4.3. Методы, основанные на теории нелинейной устойчивости
4.3.1. Постановка задачи
Рассмотрим менее общую. Но более структурированную задачу. Пусть
ограниченный авторегрессивный процесс следующим образом скользящим средним АРСС, определяемый
, описывается величиной
(4.16)
где генерируемые параметры
и
- постоянные. Допустим далее, что количество переменных адаптивного фильтра является достаточным для перекрытия пространства параметров, на котором определяется
(т. е.
). Без потери общности будем считать, что
, а любые дополнительные генерируемые параметры равны нулю. Запишем выражение для ошибки
в виде:
(4.17)
Для минимизации
достаточно выбрать
. Тогда
(4.18)
и, вследствие ограниченной по входу и ограниченной по выходу устойчивости (4.16), имеем:
(4.19)
Если только устойчивое состояние достигается, то этот выбор параметров, как и следовало ожидать, обеспечивает минимальную квадратичную ошибку.
Поставленная таким образом задача расчета фильтра представляет собой переформулировку задачи идентификации выходной ошибки (см. рис. 4.2). В этом случае неизвестное АРСС - устройство имеет на входе сигнал
, а на выходе – сигнал
, возможно, оцениваемый в присутствии шума. Желательно дать несмещенную оценку или идентифицировать его внутренние параметры
и
. Это можно сделать с помощью использования параллельной модели [181], у которой такой же сигнал на входе, а на выходе - сигнал
; последний сравнивается с сигналом
на выходе устройства. Оценки параметров производятся на основании выходной ошибки. Однако имеется существенное отличие : в задаче идентификации мера рабочей характеристики, основанная на ошибке, используется лишь в качестве средства для достижения малой параметрической ошибки; в задаче фильтрации малая выходная ошибка является искомым результатом. В некоторых случаях фильтр может допускать значительную параметрическую ошибку и, тем не менее, работать удовлетворительно.