this is for holding javascript data
JackXavier edited untitled.tex
almost 8 years ago
Commit id: 7e954b706be8f9361013e059e4351c1c90267dff
deletions | additions
diff --git a/untitled.tex b/untitled.tex
index 76d35c7..5bcb0c5 100644
--- a/untitled.tex
+++ b/untitled.tex
...
$$ x_{t} = \phi \cdot x_{t-1} + u \cdot t + \upsilon_{t} = 0,26 \cdot x_{t-1} + 0,8 \cdot t + \upsilon_{t} ,$$
где $\upsilon_{t} \sim N(0,1)$ произвольная случайная величина. Уравнение наблюдение будет выглядеть следующим образом:
\begin{gather*}
\\ $$ y_{t} = \gamma \cdot x_{t} + \epsilon_{t} = 0,72 \cdot x_{t} + \epsilon_{t}
,
\\
\end{gather*} ,$$
где $\epsilon_{t} \sim N(0,1)$ также случайная величина. Более того предполагается, что ошибки наблюдения и сигнала некоррелированы ( т.е $E(\epsilon_{t-i} \upsilon_{t-j} , \forall i,j)$ ). По начальной оценке сигнала и дисперсии предсказания, мы можем просимулировать работу данной модели и посчитать результат фильтрации. Сначала необходимо посчитать усиление Калмана(Kalman Gain) и дисперсию предсказания (prediction variable) и оценки (estimation variable). Усиление Калмана представляет собой следующее выражение:
\begin{gather*}
\\