Пошаговая нечеткая коррекция алгоритма фильтрации случайных сигналов
Another Title
Stepwise fuzzy correction of the algorithm filters of random signals
Bibliographic entry
Лобатый, А. А. Пошаговая нечеткая коррекция алгоритма фильтрации случайных сигналов = Stepwise fuzzy correction of the algorithm filters of random signals / А. А. Лобатый, А. С. Радкевич // Системный анализ и прикладная информатика. – 2019. – № 1. – С. 35-40.
Abstract
Рассматривается задача оценивания информации, содержащейся в случайных сигналах, поступающих от различных источников – измерителей. При этом предполагается, что измерители являются дискретными и описываются, как и исходный оцениваемый процесс, дискретной математической моделью в виде разностных уравнений. В качестве алгоритма оценивания рассматривается дискретный фильтр Калмана, который в общем случае при неадекватности математических моделей реальным процессам может давать искаженную информацию. Для повышения точности оценивания предлагается применять комплексирование всех возможных измерителей с введение дополнительной априорной информации с помощью системы нечеткой логики. При этом переход от полученных расчетным путем вероятностных характеристик оцениваемого процесса к функциям принадлежности нечеткой логики предлагается производить на основе выходных параметров фильтра Калмана с помощью нормировки апостериорной плотности вероятности. Данный подход позволяет повысить точность оценивания, так как учитывает дополнительную информацию и комплексную её обработку.
Abstract in another language
The task of estimating the information contained in random signals from various sources – meters. It is assumed that the gauges are discrete and are described, like the original process assessed, by a discrete mathematical model in the form of difference equations. As an estimation algorithm, we consider a discrete Kalman filter, which, in the general case, when mathematical models are inadequate to real processes, can give distorted information. To improve the accuracy of estimation, it is proposed to apply the integration of all possible meters with the introduction of additional a priori information using a fuzzy logic system. At the same time, it is proposed to make a transition from the obtained probability characteristics of the estimated process to the membership functions of fuzzy logic based on the output filter parameters using the normalization of the posterior probability density. This approach allows to increase the accuracy of estimation, as it takes into account additional information and its complex processing.
View/
Collections
- № 1[9]