIONARY RANDOM USEFUL SIGNALS |
|
| Creator |
Осадчий, С. І.
|
|
| Subject |
—
матриця; фільтр; факторизація; сепарація; синтез; передавальна функція УДК 681.5.08 — матрица фильтр; факторизация; сепарация; синтез; передаточная функция УДК 681.5.08 — matrix; filter; factorization; separation; synthesis; transfer function UDC 1.5.08 |
|
| Description |
Характерною особливістю пристроїв вимірювання параметрів руху є наявність інструментальних і методичних похибок, що утворюють випадковий широкосмуговий шум. Одним з найбільш ефективних методів зниження впливу шуму на результати вимірювання параметрів руху є оптимальна фільтрація. Існуючі методи синтезу оптимальних фільтрів не повною мірою вирішують проблему забезпечення високої точності виділення стаціонарних випадкових корисних сигналів. Для розв’язання цього завдання скористалися ідеєю модернізованої вінерівської фільтрації. Тоді завдання синтезу оптимального фільтра зводиться до пошуку структури і параметрів матриць передавальних функцій W1 і W2, які забезпечують мінімум обраного критерію якості. Для вирішення поставленого завдання матрицю передавальних функцій датчиків подано у вигляді поліноміальних матриць комплексного аргументу s розмірності n×n. Враховуючи введені позначення, наступним кроком стало представлення критерію якості в частотній області. Для мінімізації отриманого функціоналу введена єдина матриця варійованих передавальних функцій G, яка дозволила знайти рівняння, необхідне для розрахунку оптимальної матриці передавальних функцій фільтра W. Завдяки застосуванню спеціальним чином визначеної факторизації блочної матриці, досягнуто суттєве спрощення алгоритму синтезу відносно до відомих методів оптимальної фільтрації. Отже, розроблений новий метод синтезу оптимального багатовимірного модернізованого вінерівського фільтра з корекцією за шумом у частотній області. Його відмітною особливістю є спеціальний вибір варіюємої матриці, що значно спрощує процедуру синтезу за рахунок приведення до тривіальної однієї з процедур факторизації.
Характерной особенностью устройств измерения параметров движения является наличие инструментальных и методических погрешностей, которые образуют случайный широкополосный шум. Одним из наиболее эффективных методов снижения влияния шума на результаты измерения параметров движения является оптимальная фильтрация. Существующие методы синтеза оптимальных фильтров не в полной мере решают проблему обеспечения высокой точности выделения стационарных случайных полезных сигналов. Для решения этой задачи воспользовались идеей модернизированной винеровськои фильтрации. Тогда задача синтеза оптимального фильтра сводится к поиску таких структуры и параметров матриц передаточных функций W1 и W2, которые обеспечили бы минимум выбранному критерию качества. Для решения поставленной задачи матрицу передаточных функций датчиков представлено в виде полиномиальных матриц комплексного аргумента s размерности n × n. Учитывая введенные обозначения, следующим шагом стало представление критерия качества в частотной области. Для минимизации полученного функционала введена единая матрица варьируемых передаточных функций G, которая позволила найти уравнения, необходимое для расчета оптимальной матрицы передаточных функций фильтра W. Благодаря применению специальным образом определенной факторизации блочной матрицы, достигнуто существенное упрощение алгоритма синтеза по отношению к известным методам оптимальной фильтрации. Таким образом, разработан новый метод синтеза оптимального многомерного модернизированного винеровського фильтра с коррекцией по шуму в частотной области. Его отличительной особенностью является специальный выбор варируемой матрицы, что значительно упрощает процедуру синтеза за счет приведения к тривиальной одной из процедур факторизации. A characteristic feature of the devices, wich serves for measuring parameters of motion, is the presence of instrumental and methodological errors, which form a random broadband noise. One of the most effective ways to reduce the effects of noise on the measurement results is optimal filtration. Existing methods of optimal filters synthesis do not fully solve the problem of providing high precision stationary random selection of useful signals. To solve this problem we have used the idea of a modernized Wiener filtering. Then the problem of optimal filter synthesis reduces to finding the structure and parameters of the matrix of transfer functions W1 and W2, which would ensure a minimum quality of the selected criteria. To solve the problem the sensor matrix of transfer functions is presented in the form of polynomial matrices of complex argument s of dimension n × n. Using this notation, the next step was the introduction of the quality criterion in the frequency domain. In order to minimize the resulting functional introduced a single matrix variable transfer functions G, which allowed to find the equations needed to calculate the optimal filter transfer function matrix W. Thanks to the special way a certain block matrix factorization, achieved a significant simplification of the synthesis algorithm with respect to the known methods of optimal filtering. Thus, a new method of synthesis of optimal multivariate upgraded vinerovskogo correction filter noise in the frequency domain. Its distinguishing feature is a special selection of variruemoy matrix, which greatly simplifies the process of synthesis by bringing to the trivial factorization of the procedures. |
|
| Publisher |
National Aviation University
|
|
| Contributor |
—
— — |
|
| Date |
2015-11-24
|
|
| Type |
—
— — |
|
| Format |
application/pdf
|
|
| Identifier |
http://jrnl.nau.edu.ua/index.php/SBT/article/view/9392
|
|
| Source |
Science-based technologies; Том 27, № 3 (2015); 229-232
Наукоемкие технологии; Том 27, № 3 (2015); 229-232 Наукоємні технології; Том 27, № 3 (2015); 229-232 |
|
| Language |
uk
|
|