RU2780197C1 - Extrapolator with adaptation for target functions - Google Patents
Extrapolator with adaptation for target functions Download PDFInfo
- Publication number
- RU2780197C1 RU2780197C1 RU2021125968A RU2021125968A RU2780197C1 RU 2780197 C1 RU2780197 C1 RU 2780197C1 RU 2021125968 A RU2021125968 A RU 2021125968A RU 2021125968 A RU2021125968 A RU 2021125968A RU 2780197 C1 RU2780197 C1 RU 2780197C1
- Authority
- RU
- Russia
- Prior art keywords
- input
- output
- extrapolator
- unit
- adder
- Prior art date
Links
- 230000004301 light adaptation Effects 0.000 title claims abstract description 38
- 241001442055 Vipera berus Species 0.000 claims abstract description 26
- 238000005259 measurement Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 abstract 1
- 238000000034 method Methods 0.000 description 7
- 238000000354 decomposition reaction Methods 0.000 description 6
- 230000003044 adaptive Effects 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 2
- 210000004544 DC2 Anatomy 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001186 cumulative Effects 0.000 description 1
- 230000003111 delayed Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000002530 ischemic preconditioning Effects 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000001308 synthesis method Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001131 transforming Effects 0.000 description 1
Images
Abstract
Description
Изобретение относится к области цифровой обработки измерительной информации и может быть использовано для экстраполяции параметров состояния динамических систем. Известен фильтр «скользящего» сглаживания линейной траектории [1], состоящий из сумматоров, усилителей и линий задержек. Недостатком этого фильтра является низкая точность оценки состояния системы в условиях значительных внешних воздействий, обусловленная несоответствием используемой кинематической модели действительному закону изменения параметров динамической системы. Наиболее близким по технической сущности и достигаемому результату является экстраполятор [2], в основу которого положено выражениеThe invention relates to the field of digital processing of measurement information and can be used to extrapolate the state parameters of dynamic systems. Known filter "sliding" smoothing of the linear trajectory [1], consisting of adders, amplifiers and delay lines. The disadvantage of this filter is the low accuracy of estimating the state of the system under conditions of significant external influences, due to the inconsistency of the used kinematic model with the actual law of changing the parameters of the dynamic system. The closest in technical essence and the achieved result is the extrapolator [2], which is based on the expression
где k - текущий момент времени, хu(k) - результат наблюдения координаты объекта, х(k) - текущее значение оценки координаты объекта, J1 и J2 - постоянные коэффициенты, определяемые согласно [3].where k is the current moment in time, x u (k) is the result of observing the object's coordinate, x(k) is the current value of the estimate of the object's coordinate, J 1 and J 2 are constant coefficients determined according to [3].
В основу экстраполятора положена нелинейная динамическая модель экстраполируемого процесса, что обуславливает значительные трудности при построении системы адаптации, и, как следствие низкую точность экстраполяции в условиях значительных внешних воздействий. Кроме того, нелинейные преобразования случайных процессов дают непредсказуемый результат, что может привести к срыву процесса экстраполяции.The extrapolator is based on a nonlinear dynamic model of the extrapolated process, which causes significant difficulties in building an adaptation system, and, as a result, low extrapolation accuracy under conditions of significant external influences. In addition, non-linear transformations of random processes give an unpredictable result, which can lead to a breakdown in the extrapolation process.
В основу построения адаптивного экстраполятора с декомпозицией по целевому функционалу положено выражение [4]The construction of an adaptive extrapolator with decomposition in terms of the target functional is based on the expression [4]
где λ(i) - параметр адаптации,where λ(i) is the adaptation parameter,
i - количество прошедших итераций расчета параметра адаптации.i - the number of past iterations of the adaptation parameter calculation.
Для определения параметра адаптации используются выражения [4]The expressions [4] are used to determine the adaptation parameter
где - оценка невязки функционала ошибки с априорной дисперсией шума наблюдения,where - estimation of the discrepancy between the error functional and the a priori variance of the observation noise,
D - априорная дисперсия шума наблюдения,D is the prior variance of the observation noise,
N - количество тактов для расчета значения функционала ошибки,N is the number of cycles for calculating the value of the error functional,
Δλ - шаг изменения параметр адаптации.Δλ - step of changing the adaptation parameter.
Выражения (1) и (2) получены в [4] с использованием принципа декомпозиции и методологии объединенного принципа максимума.Expressions (1) and (2) were obtained in [4] using the decomposition principle and the methodology of the combined maximum principle.
Поиск параметра адаптации во время работы устройства производится в диапазоне с шагом Δλ, где значения λ0, λmax и Δλ определяются численным моделированием на этапе проектирования экстраполятора.The search for the adaptation parameter during operation of the device is carried out in the range with a step Δλ, where the values λ 0 , λ max and Δλ are determined by numerical simulation at the extrapolator design stage.
В качестве критерия для определения качества экстраполяции используется априорно заданное значение ε, определяющее невязку функционала ошибки и дисперсии шума наблюдения. Удовлетворительная точность экстраполяции достигается при .As a criterion for determining the quality of extrapolation, an a priori specified value of ε is used, which determines the discrepancy between the error functional and the variance of the observation noise. Satisfactory extrapolation accuracy is achieved when .
На фиг. 1 представлена структурная схема экстраполятора с адаптацией по целевому функционалу, которая состоит из запоминающих устройств 1, 4, 5 и 8, блоков вычитания 2 и 9, сумматора 3, блоков умножения 6 и 10, блока расчета параметра адаптации 7. Экстраполятор с адаптацией по целевому функционалу также имеет входы 11-12, на которые за один такт до начала работы устройства подается предварительно измеренное значение х0, численно равное хu (0); входы 13-14, на которые за один такт до начала работы устройства подаются значения λ(0)=λ0 и соответственно, вход 15, на который каждый такт текущего результата измерения наблюдаемой координаты хu(k), и выход 16.In FIG. Figure 1 shows a block diagram of an extrapolator with adaptation to the target functional, which consists of
В свою очередь, блок расчета параметра адаптации 7, представленный на фиг. 2 состоит из блока хранения данных 7.1, компаратора 7.2, сумматора 7.3, блоков возведения в квадрат 7.4 и 7.8, блока вычитания 7.5, блока умножения 7.6 и накопительного сумматора 7.7. Также блок расчета параметров адаптации имеет вход 7.9 и выходы 7.10 и 7.11.In turn, the block for calculating the adaptation parameter 7, shown in FIG. 2 consists of a data storage unit 7.1, a comparator 7.2, an adder 7.3, squaring units 7.4 and 7.8, a subtraction unit 7.5, a multiplication unit 7.6 and a cumulative adder 7.7. Also, the block for calculating adaptation parameters has an input 7.9 and outputs 7.10 and 7.11.
Экстраполятор с адаптацией по целевому функционалу работает следующим образом. За один такт, равный шагу экстраполяции Δt, до начала работы экстраполятора с адаптацией по целевому функционалу на его входы 13 и 14 подаются значения λ (0) - и соответственно, на входы 11 и 12 подается предварительно измеренное значение х0, численно равное хu (0). Указанные значения задерживаются в запоминающих устройствах на один такт, по истечении которого на выходах запоминающих устройств 1 и 4 формируются значения x(k-1) и х(k) соответственно, а на выходах запоминающих устройств 5 и 8 - значения λ(i) и λ2(i) соответственно. При этом значение х(k) поступает на второй вход первого сумматора, суммирующий выход первого блока вычитания, выход второго запоминающего устройства, выходы первого и второго блоков умножения. На выходе первого блока вычитания формируется значение разности (х(k) -x(k-1)), поступающее на первый вход первого сумматора, а также на первый вход первого блока умножения, на второй вход которого с выхода третьего запоминающего устройства поступает значение λ(i). С выхода первого блока умножения значение λ(i)(x(k)-x(k-1)) поступает на третий вход первого сумматора. При поступлении на вход 15 экстраполятора с адаптацией по целевому функционалу текущего результата измерения наблюдаемой координаты хu(k) на выходе второго блока вычитания формируется значение разности (хu(k)-х(k)), поступающее на вход 7.9 блока расчета параметра адаптации, а также на первый вход второго блока умножения, на второй вход которого с выхода четвертого запоминающего устройства поступает значение λ2 (i). Во втором блоке умножения формируется произведение λ2(i)(xu(k)-x(k)), значение которого с выхода второго блока умножения поступает на четвертый вход первого сумматора. При этом на выходе первого сумматора формируется экстраполируемое значениеThe extrapolator with adaptation to the target functional works as follows. For one cycle, equal to the extrapolation step Δt, before the start of the extrapolator operation with adaptation according to the target functional, the values λ (0) are fed to its
поступающее на выход первого сумматора и на первый вход второго запоминающего устройства, с выхода которого через один такт оно уже в виде значения x(k) поступает на второй вход первого сумматора, второй вход первого запоминающего устройства и на вычитающий вход второго блока вычитания. При этом на втором и последующих тактах значение х(0) на входы 11 и 12 не подаются, а значения λ0 и на входы 13 и 14 подаются до N-ого шага. Кроме того, на вход 2 третьего запоминающего устройства и вход 1 четвертого запоминающего устройства каждый такт, начиная с TV-ого, подаются значения λ(i) и λ2(i) с выходов 7.10 и 7.11 блока расчета параметров адаптации соответственно каждый такт.coming to the output of the first adder and to the first input of the second storage device, from the output of which, after one cycle, it already in the form of the value x(k) enters the second input of the first adder, the second input of the first storage device and to the subtracting input of the second subtraction block. At the same time, on the second and subsequent cycles, the value x(0) is not applied to
Блок расчета параметров адаптации, изображенный на фиг. 2 работает следующим образом. Каждый такт на вход 7.9 подается значение (хu(k)-х(k)) с выхода второго блока вычитания, которое поступает на вход второго блока возведения в квадрат, с выхода которого попадает на вход накопительного сумматора, суммирующего последние пришедшие N значений. Каждые N тактов, начиная с N-ого, результат сложения поступает на второй вход третьего блока умножения. На первый вход третьего блока умножения из блока хранения данных поступает значение N-l, при этом с выхода третьего блока умножения значение поступает на суммирующий вход третьего блока вычитания, на вычитающий вход которого из блока хранения данных поступает значение D, после чего значение е поступает на второй вход компаратора, где сравнивается с поступившим из блока хранения данных требуемым значением невязки . В случае с выхода компаратора на второй вход второго сумматора поступает значение 0, а в случае - значение Δλ. Независимо от поступившего от компаратора значения, на первый вход второго сумматора из блока хранения данных поступает значение λ(i), а на выходе второго сумматора значение λ(i+1)=λ(i)+Δλ записывается в блоке хранения данных, поступает на выход 7.10 блока расчета параметров адаптации, а также на вход первого блока возведения в квадрат, на выходе которого формируется значение λ2 (i+1), поступающее на выход 7.11 блока расчета параметров адаптации.The adaptation parameter calculation block shown in Fig. 2 works as follows. Each cycle, the input 7.9 receives the value (x u (k)-x(k)) from the output of the second subtraction block, which is fed to the input of the second squaring block, from the output of which it enters the input of the accumulative adder summing up the last N values. Every N cycles, starting from the Nth, the result of addition is fed to the second input of the third multiplication block. The value N -l comes to the first input of the third multiplication block from the data storage block, while from the output of the third multiplication block the value enters the summing input of the third subtraction block, the subtracting input of which receives the value D from the data storage unit, after which the value e enters the second input of the comparator, where it is compared with the required residual value received from the data storage unit . When from the output of the comparator to the second input of the second adder, the
Повышение точности экстраполяции достигается за счет дополнительного блока расчета параметров адаптации, позволяющего подстраивать экстраполятор для наиболее точного описания динамической системы.Increasing the accuracy of extrapolation is achieved through an additional block for calculating the adaptation parameters, which allows you to adjust the extrapolator for the most accurate description of the dynamic system.
Ниже приведен пример определения текущих оценок координат движущегося объекта с использованием предлагаемого устройства и их сравнения с оценками устройства-прототипа методом статистического моделирования.Below is an example of determining the current estimates of the coordinates of a moving object using the proposed device and comparing them with the estimates of the prototype device using the method of statistical modeling.
Пример.Example.
В одном пространственном измерении рассматривается движение маневрирующего объекта. Уравнение наблюденияIn one spatial dimension, the movement of a maneuvering object is considered. observation equation
где х(k) - координата цели (наклонная дальность), ξ(k) - случайное воздействие на канал наблюдения с известной интенсивностью.where x(k) is the target coordinate (slant range), ξ(k) is a random impact on the observation channel with a known intensity.
За показатель точности выбрана средняя квадратическая ошибка (СКО) оценки координат объекта.For the indicator of accuracy, the mean square error (RMS) of the estimate of the object's coordinates was chosen.
Исходные данные для статистического моделирования: начальное значение наблюдаемой координаты и скорости ее изменения х(0)=304100 м; СКО шума наблюдения было принято 1000 м, интервал дискретизации - 2 с, время наблюдения - 200 с, скорость изменения наблюдаемой координаты варьировалась в диапазоне [-600; 694] м/с. График изменения координаты объекта представлен на фигуре 3.Initial data for statistical modeling: the initial value of the observed coordinate and the rate of its change x(0)=304100 m; The RMS of the observation noise was taken as 1000 m, the sampling interval was 2 s, the observation time was 200 s, the rate of change of the observed coordinate varied in the range [-600; 694] m/s. The graph of the change in the object's coordinates is shown in figure 3.
Результаты статистического моделирования для интервала маневрирования объекта с 0-й по 200-ю секунды для устройства-прототипа представлены на фигуре 4, а для адаптивного экстраполятора с декомпозицией по целевому функционалу - на фигуре 5.The results of statistical modeling for the object maneuvering interval from 0 to 200 seconds for the prototype device are shown in figure 4, and for the adaptive extrapolator with decomposition by the target functional - in figure 5.
В ходе моделирования получение следующие значения, необходимые для построения устройства - λ0=0.15, λmax=0.62, Δλ=0.03, ε=2⋅106.During the simulation, obtaining the following values necessary to build the device - λ 0 =0.15, λ max =0.62, Δλ=0.03, ε=2⋅10 6 .
Результаты, приведенные в примере, позволяют сделать следующие заключения:The results given in the example lead to the following conclusions:
1. В случае предлагаемого устройства, ярко выражен допустимый диапазон значений параметра адаптации, что определяет область поиска глобального минимума функционала ошибки.1. In the case of the proposed device, the permissible range of values of the adaptation parameter is pronounced, which determines the search area for the global minimum of the error functional.
2. Функция зависимости СКО оценки от параметра адаптации для адаптивного экстраполятора с декомпозицией по целевому функционалу является одноэкстремальной, что также значительно упрощает поиск параметра адаптации.2. The function of the dependence of the RSD of the estimate on the adaptation parameter for the adaptive extrapolator with decomposition by the target functional is one-extremal, which also greatly simplifies the search for the adaptation parameter.
3. Использование экстраполятора с адаптацией по целевому функционалу позволяет повысить точность определения текущих оценок координат движущегося объекта по заданной траектории в среднем на 17% относительно устройства-прототипа.3. The use of an extrapolator with adaptation according to the target functional makes it possible to increase the accuracy of determining the current estimates of the coordinates of a moving object along a given trajectory by an average of 17% relative to the prototype device.
ЛитератураLiterature
1. Кузьмин С.3. Основы теории цифровой обработки радиолокационной информации. М.: Сов. радио, 1974. 432 с. 1. Kuzmin S.3. Fundamentals of the theory of digital processing of radar information. M.: Sov. radio, 1974. 432 p.
2. Патент №2601143 С1 Российская Федерация, МПК G06G 7/30, Н03Н 17/06. Адаптивный экстраполятор: №2015119552/08: заявл. 25.05.2015: опубл. 27.10.2016 / С.В. Лазаренко, А.А. Костоглотов, Д.С. Андрашитов, А.А. Кузнецов; заявитель федеральное государственное бюджетное образовательное учреждение высшего образования "Донской государственный технический университет".2. Patent No. 2601143 C1 Russian Federation, IPC G06G 7/30, H03N 17/06. Adaptive extrapolator: No. 2015119552/08: Appl. 05/25/2015: publ. 27.10.2016 / S.V. Lazarenko, A.A. Kostoglotov, D.S. Andrashitov, A.A. Kuznetsov; the applicant is a federal state budgetary educational institution of higher education "Don State Technical University".
3. Костоглотов А.А., Кузнецов А.А., Лазаренко С.В., Ценных Б.М. Анализ функционирования фильтра объединенного принципа максимума при сопровождении маневрирующей цели // Труды XII всероссийского совещания по проблемам управления. ВСПУ-2014, Москва ИПУ РАН, 16-19 июня 2014. С.378-3383. Kostoglotov A.A., Kuznetsov A.A., Lazarenko S.V., Tsennykh B.M. Analysis of the functioning of the filter of the combined maximum principle when accompanied by a maneuvering target // Proceedings of the XII All-Russian conference on management problems. VSPU-2014, Moscow IPU RAS, June 16-19, 2014. P.378-338
4. Костоглотов, А.А. Метод синтеза адаптивных алгоритмов оценки параметров динамических систем на основе принципа декомпозиции и методологии объединенного принципа максимума / А.А. Костоглотов, А.С. Пеньков, С.В. Лазаренко // Известия высших учебных заведений. Северо-Кавказский регион. Серия: Естественные науки. - 2020. - №4(208). - С.22-28. - DOI 10.18522/1026-2237-2020-4-22-28.4. Kostoglotov, A.A. Synthesis method for adaptive algorithms for estimating the parameters of dynamic systems based on the decomposition principle and the methodology of the combined maximum principle / A.A. Kostoglotov, A.S. Penkov, S.V. Lazarenko // News of higher educational institutions. North Caucasian region. Series: Natural Sciences. - 2020. - No. 4 (208). - P.22-28. - DOI 10.18522/1026-2237-2020-4-22-28.
Технический результатTechnical result
Техническим результатом является повышение точности оценки параметров состояния динамических систем за счет использования динамической модели процесса, полученной на основе принципа декомпозиции и методологии объединенного принципа максимума, а также применения системы текущей оценки параметра адаптации, что позволяет значительно снизить сложность поиска параметра адаптации в сравнении с прототипом.The technical result is to increase the accuracy of estimating the state parameters of dynamic systems through the use of a dynamic process model obtained on the basis of the decomposition principle and the methodology of the combined maximum principle, as well as the use of a current adaptation parameter estimation system, which can significantly reduce the complexity of searching for an adaptation parameter in comparison with the prototype.
Claims (1)
Publications (1)
Publication Number | Publication Date |
---|---|
RU2780197C1 true RU2780197C1 (en) | 2022-09-20 |
Family
ID=
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU415672A1 (en) * | 1971-07-02 | 1974-02-15 | ||
SU691882A1 (en) * | 1977-07-29 | 1979-10-15 | Московский Ордена Ленина И Ордена Трудового Красного Знамени Высшее Техническое Училище Им.Н.Э.Баумана | Linear extrapolator |
SU1003108A1 (en) * | 1981-10-23 | 1983-03-07 | Предприятие П/Я А-7672 | Extrapolator |
SU1042031A1 (en) * | 1982-03-17 | 1983-09-15 | Предприятие П/Я А-3732 | Adaptive extrapolator |
US20080059547A1 (en) * | 2004-07-12 | 2008-03-06 | Atomistix A/S | Method and Computer System for Extrapolating Changes in a Self-Consistent Solution Driven by an External Parameter |
WO2010046742A1 (en) * | 2008-10-24 | 2010-04-29 | Topcon Gps, Llc | Base data extrapolator to operate with a navigation receiver in real-time kinematic (rtk) and differential global positioning system (dgps) modes |
US8452719B2 (en) * | 2010-06-29 | 2013-05-28 | Rockwell Automation Technologies, Inc. | Extrapolating empirical models for control, prediction, and optimization applications |
RU2601143C1 (en) * | 2015-05-25 | 2016-10-27 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Донской государственный технический университет" | Adaptive extrapolator |
RU2646373C1 (en) * | 2016-12-20 | 2018-03-02 | федеральное государственное бюджетное образовательное учреждение высшего образования "Донской государственный технический университет", (ДГТУ) | Device of adaptive regulation based on the joint maximum principle |
RU2675906C1 (en) * | 2017-12-15 | 2018-12-25 | федеральное государственное бюджетное образовательное учреждение высшего образования "Донской государственный технический университет", (ДГТУ) | Quasilinear adaptive predictor |
RU2740337C1 (en) * | 2020-04-03 | 2021-01-13 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации | Adaptive extrapolator with prediction correction |
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU415672A1 (en) * | 1971-07-02 | 1974-02-15 | ||
SU691882A1 (en) * | 1977-07-29 | 1979-10-15 | Московский Ордена Ленина И Ордена Трудового Красного Знамени Высшее Техническое Училище Им.Н.Э.Баумана | Linear extrapolator |
SU1003108A1 (en) * | 1981-10-23 | 1983-03-07 | Предприятие П/Я А-7672 | Extrapolator |
SU1042031A1 (en) * | 1982-03-17 | 1983-09-15 | Предприятие П/Я А-3732 | Adaptive extrapolator |
US20080059547A1 (en) * | 2004-07-12 | 2008-03-06 | Atomistix A/S | Method and Computer System for Extrapolating Changes in a Self-Consistent Solution Driven by an External Parameter |
WO2010046742A1 (en) * | 2008-10-24 | 2010-04-29 | Topcon Gps, Llc | Base data extrapolator to operate with a navigation receiver in real-time kinematic (rtk) and differential global positioning system (dgps) modes |
US8452719B2 (en) * | 2010-06-29 | 2013-05-28 | Rockwell Automation Technologies, Inc. | Extrapolating empirical models for control, prediction, and optimization applications |
RU2601143C1 (en) * | 2015-05-25 | 2016-10-27 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Донской государственный технический университет" | Adaptive extrapolator |
RU2646373C1 (en) * | 2016-12-20 | 2018-03-02 | федеральное государственное бюджетное образовательное учреждение высшего образования "Донской государственный технический университет", (ДГТУ) | Device of adaptive regulation based on the joint maximum principle |
RU2675906C1 (en) * | 2017-12-15 | 2018-12-25 | федеральное государственное бюджетное образовательное учреждение высшего образования "Донской государственный технический университет", (ДГТУ) | Quasilinear adaptive predictor |
RU2740337C1 (en) * | 2020-04-03 | 2021-01-13 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации | Adaptive extrapolator with prediction correction |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Geweke et al. | Bayesian estimation of state-space models using the Metropolis–Hastings algorithm within Gibbs sampling | |
Kulikov et al. | The accurate continuous-discrete extended Kalman filter for radar tracking | |
Barabanov et al. | Discrete processes dynamics neural network simulation based on multivariate time series analysis with significant factors delayed influence consideration | |
CN104462015B (en) | Process the fractional order linear discrete system state updating method of non-gaussian L é vy noises | |
Kulikov et al. | Accurate state estimation in the Van der Vusse reaction | |
RU2780197C1 (en) | Extrapolator with adaptation for target functions | |
Das et al. | Newton’s backward interpolation: Representation of numerical data by a polynomial curve | |
CN108646248A (en) | A kind of passive acoustics for low-speed motion sound source tests the speed distance measuring method | |
RU2601143C1 (en) | Adaptive extrapolator | |
Réti et al. | A non-linear extension of the additivity rule | |
Wang | On the latent state estimation of nonlinear population dynamics using Bayesian and non-Bayesian state-space models | |
CN111340853B (en) | Multi-sensor GMPHD self-adaptive fusion method based on OSPA iteration | |
Zhang et al. | Predictive learn and apply: MAVIS application-learn | |
Volosnikov et al. | Dynamic measurement error evaluation and minimization based on FIR-filter | |
Shepelev et al. | Comparing ambient temperature account methods in neural network based city short-term load forecasting | |
Detkov | Optimal evaluation of discrete continuous markov processes from observed digital signals | |
CN110764062B (en) | Multi-component linear frequency modulation signal parameter estimation method based on fractional order Fourier domain filtering | |
RU2541919C1 (en) | Method to increase accuracy of approximation during extraction of useful signal under conditions of prior uncertainty and device that implements it | |
RU2679598C1 (en) | Method of adaptive maintenance of radar objectives and device for its implementation | |
Chaari et al. | A general non-smooth Hamiltonian Monte Carlo scheme using Bayesian proximity operator calculation | |
RU2393535C1 (en) | Device for processing of signals based on double-criteria method | |
Badhwar et al. | Noise reduction using kalman filter | |
RU2568897C1 (en) | Method of measurement of mutual delay of signals | |
RU2709785C1 (en) | Method of determining extrapolated range values and speed of approach of an aircraft with a radar object | |
RU2321053C1 (en) | Serial-parallel device for processing signals |