this is for holding javascript data
JackXavier edited untitled.tex
almost 8 years ago
Commit id: 21ce6bbd0e9859823b2fe40c328d0ccf0fc92b16
deletions | additions
diff --git a/untitled.tex b/untitled.tex
index 01dde5e..32e0925 100644
--- a/untitled.tex
+++ b/untitled.tex
...
$y_{t} = \gamma \cdot x_{t} + \epsilon_{t} = 0.72 \cdot x_{t} + \epsilon_{t}$ ,
где $\epsilon_{t} \sim N(0,1)$ также случайная величина. Более того предполагается, что ошибки наблюдения и сигнала не коррелируемы
(т.е ( т.е $E(\epsilon_{t-i} \upsilon_{t-j} , \forall
i,j)$). i,j)$ ). По начальной оценке сигнала и дисперсии предсказания, мы можем просимулировать
данную модель работу данной модели и посчитать результат фильтрации. Сначала необходимо посчитать усиление Калмана и предсказания и оценки дисперсий. Усиление Калмана представляет собой следующее выражение:
$K_{N} = \frac{\gamma \cdot S_{N}}{\gamma^2 \cdot S_{N} + \sigma^2_{\epsilon}}$
$S_{N} = \phi^2 \cdot p^e_{N-1} + \sigma^2_{\upsilon} $
$p^e_{N} = (1 - \gamma \cdot K_{N}) \cdot S_{N} = (1 - 0.26 \cdot K_{N}) \cdot S_{N} $