Мультисенсорная система фильтрации характеризована математически как результат решения задачи синтеза многомерной дискретной системы фильтрации одного сигнала по данным от множества разнородных датчиков (сенсоров). В стационарной постановке этой задачи приведены три варианта ее решения: Колмогорова-Винера, Калмана в ковариационной форме и Калмана в информационной форме. Осуществлен переход к постановке этих задач в условиях параметрической неопределенности. В целях реализации активного принципа адаптации найден метод формирования инструментального функционала качества для эквивалентной замены недоступного исходного функционала качества - среднеквадратической ошибки фильтрации. Показано, что эта замена создает возможность применять для адаптации системы весь аппарат и средства практических методов оптимизации, прежде всего, методов градиентного и ньютоновского типов. Предложенное теоретическое решение задачи формирования инструментального функционала качества осуществимо при достаточно общих условиях исходной задачи синтеза многомерной дискретной системы фильтрации при бесконечном времени наблюдения. Выявлено следующее: - Достаточно сложные операции одношагового предсказания и затем обновления оценок в двухэтапном алгоритме фильтрации целесообразно выполнять в центре принятия решений; здесь же должны выполняться вычислительные операции по минимизации инструментального функционала качества. - Несложные операции адаптивного масштабирования данных целесообразно оставить в местах нахождения сенсоров. - Алгоритмы адаптации могут быть реализованы для базовых алгоритмов фильтрации, взятых в различных формах: в форме фильтра Колмогорова-Винера, в ковариационной форме фильтра Калмана или в информационной форме фильтра Калмана. - Вычислительные операции по минимизации инструментального функционала качества целесообразно разрабатывать как варианты реализации современных практических методов оптимизации различного уровня сложности.

Информация о Редакционном совете и Редакционной коллегии Профессорского журнала Серия: Технические науки Контакты редакционной коллегии «Профессорского журнала. Серия: Технические науки»:

Предложен новый метод автоматического контроля оптимальности дискретного фильтра Калмана, основанный на равенстве нулю градиента вспомогательного функционала качества (ВФК) по параметрам адаптивного дискретного фильтра. Для вычисления градиента ВФК применяется численно устойчивый к ошибкам машинного округления алгоритм модифицированной взвешенной ортогонализации Грама-Шмидта (MWGS-ортогонализации). Алгоритм реализован на языке Matlab. Результаты проведенных численных экспериментов подтверждают эффективность предложенного метода The paper proposes a new method for automatic control of the nominal operating mode of a dynamic stochastic system, based on a combination of two previously developed methods: the auxiliary performance index (API) method and the LD modification of an adaptive filter numerically robust to roundoff errors. The API method was previously developed to solve the problems of identification, adaptation, and control of stochastic systems with control and filtering. We suggest using the API not only as a tool for identifying the parameters of the stochastic system model from the measurement data but also for automatically monitoring the optimality of the adaptive filter, namely, the condition that the API gradient is close to zero should be satisfied (with the necessity and sufficiency) at the point corresponding to the optimal value of the vector parameter in the adaptive Kalman filter. The main result is the new eLD-KF-AC algorithm (extended LD Kalman-like adaptive filtering algorithm with automatic optimality control). The advantages of the obtained solution are as follows: 1) the choice of the adaptive filter structure in the form of an extended LD algorithm can significantly reduce the effect of machine roundoff errors on the calculation results when supplemented by the ability to calculate the sensitivity functions by the system vector parameter of the adaptive filter; 2) the application of the API method allows controlling the optimality of the adaptive filter by the condition that the API gradient is zero at the minimum point, which corresponds to the optimal value of the parameter in the adaptive filter; 3) the calculation of the API gradient in the adaptive extended LD filter does not require significant computational costs and such a control method can be carried out in real-time. The results of the work will be applied to solving problems of joint control and identification of parameters in the class of discrete-time linear stochastic systems represented by equations in the state-space form.