this is for holding javascript data
Mikhail Kuzmin edited section_x_k_begin_equation_x___.tex
almost 8 years ago
Commit id: 9c78347a2852235a6224ef3e4af48fd5f310fd33
deletions | additions
diff --git a/section_x_k_begin_equation_x___.tex b/section_x_k_begin_equation_x___.tex
index f99f13b..0e790f7 100644
--- a/section_x_k_begin_equation_x___.tex
+++ b/section_x_k_begin_equation_x___.tex
...
\end{equation} $a$ - параметр
$\varepsilon_k$ -- это ошибка модели, которая является случайной величиной \\
\begin{equation}
$z = b \cdot x_k + \eta_k$
\end{equation}
-- полученное значение с некоторого сенсора \\
$E({e_k+1}^{2}) \begin{equation}
E({e_k+1}^{2}) = \frac{{ \sigma_\eta }^{2}(E{e}^{2}_k + {\sigma }^{2}_\varepsilon )}{{e}^{2}_k + {\sigma }^{2}_\varepsilon + {\sigma
}^{2}_\eta}$ }^{2}_\eta}
\end{equation}
-- средние значение квадрата ошибки \\
$E({e}^{2}_k) \begin{equation}
E({e}^{2}_k) = E({\eta}^{2}_0) = {\sigma}^{2}_\eta
$ \end{equation}
-- база иттерации \\
$K_{k+1} \begin{equation}
K_{k+1} =\frac{E{e}^{2}_k + {\sigma}^{2}_\varepsilon }{E{e}^{2}_k + {\sigma}^{2}_\varepsilon +{\sigma}^{2}_\eta} = \frac {E({e}^{2}_{k+1})} {{\sigma}^{2}_\eta}
$ \end{equation}
-- усиление Калмана \\
$ \begin{equation}
{x}^{opt}_{k+1} = K_{k+1} z_{k+1} + (1 - K_{k+1}) (a \cdot {x}^{opt}_k +
k)$ k)
\end{equation}
-- оптимальное отфильтрованное значение \\
$ \begin{equation}
{x}^{opt}_0 = z_0
$ \end{equation}
-- база интерации