Детальная информация

Учебное пособие предназначено для студентов бакалавриата (направление 11.03.01 «Радиотехника»), изучающих курсы «Цифровая обработка сигналов» и «Статистическая теория радиотехнических систем», студентов магистратуры (направление 11.04.01 «Радиотехника», профиль «Космические и наземные радиотехнические системы»), изучающих курс «Системы цифрового телевизионного и радиовещания», а также для студентов, изучающих другие курсы в рамках направления 11.00.00 «Электроника, радиотехника и системы связи». Изложены Марковские модели физических процессов, модели измерений и оптимальная стратегия оценивания параметров таких процессов по критерию минимума среднего риска (Байесова стратегия). Рассмотрены алгоритмы Калмановской фильтрации, сглаживания и экстраполяции параметров Марковских процессов. В контексте адаптивной фильтрации нестационарных процессов рассмотрены задачи идентификации и помехоподавления. Изложен метод, позволяющий расширить алгоритм Калмана на нелинейные модели как измерений, так и физических процессов. Приведены примеры построения расширенных фильтров Калмана для задач локации и пеленгации источников радиоизлучения (включая подвижные источники) в двумерном и трёхмерном пространстве.

• СОДЕРЖАНИЕ
• ВВЕДЕНИЕ
• СПИСОК ОБОЗНАЧЕНИЙ
• 1. ПОСТАНОВКА ЗАДАЧИ
  • 1.1. Линейная «марковская» модель физического процесса
  • 1.2. Линейная модель измерений
  • 1.3. Оптимальная байесова стратегия оценивания (по критерию минимума среднего риска)
• 2. АЛГОРИТМЫ ПОСЛЕДОВАТЕЛЬНОГО ОЦЕНИВАНИЯ ДЛЯ ЛИНЕЙНЫХ МОДЕЛЕЙ
  • 2.1. Рекуррентное представление апостериорного распределения
  • 2.2. Алгоритм фильтрации вектора состояния процесса (фильтр Калмана)
  • 2.3. Выбор начальных условий для фильтрации. Устойчивость алгоритма фильтрации
  • 2.4. Рекуррентный алгоритм сглаживания оценок фильтрации
  • 2.5. Оценка одношаговой экстраполяции. Случай пропадания измерений
• 3. БАЗОВЫЕ ЛИНЕЙНЫЕ МОДЕЛИ
  • 3.1. Модель процесса с неизменным вектором состояния (вектором параметров)
  • 3.2. Модель процесса со случайными блужданиями
  • 3.3. Модели процесса движения
  • 3.4. Стохастическая авторегрессионная модель сигнала
  • 3.5. Задача оценки вектора параметров стохастической авторегрессионной модели сигнала
• 4. СПЕЦИАЛЬНЫЕ ЛИНЕЙНЫЕ МОДЕЛИ И АЛГОРИТМЫ АДАПТИВНОЙ ФИЛЬТРАЦИИ СИГНАЛОВ
  • 4.1. Модель с забыванием вектора параметров нестационарного процесса
  • 4.2. Алгоритм оценивания (фильтрации) с забыванием
  • 4.3. Алгоритм адаптивной фильтрации сигнала (алгоритм RLS). Задачи идентификации и помехоподавления
  • 4.4. Адаптивный алгоритм совместного оценивания векторов состоянияи параметров стохастической авторегрессионной модели сигнала (дуальный фильтр Калмана)
• 5. НЕЛИНЕЙНЫЕ МОДЕЛИ. ОЦЕНИВАНИЕ МЕТОДОМ АНАЛИТИЧЕСКОЙ ЛИНЕЙНОЙ АППРОКСИМАЦИИ
  • 5.1. Нелинейная модель измерений
  • 5.2. Алгоритм расширенного фильтра Калмана для нелинейной модели измерений
  • 5.3. Пример алгоритма оценки местоположения подвижного объекта в локации (радар)
  • 5.4. Примеры алгоритмов оценки местоположения источника радиоизлучения при многопозиционной пеленгации
  • 5.5. Пример алгоритма оценки местоположения источника радиоизлучения с летательного аппарата
  • 5.6. Нелинейная модель физического процесса в пространстве состояний
  • 5.7. Расширенный фильтр Калмана для нелинейных моделей процесса и измерений
• ИСПОЛЬЗОВАННАЯ ЛИТЕРАТУРА