Помощь в учёбе, очень быстро...
Работаем вместе до победы

Информационная технология синтеза фильтров Пугачева для быстрой обработки информации в сингулярных стохастических системах

Диссертация: Информационная технология синтеза фильтров Пугачева для быстрой обработки информации в сингулярных стохастических системах
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В настоящее время информатику можно рассматривать как комплексную дисциплину: во-первых, это естественная наука (фундаментальные и прикладные исследования) — во-вторых — отрасль промышленности (опытно-конструкторские работы и производство) — в третьих — инфраструктурная область (профессиональная деятельность и эксплуатация систем информатизации). Как естественная наука информатика изучает общие… Читать ещё >

Содержание

  • 1. ОБЗОР РАБОТ И ПОСТАНОВКА ЗАДАЧ
    • 1. 1. Непрерывные стохастические системы
      • 1. 1. 1. Характеристики непрерывных стохастических систем
      • 1. 1. 2. Нелинейные стохастические дифференциальные системы
      • 1. 1. 3. Основные задачи анализа
    • 1. 2. Дискретные стохастические системы
      • 1. 2. 1. Характеристики дискретных систем
      • 1. 2. 2. Нелинейные дискретные стохастические системы
      • 1. 2. 3. Приведение уравнений стохастических дифференциальных систем к стохастическим разностным уравнениям
      • 1. 2. 4. Основные задачи анализа
    • 1. 3. Обзор работ в области методов и средств анализа распределений и синтеза фильтров Пугачева для обработки информации в непрерывных и дискретных СтС
    • 1. 4. Постановка основных задач
  • 2. МЕТОДЫ АНАЛИЗА РАСПРЕДЕЛЕНИЙ В СИНГУЛЯРНЫХ СТОХАСТИЧЕСКИХ СИСТЕМАХ, ОСНОВАННЫЕ НА НОРМАЛЬНОЙ АППРОКСИМАЦИИ И СТАТИСТИЧЕСКОЙ ЛИНЕАРИЗАЦИИ
    • 2. 1. Методы нормальной аппроксимации и статистической линеаризации в регулярных стохастических дифференциальных системах
      • 2. 1. 1. Уравнения для одномерного распределения
      • 2. 1. 2. Уравнения для многомерных распределений
      • 2. 1. 3. Определение стационарных процессов
    • 2. 1. 4. Уравнения нелинейной спектрально-корреляционной теории
      • 2. 1. 5. Об устойчивости процессов, определяемых методами нормальной аппроксимации и статистической линеаризации
      • 2. 1. 6. Точность метода нормальной аппроксимации
    • 2. 2. Методы нормальной аппроксимации и статистической линеаризации в сингулярных стохастических дифференциальных системах
      • 2. 2. 1. Сингулярные стохастические дифференциальные системы
      • 2. 2. 2. Уравнения одномерных распределений
      • 2. 2. 3. Уравнения для многомерных распределений
    • 2. 3. Методы нормальной аппроксимации и статистической линеаризации для регулярных дискретных стохастических систем
      • 2. 3. 1. Уравнения для параметров одно- и двумерных распределений
        • 2. 3. 2. 06. устойчивости решений, полученных по методу нормальной аппроксимации
    • 2. 4. Методы нормальной аппроксимации и статистической линеаризации для сингулярных дискретных стохастических систем
      • 2. 4. 1. Сингулярные дискретные стохастические системы
      • 2. 4. 2. Уравнения методов нормальной аппроксимации и статистической линеаризации
    • 2. 5. О нормализации сингулярных стохастических систем
    • 2. 6. О некоторых точных стационарных сингулярных решениях уравнений статистической динамики
      • 2. 6. 1. Нелинейная стохастическая дифференциальная система первого порядка
      • 2. 6. 2. Нелинейная стохастическая дифференциальная система второго порядка
      • 2. 6. 3. Нелинейная стохастическая дифференциальная система с радиальной коррекцией
      • 2. 6. 4. Нелинейные гироскопические стохастические дифференциальные системы
      • 2. 6. 5. Нелинейные стохастические дифференциальные системы с инвариантной мерой
  • Выводы по разделу
  • 3. МЕТОДЫ СИНТЕЗА ДИСКРЕТНЫХ НОРМАЛЬНЫХ ФИЛЬТРОВ ПУГАЧЕВА ДЛЯ ОБРАБОТКИ ИНФОРМАЦИИ В СИНГУЛЯРНЫХ СТОХАСТИЧЕСКИХ СИСТЕМАХ
    • 3. 1. Методы синтеза дискретных нормальных фильтров Пугачева для регулярных стохастических систем
      • 3. 1. 1. Постановка задачи
      • 3. 1. 2. Основные результаты
      • 3. 1. 3. Априорная оценка точности дискретных нормальных фильтров Пугачева
    • 3. 2. Дискретные нормальные фильтры Пугачева, основанные на методе статистической линеаризации. Фильтр Калмана
    • 3. 3. Метод синтеза дискретных нормальных фильтров Пугачева для сингулярных стохастических систем
      • 3. 3. 1. Постановка задачи
      • 3. 3. 2. Фильтр Пугачева на основе метода нормальной аппроксимации
    • 3. 4. Метод синтеза дискретных статистически линеаризованных нормальных фильтров Пугачева для сингулярных стохастических систем
  • Выводы по разделу
  • 4. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ АНАЛИЗА, ОБРАБОТКИ ПРОЦЕССОВ В СТОХАСТИЧЕСКИХ СИСТЕМАХ И
  • ИХ РЕАЛИЗАЦИЯ
    • 4. 1. Информационные технологии быстрого исследования СтС
      • 4. 1. 1. Задачи быстрого исследования информационных процессов в СтС
      • 4. 1. 2. Информационные технологии исследования стохастических систем
    • 4. 2. Этапы создания информационных технологий для быстрой обработки информации в регулярных и сингулярных стохастических системах
    • 4. 3. Основные подходы к созданию информационной технологии статистического анализа и синтеза фильтров Пугачева
    • 4. 4. Особенности критериев оценки пакетов для информационных технологий статистического анализа и синтеза фильтров Пугачева в сингулярных стохастических системах
    • 4. 5. Принципы разработки информационной технологии статистического синтеза фильтров Пугачева и особенности ее реализации
    • 4. 6. Развитие и применение ППП «СтС-Фильтр» в информационных технологиях научных исследований и учебном процессе
      • 4. 6. 1. ППП «СтС-Фильтр» (версия 1.0 MS-DOS)
      • 4. 6. 2. ППП «СтС-Фильтр» (версия 2.0)
  • Выводы по разделу

5. АВТОМАТИЗИРОВАННАЯ СИСТЕМА УЧЕТА НАЛИЧИЯ, ДВИЖЕНИЯ И КАЧЕСТВЕННОГО СОСТОЯНИЯ ТЕХНИЧЕСКИХ И ПРОГРАММНЫХ СРЕДСТВ ИТС. БАНКА РОССИИ. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ СОЗДАНИЯ И ОЦЕНКИ СИСТЕМЫ ОБСЛУЖИВАНИЯ ЗАПРОСОВ.

5.1. Общие положения.

5.2. Структура системы АСУР.

5.3. Автоматизированные рабочие места АСУР.

5.4. Категории пользователей АСУР.

5.5. Потоки данных в АСУР. Базовые информационные технологии

5.5.1. Технология первоначального наполнения типовых региональных

5.5.2. Технология ведения типовых региональных БД.

5.5.3. Технология передачи данных в центральную подсистему.

5.5.4. Технология размещения обновляющей информации в ЦБД.

5.5.5. Технология доступа пользователей к центральной БД.

5.6. Система обслуживания запросов к центральной БД.

5.7. Оценка качества системы обслуживания запросов к ЦБД АСУР

Выводы по разделу 5.

Информационная технология синтеза фильтров Пугачева для быстрой обработки информации в сингулярных стохастических системах (реферат, курсовая, диплом, контрольная)

В настоящее время информатику можно рассматривать как комплексную дисциплину: во-первых, это естественная наука (фундаментальные и прикладные исследования) — во-вторых — отрасль промышленности (опытно-конструкторские работы и производство) — в третьих — инфраструктурная область (профессиональная деятельность и эксплуатация систем информатизации). Как естественная наука информатика изучает общие свойства информации (данных и знаний), методы и системы для ее создания, накопления, обработки, хранения, передачи и распределения. Как отрасль промышленности, информатика занимается проектированием, изготовлением, сбытом и развитием систем информатизации и их компонентов. Как инфраструктурная область — сервисом и эксплуатацией систем информатизации, обучением и др. Методы и средства информатики материализуются и доходят до конечного пользователя в виде информационных технологий (ИТ). ИТ может быть определена как совокупность систематических и массовых способов создания, накопления, обработки, хранения, передачи и распределения информации (данных и знаний) с помощью средств вычислительной техники и связи. Развитие статистических методов решения задач информатики и, в первую очередь, на основе методов прикладной теории стохастических систем (СтС) является одной из важных проблем статистической информатики.

Статистическая информатика обладает обширным арсеналом эффективных статистических методов анализа и оперативной (быстрой) обработки информации. Применение методов статистической информатики резко тормозится практически полным отсутствием доступного для инженера и исследователя эффективного алгоритмического и программного обеспечения, в особенности для ПЭВМ. При этом требуются нестандартные методы исследования, в первую очередь, однои многомерных распределений процессов в линейных и нелинейных СтС.

Центральной задачей статистической информатики является задача анализа однои многомерных распределений. В задачах стандартного анализа качества сложных информационных систем обычно ограничиваются спектрально-корреляционными характеристиками. Функционирование систем в экстремальных условиях требует развития нестандартных методов анализа, основанных на однои многомерных распределениях.

Для решения задачи анализа распределений применяют следующие три принципиально различных подхода:

1) Использование прямого численного решения уравнений СтС методом Монте-Карло. Часто его называют методом статистического моделирования.

2) Непосредственное составление и интегрирование эволюционных функциональных уравнений, например, уравнений Фоккера-Планка-Колмогорова, Колмогорова-Феллера и их обобщений, а также уравнений Пугачева для характеристических функций.

3) Применение аналитических методов для приближенного решения уравнений, определяющих параметры однои многомерных распределений. К их числу относятся методы нормальной аппроксимации и статистической линеаризации, методы эквивалентной линеаризации, методы моментов, семиинвариантов, квазимоментов и их модификации, методы ортогональных разложений и др. Они позволяют по исходной СтС получить детерминированные уравнения для параметров однои многомерных распределений.

Прикладные статистические методы оперативной обработки информации в сложных информационно-измерительных и информационных системах, как в условиях нормальной эксплуатации, так и в экстремальных условиях, доказали свою практическую эффективность. Развитие статистической информатики идет как в направлении все большего усложнения моделей и методов адекватного описания, так и путем созданиясовременных вычислительных стохастических информационных технологий. Важнейшими причинами, затрудняющими использование оптимальных методов оперативной обработки информации в СтС, являются: во-первых, отсутствие необходимой априорной информации и, во-вторых, требование к быстроте реализации вычислительных статистических технологий. В настоящее время сформировались такие подходы, как минимаксный, адаптивный, самообучающиеся и др., получившие общее название гибридных. В основе быстрых версий этих подходов лежит метод условно оптимальной фильтрации Пугачева B.C. Такие нелинейные фильтры получили название фильтров Пугачева. Развитие теории условно оптимальной фильтрации Пугачева B.C. для непрерывных стохастических систем связано с именами Казакова И. Е., Мальчикова С. В., Дашевско-го М.Л., Синицына И. Н., Шина В. И., Силуяновой И. Д., Домбровского В. В., Руденко Е. А., Rool J.R., Sinha N.K. и др., а для дискретных и непрерывно-дискретных систем — Казакова И. Е., Синицына И. Н., Шина В. И., Домбровского В. В., Панкова А. Р., Борисова А. В., Rool J.R., Sinha N.K. и др.

Создание программных средств, реализующих методы условно оптимальной фильтрации, представляет собой нетривиальную задачу. Сложность задачи заключается в том, что программное обеспечение должно автоматически, по исходным нелинейным стохастическим уравнениям объекта и измерительной системы, составлять и решать систему уравнений высокого порядка для определения неизвестных параметров распределения переменных состояния и их оценок, а также вычислять коэффициенты фильтра Пугачева. Известное программное обеспечение для синтеза фильтров Пугачева в основном представляет отдельные программы, предназначенные для решения конкретных прикладных задач фильтрации измерений в морской, авиационной, ракетно-космической и медицинской технике. Вопросы синтеза фильтров Пугачева для сингулярных СтС в настоящее время не поднимались.

Целью работы является разработка методов, алгоритмов и информационных технологий синтеза фильтров Пугачева для оперативной обработки информации в сингулярных стохастических системах на основе методов нормальной аппроксимации и статистической линеаризации. Для достижения сформулированной цели ставятся следующие основные задачи:

1) Построить прикладную теорию нормальной аппроксимации (статистической линеаризации) однои многомерных распределений в непрерывных и дискретных сингулярных СтС.

2) Разработать комплекс эффективных методов, алгоритмов и программного обеспечения, основанных на методах нормальной аппроксимации и статистической линеаризации для анализа качества сингулярных СтС.

3) Разработать комплекс эффективных методов, алгоритмов и программного обеспечения для синтеза нормальных фильтров Пугачева для оперативной обработки информации в сингулярных СтС.

4) Оценить эффективность разработанных методов статистического анализа и оперативной обработки информации в информационно-измерительных и банковских информационных системах.

В работе использованы современные методы теории вероятностей и математической статистики, стохастического анализа и теории стохастических дифференциальных уравнений, теории оптимального оценивания и управления, вычислительные методы информатики. В работе получены новые теоретические результаты в области статистической информатики, среди которых выделяются следующие:

1) Получены уравнения метода нормальной аппроксимации (МНА) однои многомерных распределений в непрерывных и дискретных сингулярных СтС.

2) Выведены уравнения метода статистической линеаризации (MCJI) однои многомерных распределений в непрерывных и дискретных сингулярных СтС.

3) Разработаны методы синтеза дискретных нормальных фильтров Пугачева на базе МНА и MCJI для сингулярных СтС.

Практическая ценность работы состоит в том, что она является основой для создания современных информационных технологий статистического анализа и синтеза сложных информационно-измерительных и информационных систем. На основе результатов разработано:

1) универсальное алгоритмическое и программное обеспечение «СтС-Фильтр» (версия 2.0) в среде библиотеки MATLAB;

2) специальное алгоритмическое и программное обеспечение для решения задач учета и анализа качества информационных ресурсов Банка России.

Результаты диссертации реализованы в 4-х НИР ИЛИ РАН (1999;2003 гг.), Госконтракте № 10 002−251/ОИТВС-01/097−098/210 503−180, а также в Проектах РФФИ (№№ 01−01−758 и 04−01−270).

Результаты работы докладывались на следующих международных и всероссийских конференциях:

1) I Всероссийская конференция «Спектральные методы обработки информации в научных исследованиях» (Спектр-2000), Пущино, 2000;

2) VII Международная научная конференция «Информационные технологии в печати» (Москва, 2000);

3) III Международная научно-техническая конференция «Кибернетика и технологии XXI века» (С&Т-2002), Воронеж, 2002;

4) II Международная конференция «Идентификация систем и задачи управления» (SICPRO), Москва, 2003;

5) III Международная конференция «Идентификация систем и задачи управления» (SICPRO), Москва, 2004;

6) VI международная научно-техническая конференция «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» (Распознавание2003), Курск, 2003;

7) Межрегиональная научно-практическая конференция «Интеллектуальные информационные технологии» (Интеллект-2003), Тула, 2003;

8) JOURNEES 2003 Astrometry, Geodynamics and Solar System Dynamics: from Milliarcseconds to Microarcseconds, St. Peterburg, 2003; а также научных семинарах под руководством профессоров Казакова И. Е., Синицына И. Н., Андреева Ю.С.

Список публикаций насчитывает 12 позиций. Материалы также опубликованы в 10 научно-технических отчетах ИПИРАН, НИКФИ, МГУП и Банка России.

Диссертация состоит из введения, пяти разделов, заключения и трех приложений.

Выводы по разделу 5.

1) Разработаны принципы построения и системно-технические решения по созданию автоматизированной системы учета наличия, движения и качественного состояния технических и программных средств Банка России. Система введена в эксплуатацию в 2003 г.

2) Разработано специальное программное обеспечение для распределенной системы АСУР.

3) Разработаны методы, алгоритмы и специальное программное обеспечение в среде MATLAB для анализа качества системы обслуживания и сбора данных в центральной БД АСУР.

ЗАКЛЮЧЕНИЕ

.

На защиту выносятся следующие основные результаты:

1) Метод нормальной аппроксимации (МНА) однои многомерных распределений в непрерывных и дискретных сингулярных стохастических системах.

2) Метод статистической линеаризации (MCJT) для однои многомерных распределений в непрерывных и дискретных сингулярных стохастических системах.

3) Методы, алгоритмы и технологии синтеза дискретных нормальных фильтров Пугачева на базе МНА и MCJT для обработки информации в сингулярных стохастических системах.

4) Программное обеспечение «СтС-Фильтр» в составе библиотеки MATLAB.

5) Специальное алгоритмическое и программное обеспечение для задач расчетного обоснования точности акселерометров летательных аппаратов в экстремальных условиях.

6) Информационные технологии и специальное программное обеспечение для решения задач учета информационных активов в крупных организациях в составе автоматизированной системы учета наличия, движения и качественного состояния технических и программных средств ИТС Банка России (АСУР). Методы и алгоритмы оценки качества функционирования подсистемы обслуживания запросов к ЦБД АСУР, на основе нормализации СтС.

Показать весь текст

Список литературы

  1. С.С. Численные методы решения задачи Коши для систем обыкновенных и стохастических дифференциальных уравнений. — Новосибирск: Изд. ВЦ СО РАН, 1993.
  2. Р. Наведение в космосе. М.: Машиностроение, 1966.
  3. А.А. Введение в динамику сложных управляемых систем. М.: Наука. 1985.
  4. М.Л. Синтез условно оптимальных фильтров на основе уравнений оптимальной нелинейной фильтрации // Автом. и телемех., 1981, № 10, С.35−42.
  5. Джонатан Эйнджел Управление имеющимися активами // LAN. ЖУРНАЛ СЕТЕВЫХ РЕШЕНИЙ. № 12, 1999
  6. В.И., Синицын И. Н. Элементы концепции персональных систем обработки изображений // В кн.: «Системы и средства информатики». Ежегодник. М.: Наука, вып. 1, 1989, С. 66−74.
  7. A.M. Идентификация и фильтрация измерений состояния стохастических систем. М.: Наука, 1979.
  8. И.Е. Синтез условно оптимального управления по локальному критерию в нелинейных (непрерывных) стохастических системах // Автом. и телемех., 1987, № 12, С.72−80.
  9. И.Е. Условно оптимальное управление в нелинейных дискретных стохастических системах // Изд. АН СССР. Техническая кибернетика, 1988, № 3, С.165−169.
  10. Ю.Казаков И. Е., Гладков Д. В. Методы оптимизации стохастических систем. М.: Наука. Гл. ред. физ.-мат. лит., 1987.
  11. И.Е., Мальчиков С. В. Приближенное построение фильтров Пугачева заданной сложности // Автом. и телемех., 1981, № 12, С.48−55.
  12. Э.Р. Дискретные условно оптимальные фильтры с памятью //Докл. РАН, 1992, т.324, № 1, С.35−38.
  13. Э.Р. Разработка и реализация информационной технологии синтеза фильтров Пугачева. Дис. на соиск. уч. ст. к.т.н., Москва, 1998.
  14. И.Кузнецов Д. Ф. Численное интегрирование стохастических дифференциальных уравнений. СПб.: Изд. С.-Петербургского государственного университета, 2001.
  15. Ли Че Управление активами // LAN. ЖУРНАЛ СЕТЕВЫХ РЕШЕНИЙ. № 10, 1998
  16. В.В., Кибзун А. И. Анализ и синтез систем высокоточного управления летательными аппаратами. М.: Машиностроение, 1987.
  17. Н.Н. Введение в MATLAB 6. М.: Изд. Кудиц-образ, 2002.
  18. В.И., Кушко В. Л. Методы обработки измерений. М.: Радио и связь, 1983.
  19. .И., Булатов В. В., Ломейко Н. П., Попов А. П., Хлебников Г. А. Командно-измерительные приборы. М.: Министерство обороны СССР, 1975.
  20. .Н., Синицын И. Н. Краткий очерк научной, педагогической, научно-организационной и общественной деятельности акад. В.С.Пугачева// В кн. «Академик В.С.Пугачев». М.: Наука, 1987.
  21. А.Р. Минимаксные методы оценивания и оптимизация процессов в неопределенно стохастических системах. Дис. на соиск. уч. ст. д.ф.-м.н., Москва, 1998.
  22. А.Р. Рекуррентная условно-минимаксная фильтрация процессов в разностных нелинейных стохастических системах // Изд. АН СССР. Техническая кибернетика, 1992, № 3, С.63−70.
  23. А.Р. Рекуррентное оценивание траекторий динамических систем с помощью регрессионных нелинейных фильтров // Статистическиеметоды в теории управления JTA: Тем. сб. научн. тр. МАИ. М.: Изд. МАИ, 1990, С.45−53.
  24. А.Р., Босов А. В. Робастное рекуррентное оценивание процессов в стохастических системах // Автом. и телемех., 1992, № 9, С. 102−110.
  25. B.C. (19 626, 1966, 1974г). Основы автоматического управления. М.: Наука, 1−3-е изд.
  26. B.C. Конечномерные распределения процессов, определяемых стохастическими дифференциальными уравнениями, и экстраполяция таких процессов//Докл. АН СССР, 1980, т.251, № 1, С.40−43.
  27. B.C. Обобщение теории условно оптимального оценивания и экстраполяции // Докл. АН СССР, 1982, т.262, № 3, С.535−538.
  28. B.C. Оценивание переменных и параметров в дискретных нелинейных системах // Автом. и телемех., 1979, № 4, С.39−50.
  29. B.C. Оценивание переменных и параметров в стохастических системах, описываемых дифференциальными уравнениями // Докл. АН СССР, 1978, т.241, N5, С. 1031 -1034.
  30. B.C. Оценивание состояния и параметров марковских систем при дискретных измерениях// Автом. и телемех., 1979, № 7, С.43−55.
  31. B.C. Оценивание состояния и параметров непрерывных нелинейных сисем // Автом. и телемех., 1979, № 6, С.63- 79.
  32. B.C. Рекуррентное оценивание переменных и параметров в марковских системах при дискретных измерениях // Докл. АН СССР, 1979, т.244, № 5, С. 1077−1080.
  33. B.C. Рекуррентное оценивание переменных и параметров в стохастических системах, описываемых разностными уравнениями // Докл. АН СССР, 1978, т.243, № 5, С. 1131−1133.
  34. B.C. Рекуррентное оценивание переменных и параметров в стохастических системах, описываемых уравнениями авторегрессии // Докл. АН СССР, 1978, т.241, № 6, С.1269−1272.
  35. B.C. Теория вероятностей и математическая статистика М.: Наука, 1979, Пер. на англ. яз.: Изд. Pegramon Press, 1984. Пер. на фр. яз.: Изд. MIR, 1982.
  36. B.C. Управление летными испытаниями летательных аппаратов как средство повышения их надежности // В кн.: Проблемы надежности летательных аппаратов. М.: Машиностроение, 1985, С.25−37.
  37. B.C. Условно оптимальная фильтрация и экстраполяция непрерывных процессов // Автом. и телемех., 1984, № 2, С.82−89.
  38. B.C., Синицын И. Н. Направления развития математического обеспечения для исследования стохастических систем // В кн.: Информатика: проблемы, перспективы. М.: Наука, 1986, С.30−48.
  39. B.C., Синицын И. Н. Прикладные методы анализа стохастических систем // Вестник МАИ, 1994, т.1, № 1, С.39−47.
  40. B.C., Синицын И. Н. Современное состояние и перспективы развития математического обеспечения для исследования стохастических систем // Тез. докл. Всесоюзн. совещ. «Проблемы управления-89». Ташкент, 1989, т. 1, С.504−505.
  41. B.C., Синицын И. Н. Стохастические дифференциальные системы. М.: Наука, 1985, 1990. Пер. на англ. яз.: Изд. John Wiley, 1987.
  42. B.C., Синицын И. Н. Стохастические системы. Теория и программное обеспечение // Труды юбилейной сессии Отделения информатики, вычислительной техники и автоматизации РАН, 1993, т.1, С.75−93.
  43. B.C., Синицын И. Н. Теория стохастических систем. М.: Изд-во «Логос», 2000 и 2003. (1 и 2 изд.) Англ. пер.: Stochastic Systems. Theory and Applications. Singapore, World Scientific, 2001.
  44. B.C., Синицын И. Н., Корепанов Э. Р., Хатунцев А. П., Шин В.И., Синицын В. И. Новые информационные технологии исследования стохастических систем на ПЭВМ // В кн.: «Системы и средства информатики». Ежегодник. М.: Наука, 1993, вып. 4, С. 128−137.
  45. B.C., Синицын И. Н., Шин В.И. Проблемы анализа и условно оптимальной фильтрации в реальном масштабе времени процессов внелинейных стохастических системах // Автом. и телемех., 1987, № 12, С.3−24.
  46. B.C., Синицын И.Н:. Прикладные методы анализа стохастических систем // Вестник МАИ, 1994, т.1, № 1, С.39−47.
  47. Е.А. Адаптивный дискретный нелинейный фильтр для реализации на борту ЛА // Управление и навигация ЛА в условиях параметрической неопределенности: Тем. сб. науч. тр. МАИ. М.: Изд. МАИ, 1991, С.23−30.
  48. Е.А. Оптимальная конечномерная нелинейная фильтрация марковских последовательностей и диффузионных процессов. Дис. на соиск. уч. ст. канд. физ.-мат. наук, Москва, 1997.
  49. Е.А. Оптимальная структура дискретных алгоритмов конечномерной непрерывно-дискретной нелинейной фильтрации при марковских помехах // Оптимизация алгоритмов обработки информации и управления: Тем. сб. науч. тр. МАИ. М.: Изд. МАИ, 1992, С.62−70.
  50. Е.А. Оптимальная структура дискретных нелинейных фильтров произвольного порядка // Статистические методы в теории управления ЛА: Тем. сб. науч. тр. МАИ. М.: Изд. МАИ, 1990, С.53−60.
  51. И.Н., Корепанов Э. Р. Информационная технология сбора и обработки информации от независимых источников. // В кн.: «Системы и средства информатики». Ежегодник. М.: Наука, 1999. Вып. 9.
  52. И.Н., Мощук Н. К., Шин В.И. Общая теория условно оптимальной фильтрации процессов в стохастических дифференциальных системах// В кн.: «Системы и средства информатики». Ежегодник. М.: Наука, 1995. вып. 7. С.75−85.
  53. И.Н., Мощук Н. К., Шин В.И. Условно оптимальная фильтрация процессов в стохастических дифференциальных системах по байе-совым критериям//Докл. РАН, 1993, т. ЗЗО, № 4, С.436−439.
  54. И.Н., Шин В.И. Оценивание состояния и параметров в дискретных стохастических системах по сложным статистическим критериям // Докл. АН СССР, 1991, т. 320, № 4, С.818−820.
  55. И.Н., Шин В.И. Условно оптимальная фильтрация процессов в стохастических дифференциальных системах по сложным статистическим критериям //Докл. АН СССР, 1991, т.320, № 4, С.814−817.
  56. И.Н., Шин В.И., Корепанов Э. Р. Теория условно-оптимальной фильтрации стохастических процессов по сложным статистическим критериям // В кн.: «Системы и средства информатики». Ежегодник. -М.: Наука, 1993, вып. 5, С.106−120.
  57. А.Н. Системы дифференциальных уравнений, содержащие малые параметры при производных. Матем. сб., 1952, т. 31/73, № 3, С. 576−586.
  58. Уэнди Боггс, Майкл Боггс. UML и Rational Rose. М.: Издательство «Лори», 2000.
  59. С.М. Программная реализация теории условно оптимальной фильтрации и условно оптимального управления в задачах анализа и синтеза линейных стохастических управляемых систем // Техническая кибернетики, 1994, № 4, С.64−70.
  60. Mohinder S. Grewal, Lawrence R. Weill, Angus P. Andrews Global Positioning Systems, Inertial Navigation and Integration. New York, Wiley, 2001.
  61. Pankov A.R., Borisov A.V. Optimal filtering in stochastic discrete-time systems with unknown inputs // IEEE Trans. Autom. Control, 1994, V.AC.-39, n.12, p.2461−2464.
  62. Pugachev V.S. Conditionally optimal estimation in stochastic differential systems // Automatica, 1982, vol. 18, № 6, p.685−696.
  63. Pugachev V.S. Conditionally optimal estimation in systems with randomly varying structure // In: Preprints of the IXth World Congress of the International Federation of Automatic Control. Budapest, Hungary, July 2−6. 1984. Budapest, 1984, vol.7, p.1−5.
  64. Pugachev V.S. Estimation of Markov processes // In: Time Series Proceedings of the International Conference. Nottingham, March 1979. Amsterdam etc.: North Holland, 1980, p.389−400.
  65. Pugachev V.S. The finite dimensional distributions of a random process determined by a stochastic differential equation and their application to control problems // Probl. Of Control and Inform. Theory, 1981, vol. 10, № 2, p.95−114.
  66. Pugachev V.S., Siluyanova I.D. A method of normalization as an approximate method for stochastic system research // IFAC VHth Triennial World Congress. Helsinki: Helsinki Univ. teehn. 1978. V.3. p.2147−2152.
  67. Pugachev V.S., Sinitsyn I.N. Stochastic Systems. Theory and Applications. -Singapore, World Scientific, 2001.
  68. SO.Pugachev V.S., Sinitsyn I.N., Korepanov E.R., Sinitsyn V.I. Analyticall research problems in stochastic differential systems // In book: Advanced Mathematics, Computations and Applications, 1995, NCC Publisher Novosibirsk, p.629−648.
  69. Raol J.R., Sinha N.K. On Pugachev’s filtering theory for stochastic nonlinear systems // Second IFAC Symposium on Stochastic Control. Preprints. -Vilnius, USSR, May 1986. Part 1. p. 195−200.
  70. Sinitsyn I.N. Problems of signal analysis and conditionally optimal processing in stochastic differential systems // Proceedings: Latvian Signal Processing International Conference, Riga, 1990, V.2, p.60−64.
  71. Sinitsyn I.N. Stochastic hereditary control systems // Problems of Control and Information Theory, 15(4), 1986, p.287−298.
Заполнить форму текущей работой

Пора сдавать?