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

Методы эллипсоидальной аппроксимации распределений в задачах нелинейного анализа и оперативной обработки информации в стохастических системах

Диссертация: Методы эллипсоидальной аппроксимации распределений в задачах нелинейного анализа и оперативной обработки информации в стохастических системах
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Первый подход состоит в использовании прямого численного решения уравнений СтС методом Монте-Карло. Часто этот метод называют методом статистического моделирования (МСМ). В случае стохастических дифференциальных систем (СДС) этот метод сводится к численному интегрированию уравнений СДС со статистическим моделированием приращений винеровского и пуассоновских процессов на каждом шаге… Читать ещё >

Содержание

  • 1. ЭЛЛИПСОИДАЛЬНАЯ АППРОКСИМАЦИЯ РАСПРЕДЕЛЕНИЙ
    • 1. 1. Принцип эллипсоидальной аппроксимации распределений. Полиномы, ортогональные по отношению к гамма и хи-квадрат распределениям
      • 1. 1. 1. Вводные замечания
      • 1. 1. 2. Принцип эллипсоидальной аппроксимации
      • 1. 1. 3. Программное обеспечение для расчетов рГ)"(и) и qr>u (u)
    • 1. 2. Свойства полиномов 5″ (и) и (и)
      • 1. 2. 1. Вводные замечания
      • 1. 2. 2. Полиномы 5″ (и) и их свойства
      • 1. 2. 3. Полиномы SrjU (u) и их свойства
    • 1. 3. Разложение плотностей неотрицательных случайных величин по полиномам 5″ (и) и SrfV (u)
      • 1. 3. 1. Разложение по полиномам S"(u)
      • 1. 3. 2. Разложение плотности случайного вектора по полиномам 5Г)1/(и)
      • 1. 3. 3. Согласованность разложений вектора и его проекций по полиномам Sr, v (u)

      1.4. Моменты и характеристическая функция случайного вектора при эллипсоидальной аппроксимации его плотности вероятности 50 1.4.1. Моменты квадратической формы при эллипсоидальной аппроксимации плотности

      1.4.2. Моменты случайного вектора при эллипсоидальной аппроксимации плотности

      1.4.3. Рекуррентные формулы для моментов различного порядка случайного вектора с эллипсоидальным распределением

      1.4.4. Характеристическая функция и моменты при эллипсоидальной аппроксимации плотности

      1.5. Нахождение распределения нелинейных функций эллипсоидального случайного аргумента

      1.5.1. Моменты функций эллипсоидального случайного аргумента

      1.5.2. Нахождение функции и плотности распределения нелинейной функции эллипсоидального случайного аргумента

      1.5.3. Некоторые точные распределения функций эллипсоидального случайного аргумента

      1.6. Оценка точности эллипсоидальной аппроксимации распределений

      1.6.1. Предварительные замечания

      1.6.2. Оценка точности по вероятностям попадания на множества

      1.6.3. Нахождение эллипсоида с заданной вероятностью попадания

      1.6.4. Оценка точности по начальным моментам

      1.6.5. Применение к задачам воздушной стрельбы в условиях эллипсоидальных ошибок

      Выводы по разделу

      2. МЕТОДЫ ЭЛЛИПСОИДАЛЬНОЙ АППРОКСИМАЦИИ ОДНО- И МНОГОМЕРНЫХ РАСПРЕДЕЛЕНИЙ В СТОХАСТИЧЕСКИХ СИСТЕМАХ

      2.1. Уравнения стохастических дифференциальных систем

      2.1.1. Уравнения стохастических дифференциальных систем

      2.1.2. Достаточные условия существования многомерных распределений в стохастических дифференциальных системах

      2.1.3. Центральная задача теории стохастических дифференциальных систем

      2.2. Метод эллипсоидальной аппроксимации одномерного распределения в стохастических дифферен циальных системах

      2.2.1. Вводные замечания

      2.2.2. Уравнения для математического ожидания и ковариационной матрицы

      2.2.3. Уравнения для коэффициентов разложения

      2.2.4. Стационарные распределения

      2.2.5. Асимптотическаяк. устойчивость режимов, определяемых по методу эллипсоидальной аппроксимации

      2.2.6. Вырожденные случаи метода эллипсоидальной аппроксимации

      2.2.7. Типовые интегралы и рекуррентные формулы метода эллипсоидальной аппроксимации

      2.3. Метод эллипсоидальной аппроксимации многомерных распределений в стохастических дифференциальных системах

      2.3.1. Вводные замечания

      2.3.2. Уравнения для коэффициентов разложения

      2.3.3. Стационарные распределения

      2.3.4. Типовые интегралы и рекуррентные формулы

      2.4. Эллипсоидальная аппроксимация распределений в дискретных и непрерывно-дискретных стохастических системах

      2.4.1. Уравнения дискретных стохастических систем

      2.4.2. Уравнения для параметров эллипсоидальной аппроксимации одномерного распределения

      2.4.3. Об асимптотическойк. устойчивости режимов, определяемых по методу эллипсоидальной аппроксимации

      2.4.4. Уравнения для параметров эллипсоидальной аппроксимации многомерных, распределений

      2.4.5. Метод эллипсоидальной аппроксимации для дискретных автокоррелировапных шумов

      2.4.6. Метод дискретной эллипсоидальной аппроксимации для непрерывно-дискретных стохастических систем

      2.5. Методы определения точных распределений эллипсоидальной структуры в линейных стохастических системах

      2.5.1. Метод интегральных уравнений

      2.5.2. Метод дифференциальных уравнений

      2.6. Эллипсоидальный анализ в стохастических системах на основе метода эллипсоидальной аппроксимации распределений

      2.6.1. Расчет эллипсоидальных одномерных распределений в стохастических дифференциальных системах

      2.6.2. Расчет эллипсоидальных многомерных распределений в стохастических дифференциальных системах

      2.6.3. Расчет эллипсоидальных распределений в дискретных стохастических системах

      2.6.4. Программное обеспечение метода эллипсоидальной аппроксимации

      2.6.5. Статистическая динамика нуль-ипдикатора скорости

      JIA в условиях вибраций

      2.6.6. Точные эллипсоидальные распределения в нормальных стационарных нелинейных стохастических дифференциальных системах второго порядка

      2.6.7. Точные эллипсоидальные распределения в 2п-мерных нормальных стационарных нелинейных стохастических дифференциальных системах

      2.6.8. Точные эллипсоидальные распределения в многомерной нормальной стационарной градиентной стохастической системе

      2.6.9. Эллипсоидальные распределения с инвариантной мерой в многомерных стохастических дифференциальных системах

      Выводы по разделу

      3. МЕТОДЫ ЭЛЛИПСОИДАЛЬНОЙ ЛИНЕАРИЗАЦИИ В СТОХАСТИЧЕСКИХ СИСТЕМАХ

      3.1. Эллипсоидальная линеаризация нелинейностей

      3.1.1. Эллипсоидальная линеаризация детерминированных нелинейностей

      3.1.2. Эллипсоидальная линеаризация стохастических нелинейностей

      3.1.3. Модификации метода эллипсоидальной линеаризации

      3.1.4. Обобщения МЭЛ

      3.2. Метод эллипсоидальной линеаризации для нахождения одномерных распределений

      3.2.1. Уравнения метода эллипсоидальной линеаризации для одномерных плотностей

      3.2.2. Стационарные распределения

      3.2.3. Асимптотическаяк. устойчивость режимов, определяемых по методу эллипсоидальной линеаризации

      3.2.4. Уравнения метода эллипсоидальной линеаризации для одномерных характеристических функций

      3.3. Метод эллипсоидальной линеаризации для нахождения многомерных распределений

      3.3.1. Уравнения метода эллипсоидальной линеаризации

      3.3.2. Эллипсоидально-линеаризированные спектрально-корреляционные уравнения

      3.4. Метод эллипсоидальной линеаризации для нелинейных дискретных стохастических систем

      3.4.1. Одномерные распределения

      3.4.2. Многомерные распределения

      3.4.3. Эллипсоидально-линеаризированые спектрально-корреляционные уравнения

      3.4.4. Обобщения дискретного МЭЛ

      3.5. Метод эллипсоидальной линеаризации, основанный на канонических разложениях Лоэва-Карунена-Пугачева

      3.5.1. Эллипсоидальная линеаризация нелинейностей посредством канонических разложений Лоэва-Карунена-Пугачева

      3.5.2. Об уравнениях метода эллипсоидальной линеаризации посредством канонических разложений

      3.5.3. Обобщения

      3.6. Эллипсоидальный анализ распределений в стохастических системах на основе метода эллипсоидальной линеаризации 174 3.6.1. Особенности методов расчета одно- и многомерных распределений на основе метода эллипсоидальной линеаризации

      3.6.2. Стохастические колебания маятникового акселерометра в условиях гармонической и случайной поступательной вибрации

      3.6.3. Статистическая динамика гиромаятникового акселерометра в экстремальных динамических условиях 183

      Выводы по разделу

      4. МЕТОДЫ ЭЛЛИПСОИДАЛЬНОЙ АППРОКСИМАЦИИ И ЛИНЕАРИЗАЦИИ В БЕСКОНЕЧНОМЕРНЫХ СТОХАСТИЧЕСКИХ СИСТЕМАХ

      4.1. Гильбертовы стохастические дифференциальные системы

      4.1.1. Определения

      4.1.2. Достаточные условия существования, единственности ик. непрерывности режимов

      4.1.3. Уравнения для многомерных характеристических функционалов

      4.1.4. Конечномерная аппроксимация стохастических дифференциальных уравнений

      4.2. Банаховы (с базисом) стохастические системы

      4.2.1. Банаховы (с базисом) стохастические дифференциальные системы

      4.2.2. Дискретные гильбертовы и банаховы стохастические системы

      4.3. Методы эллипсоидальной аппроксимации и линеаризации в бесконечномерных стохастических системах

      4.3.1. Эллипсоидальная аппроксимация в гильбертовых (банаховых) стохастических системах

      4.3.2. Эллипсоидальная линеаризация в гильбертовых (банаховых) стохастических системах

      4.3.3. Обобщения МЭА и МЭЛ

      4.3.4. Особенности методов расчета эллипсоидальных распределений в бесконечномерных стохастических системах

      4.3.5. Струнный акселерометр в условиях вибраций

      4.4. Эллипсоидальная аппроксимация распределений процессов в общей теории стохастических систем

      4.4.1. Определение стохастической системы по Пугачеву

      4.4.2. Основные типы соединений стохастических систем и их условные вероятностные меры

      4.4.3. Условные вероятностные меры для типовых соединений стохастических систем

      4.4.4. Эллипсоидальные стохастические системы

      4.4.5. Применение метода эллипсоидальной линеаризации для анализа распределений в общей теории стохастических систем

      Выводы по разделу

      5. МЕТОДЫ СИНТЕЗА ЭЛЛИПСОИДАЛЬНЫХ УСЛОВНО И СУБОПТИМАЛЬНЫХ ФИЛЬТРОВ ДЛЯ ОПЕРАТИВНОЙ ОБРАБОТКИ ИНФОРМАЦИИ В СТОХАСТИЧЕСКИХ СИСТЕМАХ

      5.1. Методы синтеза дискретных эллипсоидальных условно оптимальных фильтров, идентификаторов и экстраполяторов

      5.1.1. Вводные замечания

      5.1.2. Постановка задачи синтеза дискретных эллипсоидальных условно оптимальных фильтров и идентификаторов

      5.1.3. Уравнения дискретного эллписоидального условно оптимального фильтра

      5.1.4. Уравнения линеаризованного дискретного эллипсоидального условно оптимального фильтра

      5.1.5. Априорная оценка точности дискретных эллипсоидальных условно оптимальных фильтров

      5.1.6. Дискретные эллипсоидальные условно оптимальные экстраполяторы

      5.2. Методы синтеза эллипсоидальных субоптимальных фильтров, основанные на уравнениях Закаи-Уонхэма и методе эллипсоидальной аппроксимации

      5.2.1. Вводные замечания

      5.2.2. Эллипсоидальные субоптимальные фильтры, основанные на методе эллипсоидальной аппроксимации

      5.3. Методы синтеза эллипсоидальных субоптимальных фильтров, основанные на методе эллипсоидальной линеаризации

      5.3.1. Эллипсоидальные субоптимальпые фильтры, основанные па эллипсоидальной линеаризации

      5.3.2. Эллипсоидальные субоптимальные фильтры, основанные на эллипсоидальной линеаризации посредством канонических разложений Лоэва-Карупена-Пугачева

      5.4. Модифицированные эллипсоидальные условно оптимальные фильтры

      5.4.1. Вводные замечания

      5.4.2. Эллипсоидальные условно оптимальные фильтры, основанные на уравнении Закаи-Уонхэма

      5.4.3. Обобщения модифицированных эллипсоидальных условно оптимальных фильтров

      5.5. Синтез нелинейных эллипсоидальных условно оптимальных фильтров

      5.5.1. Программное обеспечение синтеза эллипсоидальных условно оптимальных фильтров

      5.5.2. Дискретный ЭУОФ для радиолокационной системы

      5.5.3. Стохастические модели флуктуаций вращательного движения Земли

      5.5.4. Управление функционированием и контроль информационных систем

      Выводы по разделу

Методы эллипсоидальной аппроксимации распределений в задачах нелинейного анализа и оперативной обработки информации в стохастических системах (реферат, курсовая, диплом, контрольная)

Актуальность работы. Современная прикладная теория стохастических систем (СтС) обладает обширным арсеналом эффективных статистических методов анализа и оперативной (быстрой) обработки информации. Применение методов прикладной теории СтС резко тормозится практически полным отсутствием доступного для инженера и исследователя эффективного алгоритмического и программного обеспечения, в особенности для ПЭВМ, а также ограниченными возможностями современных ПЭВМ особенно для систем высокой размерности, работающих в экстремальных динамических условиях. .А ведь именно высокая размерность характерна для большинства математических моделей систем авиационно-космической техники. При этом требуются нелинейные методы исследования, в первую очередь, однои многомерных распределений процессов в конечнои бесконечномерных СтС.

Центральной задачей прикладной теории СтС является задача анализа однои многомерных распределений. В задачах линейного анализа качества сложных динамических систем обычно ограничиваются спектрально-корреляционными характеристиками. Функционирование систем в экстремальных динамических условиях требует развития нелинейных методов анализа, основанных на однои многомерных распределениях.

Для решения задачи анализа распределений применяют следующие три принципиально различных подхода. Обширная биобиблиография работ содержится в [154].

Первый подход состоит в использовании прямого численного решения уравнений СтС методом Монте-Карло. Часто этот метод называют методом статистического моделирования (МСМ). В случае стохастических дифференциальных систем (СДС) этот метод сводится к численному интегрированию уравнений СДС со статистическим моделированием приращений винеровского и пуассоновских процессов на каждом шаге интегрирования, а также к статистическому моделированию начальных условий и последующей статистической обработке полученных реализаций. При реализации МСМ для нелинейных и параметрических задач ключевой проблемой является задача разработки стохастических аналогов формулы Тейлора и специальных вычислительных методов аппроксимации повторных стохастических интегралов. Слабо развита теория многошаговых численных схем. К недостаткам МСМ можно отнести необходимость проведения большого количества моделирования реализаций для получения приемлемой точности и сильный рост объёмов вычислительных экспериментов с увеличением размерности вектора состояния, что затруднительно выполнить оперативно в реальном масштабе времени. Широчайшее использование МСМ обусловлено небольшой вычислительной трудоёмкостью исследования СтС и простотой программной реализации МСМ. Кроме того, МСМ позволяет включать в процесс моделирования некоторые реальные элементы моделируемой системы или их действующие макеты, а также людей, участвующих в работе системы.

Второй подход, например, применительно к СДС состоит в непосредственном составлении и интегрировании эволюционных функциональных уравнений, например, уравнений Фоккера-Планка-Колмого-рова, Колмогорова-Феллера и их обобщений и уравнений Пугачева для характеристических функций. Этот подход позволил найти точные решения для ряда простых СДС. Для многомерных СтС единственным путем решения эволюционных функциональных уравнений является численное интегрирование на высокопроизводительных средствах вычислительной техники (СВТ) и, в первую очередь, суперЭВМ и с использованием GRID технологий. В настоящее время использование рассматриваемого подхода для задач анализа многомерных СтС даже для высокопроизводительных СВТ проблематично.

Третий подход состоит в применении 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. Эти методы позволяют по исходной СтС получить детерминированные уравнения для параметров однои многомерных распределений. Основной трудностью практического применения упомянутых методов, особенно для многомерных СтС, является чрезвычайно быстрый рост числа уравнений для параметров распределений с увеличением размерности вектора состояния. Сокращение числа уравнений для параметров распределений возможно только путем введения дополнительных ограничений на структуру распределения. Существенный вклад в развитие методов параметризации распределений внесли.

Пугачев B.C., Доступов Б. Г., Казаков И. Е., Сипицин И. Н., Мальчиков С. В., Евланов Л. Г., Демух В. И., Шайкин М. Е., Шин В. И., Мощук Н. К., Кузнецов П. И., Стратонович Р. Л., Тихонов В. И., Малахов А. Н., Лип-пер Р.Ш., Первозванский А. А., Богуславский И. А., Пупков К. А., Бутон Р. К., Альберендт Н., Кемпе Ф., Фокс Р.Ф.

Радикальным подходом к сокращению числа уравнений для параметров распределения является подход, основанный на параметризации структуры распределения. Так, как обнаружено автором [175, 177, 179], радикального сокращения числа уравнений для параметров распределения удается добиться для эллипсоидальной структуры распределения.

Прикладные статистические методы оперативной обработки информации в сложных динамических системах как в условиях нормальной эксплуатации, так и в экстремальных условиях, доказали свою практическую эффективность. Развитие прикладной теории стохастических систем идет как в направлении всё большего усложнения моделей и методов адекватного описания, так и путём создания современных вычислительных стохастических информационных технологий. Важнейшей причиной, затрудняющей использование оптимальных методов оперативной обработки информации в СтС, является, во-первых, отсутствие необходимой априорной информации и, во-вторых, требование к быстроте реализации вычислительных стохастических технологий. В настоящее время сформировались такие подходы, как минимаксный, адаптивный, самообучающиеся и др., получившие общее название гибридных. В основе оперативных версий этих подходов лежат методы условно оптимального оценивания В. С. Пугачева, развитые Дашевским M. JL, Шином В. И., Силуяновой И. Д., Синициным И. Н., Казаковым И. Е., Шайкиным М. Е., Мощуком Н. К., Корепановым Э. Р., Белоусовым В. В., Ушмаевым О. С., Раол Дж., Синха Н., Ли У., Чо Ю., О М.

Цели и задачи работы. Целью работы является разработка прикладных статистических методов нелинейного анализа и оперативной обработки информации в конечнои бесконечномерных стохастических системах на основе методов эллипсоидальной аппроксимации и линеаризации.

Для достижения сформулированной цели ставятся следующие задачи.

1) Построить прикладную теорию эллипсоидальной аппроксимации и линеаризации однои многомерных распределений в непрерывных, дискретных и непрерывпо-дискретпых нелинейных стохастических системах.

2) Разработать комплекс эффективных методов, алгоритмов и программного обеспечения, основанных на методах эллипсоидальной аппроксимации и линеаризации для нелинейного анализа распределений в стохастических системах.

3) Разработать комплекс эффективных методов, алгоритмов и программного обеспечения для синтеза нелинейных эллипсоидальных условно оптимальных и субоптимальных фильтров для оперативной обработки информации стохастических системах.

4) Оцепить эффективность разработанных методов статистического анализа и оперативной обработки информации в задачах статистической теории воздушной стрельбы, динамической точности акселерометров ЛА в экстремальных динамических условиях, а также синтеза подсистем оперативной обработки, контроля и управления в крупномасштабных информационно-управляющих системах высокой точности и доступности.

Методы исследования. В работе использованы современные методы теории вероятностей и математической статистики, стохастического анализа и теории стохастических дифференциальных уравнений, теории оптимального оценивания и управления, численные методы, алгоритмы и программное обеспечение функционального анализа.

Научная новизна. В работе получены новые теоретические результаты в области статистического системного анализа и оперативной обработки информации, среди которых выделяются следующие.

1) Теория эллипсоидальной аппроксимации (ЭА) плотностей случайных векторов плотностями эллипсоидальной структуры. Свойства таких плотностей, определяющих их полиномов, характеристических функций и моментов. Теория распределений нелинейных функций эллипсоидального случайного аргумента.

2) Метод эллипсоидальной аппроскимации (МЭА) однои многомерных распределений в непрерывных, дискретных и непрерывно-дискретпых нелинейных СтС. Методы вычисления интегралов для типовых нелинейностей. Примеры точных решений для многомерных СтС.

3) Метод эллипсоидальной линеаризации (МЭЛ) (в том числе и на основе канонических разложений Лоэва-Карунена-Пугачева) одно-и многомерных распределений в непрерывных, дискретных и непрерывно-дискретных нелинейных СтС. Методы вычисления интегралов для типовых нелинейностей.

4) МЭА и МЭЛ для нахождения однои многомерных распределений в бесконечномерных гильбертовых и банаховых (с базисом) нелинейных СтС. Свойства эллипсоидальных СтС Пугачева.

5) Методы синтеза дискретных эллипсоидальных условно оптимальных и субоптимальных фильтров, экстраполяторов и интерполяторов на базе МЭА и МЭЛ (в том числе уравнения Закаи-Уонхэма и.

МЭА) для оператвной обработки информации в нелинейных СтС.

6) Научные основы условно оптимального синтеза систем контроля и управления в крупномасштабных информационно-управляющих системах высокой точности и доступности.

Практическая ценность работы состоит в том, что она является основой для создания современных стохастических информационных технологий нелинейного анализа и синтеза сложных динамических информационных систем авиакосмической техники, в том числе функционирующих в условиях экстремальных динамических воздействий, а также крупномаштабных информационно-управляющих систем высокой точности и доступности. На основе результатов разработано:

1) универсальное алгоритмическое и программное обеспечение МЭА, МЭЛ и синтеза фильтров Пугачева (библиотеки NALIB, TRANSSTATLIB, ППП «СтС-АНАЛИЗ», «СтС-ФИЛЬТР» и их MATLAB функции;

2) специальное алгоритмическое и программное обеспечение для задач воздушной стрельбы, расчетного обоснования точности акселерометров ЛА в экстремальных условиях, а также синтеза подсистем оперативной обработки, контроля и управления в крупномасштабных информационно-управляющих системах высокой точности и доступности.

Апробация работы и публикации. Результаты работы докладывались на 32 международных и всероссийских конференциях по системному анализу, управлению, прикладной информатике, а также научных семинарах под руководством академиков РАН В. С. Пугачева, Воронова А. А., Самарского А. А., Наумова Б. Н., Куржанского А. В., Кузнецова Н. А., Журавлева Ю. И., Мизина И. А. Коровина С.К., Бурцева B.C., член-корреспондентов РАН Реутова А. П., Соколова И. А., Петрова В. В., Рудакова К. В., Четверушкина Б. Н., профессоров Казакова И. Е., Буравлева А. И., Солодова А. В., Кибзуна А. И., Лотоцкого В. А., Рыкова А.С.

Исследования и разработки были поддержаны 6 грантами РФФИ и контрактами Отделения информационных технологий и вычислительных систем РАН.

Публикации. Основные результаты диссертации опубликованы в 8 книгах и монографиях, в 41 статьях, препринтах и сборниках трудов, список которых приведен в конце работы, а также в 50 научно-технических отчетах МАИ, ИПИ РАН, ФГУП ЦНИИ «Комета» и др. организаций.

Структура и объём работы. Диссертация состоит из введения, пяти разделов, заключения и приложения. Содержание работы изложено на 363 страницах машинописного текста, иллюстрировано 8 рисунками и 2 таблицами.

Список использованных источников

составляет 235 наименований.

ВЫВОДЫ ПО РАЗДЕЛУ 5.

1. Разработаны методы синтеза дискретных эллипсоидальных условно оптимальных фильтров, экстраполяторов и интерполяторов па базе МЭА и МЭЛ.

2. Развиты методы синтеза модифицированных эллипсоидальных субоптимальных фильтров, основанные на уравнениях Закаи-Уонхэма и МЭА.

3. Получены уравнения субоптимальных эллипсоидальных фильтров на базе МЭЛ. Особое внимание уделено фильтрам, основанным на КР.

4. Развит общий подход к синтезу модифицированных условно оптимальных фильтров на базе уравнений Закаи-Уонхэма и МЭА. Предложены 4 класса алгоритмов синтеза структурных функций эллипсоидальных условно оптимальных фильтров.

5. Решены задачи синтеза эллипсоидальных условно оптимальных фильтров для оперативной обработки информации и контроля в рамках договорных работ ИПИ РАН с МЧС России, Банком России, ФГУП «Комета» и др.

ЗАКЛЮЧЕНИЕ

.

На защиту выносятся следующие результаты:

1) Теория эллипсоидальной аппроксимации плотностей случайных векторов плотностями эллипсоидальной структуры. Свойства эллипсоидальных плотностей и определяющих их полиномов.

2) Теория распределений нелинейных функций эллипсоидального случайного аргумента.

3) Метод эллипсоидальной аппроксимации (МЭА) однои многомерных распределений в непрерывных, дискретных и непрерывно-дискретных нелинейных стохастических систем. Методы вычисления интегралов для типовых нелинейностей.

4) Метод эллипсоидальной линеаризации (МЭЛ) в том числе и на основе канонических разложений Лоэва-Карунена-Пугачева для одно-и многомерных распределений в непрерывных, дискретных и непрерывно-дискретных нелинейных стохастических систем.

5) МЭА и МЭЛ для нахождения однои многомерных распределений в бесконечномерных гильбертовых и банаховых (с базисом) нелинейных стохастических систем.

6) Применение МЭЛ для анализа эллипсоидальных распределений в общей теории конечнои бесконечномерных стохастических систем. Свойства эллипсоидальных стохастических систем Пугачева и их соединений.

7) Методы синтеза дискретных нелинейных эллипсоидальных условно оптимальных фильтров, экстраполяторов и интерполяторов на базе МЭА и МЭЛ для оперативной обработки информации в нелинейных стохастических системах.

8) Методы синтеза непрерывных и дискретных эллипсоидальных условнои субоптимальных фильтров, основанные на уравнениях Закаи-Уонхэма и МЭА (МЭЛ).

9) Алгоритмическое и программное обеспечение в составе библиотек NALIB, TRANSSTATLIB, МАТЬ, А В и ППП «СтС-АНАЛИЗ», «СтС-ФИЛЬТР» .

10) Специальное алгоритмическое и программное обеспечение для задач воздушной стрельбы, расчетного обоснования точности акселерометров летательных аппаратов в экстремальных условиях, а также синтеза подсистем оперативной обработки, контроля и управления в крупномасштабных информационно-управляющих системах высокой точности и доступности.

Показать весь текст

Список литературы

  1. Дж. Стохастические системы. М.:Мир. 1987.
  2. Н., Кемпе Ф. (N.Ahlbehrendt, V. Kempe). Analyse Stochastischer Systeme. Berlin: Akademie-Verlag. 1984.
  3. А.А., Витт А. А., Понтрягин Jl.С. О статистическом рассмотрении динамических систем // ЖЭТФ. Т. З. Вып.З. 1933. С.165−180.
  4. С.С. Численные методы решения задачи Коши для систем обыкновенных и стохастических дифференциальных уравнений. Новосибирск: Изд. ВЦ СО РАН. 1993.
  5. С.С., Михайличенко И. Г., Синицын И. Н. Статистическое моделирование сложных финансовых операций. Новосибирск: Изд. ВЦ СО РАН. Кн.1 и 2. 1996.
  6. С.И., Меднов А. Н., Букшин А. Ф., Иоффе З. А., Лыр-щиков П.К. Боевая живучесть летательных аппаратов. -М.: Воениздат. 1983.
  7. А.В. Прикладной функциональный анализ. М.: Наука, 1980.
  8. А.И. Оценки качества нелинейных систем регулирования. М.: Наука. 1982.
  9. Г., Эрдейи А. Высшие трансцендентальные функции. М.: Наука. 1966.
  10. Библиотека программ «NALIB» для решения научно-технических задач на ПЭВМ типа IBM PC, PS/2 и совместимых с ними (версия 1.0). Руководство пользователя. ИПИ РАН. МНТК «Персональные ЭВМ», 1993.
  11. Библиотека программ «NALIB» для решения научпо-техничес-ких задач на ПЭВМ типа IBM PC, PS/2 и совместимых с ними (версия 2.0). Руководство пользователя. Т.1, 2, 3. ИПИ РАН, МНТК «Персональные ЭВМ», Москва, 1994.
  12. П. Сходимость вероятностных мер. М.: Наука. 1977.
  13. Н.Н., Митропольский Ю. А. Асимптотические методы в теории нелинейных колебаний. -М.: Наука. 1974.
  14. И.А. Статистический анализ многомерной динамической системы при использовании полиномов Эрмита многих переменных// Автоматика и телемеханика, N 7. 1969. С.36−51.
  15. А.В., Босов А. В., Сипицыи В. И., Чавтараев Р. Б. Проблемы построения систем мониторинга исполнительных органов государственной власти // Системы и средства информатики. Вып.12. -М.: Наука, 2002. С.3−28.
  16. Н.П. Моделирование сложных систем. М.: Наука.
  17. Н.П., Калашников В. В., Коваленко И. Н. Лекции по теории сложных систем. М.: Сов. радио. 1973.
  18. Р.К. (R.C.Booton). Nonlinear control systems with random inputs // Trans. IRE, V. CT-1. 1954. P.9−18.
  19. К.К., Крашенинников. Синицын И. Н., Синицын В. И. Представление и быстрая обработка многомерных изображений // Наукоемкие технологи. N 4. 2002. С.4−25.
  20. С., Икэда Н. Стохастические дифференциальные уравнения и диффузионные процессы. М.: Наука. 1986.
  21. .В., Синицын В. П., Хафизов М. У. Сборник задач по функциональному анализу. Учебное пособие. -М.: Изд. МАИ. 1997.
  22. А.А. Основы теории автоматического управления. -М.: Энергия. 4.1−3. 1965, 1966, 1970.
  23. А.А. Устойчивость, управляемость, наблюдаемость. -М.: Наука. 1979.
  24. А.А. Введение в динамику сложных управляющих систем. М.: Наука. 1985.
  25. Ф.Р. Теория матриц. -М.: Наука. 1967.
  26. Т.Г. Разложение n-мерных законов распределения в ряд Эджворта // Изв. АН Азерб. ССР. Сер. физ.-техн. и мат. наук. N 4. 1966. С.237−246.
  27. Дж.В. Термодинамика. Статистическая механика. М.: Наука. 1982.
  28. Н.Н., Скороход А. В. Стохастические дифференциальные уравнения. Киев: Наукова думка. 1968.
  29. Н.Н., Скороход А. В. Теория случайных процессов. -М.: Наука. Т.1−3. 1971, 1973, 1975.
  30. И.С., Рыжик И. М. Таблицы интегралов, сумм, рядов и произведений. М.: Наука. 1971.
  31. Ю., Крейн М. Г. Устойчивость решений дифференциальных уравнений в банаховом пространстве. М.: Наука. 1970.
  32. Дашевский M. J1. Приближенный анализ точности нестационарных нелинейных систем методом семиинвариантов // Автоматика и телемеханика. N И. 1967. С.62−81.
  33. Дашевский M. J1. Уравнения семиинвариантов нелинейной динамической системы // Автоматика и телемеханика. N 10. 1968. С.63−71.
  34. Дашевский M.JI. A semiinvariant method of closing the equations for moments in statistical analysis of nonlinear systems // Пробл. упр. и теории информ. V.4. N 4. 1975. Р.317−326.
  35. Дашевский M. J1. Техническая реализация моментно-семи-ипвариантного метода анализа случайных процессов // Автоматика и телемеханика. N 10. 1976. С.23−26.
  36. Дашевский M. J1. Синтез условно оптимальных фильтров на основе уравнений оптимальной нелинейной фильтрации // Автоматикаи телемеханика. N 10. 1981. С.35−42.
  37. М.Л., Липцер Р. Ш. Приближенный анализ нелинейных нестационарных динамических систем // Автоматика и телемеханика. N 8. 1967. С.32−43.
  38. М.Л., Липцер Р. Ш. Приближенный анализ точности нестационарных нелинейных систем методом семиинвариантов // Автоматика и телемеханика. N 11. 1967. С.62−81.
  39. Е.З. Линейная и нелинейная регрессии. М.: Финансы и статистика. 1981.
  40. Г. Б. Таблицы интегралов и другие математические формулы. М.: Наука. 1966.
  41. X., Никольс Н., Филлипс Р. Теория следящих систем. М.: ИЛ. 1951.
  42. .Г. (ред.). Статистические методы в проектировании нелинейных систем автоматического управления. М.: Машиностроение. 1970.
  43. .Г., С.В.Емельянов Б. Г., Казаков И. Е., Кибзун А. И., Кузнецов Н. А., Мизин И. А., Синицып И.Н., Синицын В. И. Обзор научных трудов академика В.С.Пугачева // Автоматика и Телемеханика. N 11. 1998. С.8−20.
  44. Я.П. Структура и представление моделей стохастических сигналов. Киев: Наукова думка. 1980.
  45. Дуб Дж. Вероятностные процессы, М.: ИЛ. 1956.
  46. Д.Б. (D.B.Duncan). Response of linear time dependent systems to random inputs// Journ. Appl. Phys. V.24. 1953. P.609−611.
  47. Л.Г. Контроль динамических систем (2-е изд.). М.: Наука. 1979.
  48. С.В. Новые типы обратной связи. Управление при неопределенности. М.: Наука. 1997.
  49. С.М. Метод Монте-Карло и смежные вопросы. М.: Наука. 1975
  50. С.М., Михайлов Г. А. Статистическое моделирование. 2-е изд., дополн. М.: Наука. 1982.
  51. С.М., Некруткин В. В., Сипин А. С. Случайные процессы для решения классических уравнений математической физики. М.: Наука. 1984.
  52. JI.A. (L.A.Zadeh). On a Class of Stochastic Operators// Journ. Math. Phys. V.32. 1953. P.48−53.
  53. M. (Zakai M.) On the optimal filtering of diffusion processes // Ztschr. Wahrschein lichkeitstheor. verm. Geb. 1969. Bd. P.230−243.
  54. И.Е. Приближенный вероятностный аиализ точности работы существенно нелинейных систем // Автоматика и телемеханика. N 5. 1956. С.385−409.
  55. И.Е. Статистический анализ систем с многомерными нелинейностями // Автоматика и телемеханика. N 3. 1965. С.463−469.
  56. И.Е. Статистическая теория систем управления в пространстве состояний. М.: Наука. 1975.
  57. И.Е. Статистическая динамика систем с переменной структурой. М.: Наука. 1977.
  58. И.Е., Артемьев В. М. Оптимизация динамических систем случайной структуры. М.: Наука. 1980.
  59. И.Е., Мальчиков С. В. Анализ стохастических систем в пространстве состояний. М.: Наука. 1983.
  60. Е.П. Основы теории эффективности воздушной стрельбы и бомбометания. -М.: Машиностроение. 1991.
  61. Н.Н. Численные методы. -М.: Наука. 1978.
  62. А.Г., Шин В.И. Модифицированные семиинвари-антные методы анализа нелинейных стохастических систем // Автоматика и телемеханика. N 2. 1986. С.69−79.
  63. P.JI. и Рао А.Р. Построение динамических стохастических моделей по экспериментальным данным. М.: Наука. 1983.
  64. А.И., Кан Ю.С. (A.I.Kibzun, Yu.S.Kan). Stochastic Programming Problems with Probability and Quantile Functions. Chichester: Wiley. 1996.
  65. П., Платен E. (P.Kloeden, E. Platen). The Numerical Solution of Stochastic Differential Equations. Berlin-Heidelberg-New York: Springer. 1992.
  66. A.H. Об аналитических методах в теории вероятностей // Успехи мат. наук. 1938. N 5. С.5−41.
  67. А.Н. Основные понятия теории вероятностей. -М.: Наука. 1974.
  68. А.Н., Фомин С. В. Элементы теории функций и функционального анализа. -М.: Наука. 1980.
  69. Т.Д., Шин В.И. Приближенный метод определения моментов фазовых координат многомерных стохастических систем // Автоматика и телемеханика. N 1. 1990. С.43−52.
  70. Г., Корн Т. Справочник по математике. М.: Наука. 1984.
  71. Э.Р. Разработка и реализация информационной технологии синтеза фильтров Пугачева. Автореф.дис.канд.техн. наук. М.: ИПИ РАН. 1998.
  72. B.C., Портенко Н. И., Скороход А. В., Турбин А. Ф. Справочник по теории вероятностей и математической статистике. -М.: Наука. 1985.
  73. Г. Математические методы статистики. М.: Мир. 1975.
  74. Г., Литбеттер М. Стационарные случайные процессы. Свойства выборочных функций и их приложения. М.: Мир. 1969.
  75. А.А. (ред.). Справочник по теории автоматического управления. М.: Наука. 1987.
  76. Л.Д. Математический анализ. -М.: Высшая школа. 1973.
  77. Д.Ф. Численное моделирование стохастических дифференциальных уравнений и стохастических интегралов. СПб. Наука. 1999.
  78. Д.Ф. Численное интегрирование стохастических дифференциальных уравнений. Изд-во С.-Петербургского Университета. 2001.
  79. Р.Д. Управляемое ракетное оружие авиации: Учебное пособие. 4.1. УР класса «воздух-воздух». М. 1975.
  80. Р.Д. Системы наведения ракет класса «воздух-поверхность»: Учебное пособие. М. 1981.
  81. Г. Дж. (Kushner H.J.) On the Differential Equations Satisfied by the Conditional Diesities of Markov Processes with Applications. J. SIAM Control. Ser.A. 1964. 2. P.106−119.
  82. Г. Дж. (Kushner H.J.) On the Dynamical Equations of Conditional Probability Density Functions with Applicatoins to Optimal Stochatic Control Theory. J.Math. Anal. Appl. 1964. 8. P.332−344.
  83. Г. Дж. (Kushner H.J.) Dynamical Equations for Optimal Nonlinear Filtering. J. Differential Equations. 1967. 3. P.179−1990.
  84. Д.Х. и Беттин Р.Г. Случайные процессы в задачах автоматического управления. М.: ИЛ. 1958.
  85. М., Г.Линдгрен, Н. Ротсен Экстремумы случайных последовательностей и процессов. М.: Мир. 1986.
  86. Р.Ш., Ширяев А. Н. Статистика случайных процессов. М.: Наука. 1974.
  87. М. Теория вероятностей. -М.: ИЛ. 1962.
  88. Е.Ю., Мошук Н. К., Синицып И. Н. Анализа нелинейных стохастических систем. Стационарные и периодические решения. Методы исследования и математическое обеспечение // Inzenyrska mechanics 1992. BRNO. CSFR. P. l-14.
  89. B.B., Кибзун А. И. Анализ и синтез высокоточного управления летателььными аппаратами. -М.: Машиностроение. 1987.
  90. С.В. Приближенный метод определения законов распределения фазовых координат нелинейных автоматических систем // Автоматика и телемеханика. N 5. 1970. С.43−51.
  91. С.В. Приближенный метод статистического анализа динамических систем, содержащих нелинейности мультипликативного типа // Автоматика и телемеханика. N 10. 1973. С.3−38.
  92. С.В. Определение закона распределения выходных переменных многомерной нелинейной системы / / Автоматика и телемеханика. N 1. 1973. С.16−21.
  93. Ю.Г., Синицын И. Н. Распределение флуктуаций движения полюса Земли // ДАН. Т.390. N3. 2003. С.343−346.
  94. Ю.Г., Синицын И. Н. Многомерные распределения флуктуаций движения полюса Земли // ДАН. Т.391. N2. 2003. С.194−198.
  95. Ю.Г., Дасаев Д. Д., Перепелкин В. В., Синицын И. Н., Синицын В. И. Стохастические модели вращения Земли с учетом влияния Луны и планет // Космические исследования. 2004. N4. С.10−21.
  96. Дж. Статистически оптимальные линейные оценки и управление. -М.: Энергия. 1973.
  97. И.О., Пухова Т. А., Усков Г. В. Многомерная статистическая линеаризация функций, содержащих множители степенного, показательного и тригонометрического типов // Автоматика и телемеханика. N 12. 1967. С.65−75.
  98. И.О., Пухова Т. А., Усков Г. В. Применение корреляционной системы уравнений для анализа точности в задачах динамики полета// Нелинейные и оптимальные системы. М.: Наука. 1971. С.246−263.
  99. К.Д. Численный анализ нелинейных систем с помощью уравнений Фоккера-Планка-Колмогорова // Труды II Международного конгресса ИФАК по автоматическому управлению. М.:1. Изд-во АН СССР. 1963.
  100. Д. Введение в статистическую теорию связи. М.: Сов. радио. Т.1. 1961. Т.2. 1962.
  101. Г. Н. Численное интегрирование стохастических дифференциальных уравнений. Свердловск: Изд. Свердл. ун-та. 1988.
  102. Ф.А. Теория и методы исследования нестационарных линейных систем. М.: Наука. 1986.
  103. А.С., Яглом A.M. Статистическая гидромеханика. -М.: Наука. 4.1. 1965.
  104. А.С., Яглом A.M. Статистическая гидромеханика. -М.: Наука. 4.2. 1967.
  105. Дж., Коррисин С. (Morton J., Corrisin S.) Experimental Confirmation of the Applicability of the Fokker-Planck Equation to Nonlinear Oscillator //J. Math. Phys. 1969. 10. 361.
  106. H.K. Приближенный метод определения конечномерных распределений вектора состояния в стохастических дифференциальных системах // Автоматика и телемеханика. N 1. 1994. С.72−87.
  107. Н.К., Синицын И. Н. О стохастических неголономных системах// ПММ. Т.54. Вып.2. 1990. С.213−223.
  108. Н.К., Синицын И.Н. On stationary distributions in nonlinear stochastic differential systems // Quart. J. Mech. and Appl. Math. N 4. 1991. P.571−579.
  109. H.K., Синицын И. Н. Распределения с инвариантной мерой в механических стохастических системах // Докл. АН России. Т.322. N 4. 1992. С.662−667.
  110. Р.В. Точность приборов управления установками летательных аппаратов: Учебное пособие. М.: 1977.
  111. .И. Гироскопические устройства. -М.: Изд. МО СССР. 1970.
  112. .Н. Теория нелинейных автоматических систем. Частотные методы. М.: Наука. 1972.
  113. Н.Н., Разевиг В. Д. О вычислении коэффициентов сноса марковского процесса по стохастическому уравнению динамической системы// Автоматика и телемеханика. N 4. 1976. С.46−54.
  114. Н.Н., Разевиг В. Д. Методы цифрового моделирования стохастических дифференциальных уравнений и оценка их погрешностей// Журн. вычислит, матем. и мат. физики. Т.18. N 1. 1978. С.106−117.
  115. А.Ф., Суслов С. К., Уваров В. Б. Классические ортогональные полиномы дискретной переменной. М.: Наука. 1985.
  116. К.Ю. Введение в статистическую теорию управления. М.: Мир. 1973.
  117. В.В. Статистические методы в гидролокации (модели, алгоритмы, решения). JL: Судостроение. 1983.
  118. А.Р. Оптимизация алгоритмов оценивания параметров стохастических систем в условиях неопределенности // Автоматика и телемеханика. N 7. 1985.
  119. А.Р. Методы идентификации регрессионных моделей в условиях неопределенности //В кн. «Задачи стохастического управления». -М.: Изд. МАИ. 1986.
  120. А.А. Случайные процессы в нелинейных автоматических системах. М.: Физматгиз. 1962.
  121. В.П. Статистический синтез импульсных систем. М.: Сов. радио. 1956.
  122. Дж., Сабзук Ж (G. Prato, J. Zabczyk). Stochastic Equations in Infinite Dimensions. Cambridge University Press. 1992.
  123. Ю.В., Розанов Ю. А. Теория вероятностей. Основные понятия, предельные теоремы, случайные процессы. М.: Наука. 1967.
  124. B.C. Случайные функции, определяемые обыкновенными дифференциальными уравнениями // Тр. ВВА им. Н. Е. Жуковского. Т.118. 1944. С.3−36.
  125. B.C. Теория случайных функций и ее применение к задачам автоматического управления. М.: Физматгиз, 1−3-е изд. 1957, 1960, 1962.
  126. B.C. Применение теории марковских процессов к анализу точности автоматических систем // Изв. АН СССР ОТН. Энергетика и автоматика. N 3. 1961. С.46−57.
  127. B.C. Основы автоматического управления. М.: Наука, 1−3-е изд. 1962, 1966, 1974.
  128. B.C. Теория вероятностей и математическая статистика. М.: Наука. 2002.
  129. B.C. Конечномерные распределения процессов, определяемых стохастическими дифференциальными уравнениями, и экстраполяция таких процессов // Докл. АН СССР. Т. 251. N 1. 1980. С.540−543.
  130. B.C. Стохастические дифференциальные уравнения в гильбертовых пространствах // Докл. АН России. Т.336. N 6. 1994. С.741−744.
  131. B.C. Стохастические дифференциальные уравнения в гильбертовых пространствах // Дифференциальные уравнения. N 3. 1995. С.456−464.
  132. B.C. Стохастические дифференциальные уравнения в банаховых пространствах с базисом // Докл. АН России. Т.342. N 5. 1995. С.592−595.
  133. B.C. Лекции по функциональному анализу. М.: Изд. МАИ. 1996.
  134. B.C. Теория вероятностей и математическая статистика. -М.: Физматлит. 2-е изд. 2002.
  135. B.C., Кибзун А. И., Панков А. Р. Проблема оценивания в неопределнно-стохастических системах // Сборник избранных работ по грантам в области информатики, радиоэлектроники и систем управления. С.-Петербург. 1994. С.5−11.
  136. B.C., Силуянова И.Д. A method of normalization as an approximate method for stochastic system research // IFAC Vllth Triennial World Congress. Helsinki: Helsinki Univ. teehn. 1978. V.3. P.2147−2152.
  137. B.C., Синицын И. Н. Стохастические дифференциальные системы. Анализ и фильтрация. М.: Наука, 2-е изд. 1990 Англ. пер.: Stochastic Differential Systems. Analysis and Filtering. — Chichester, New York: John Wiley, 1987.
  138. B.C., Сипицып И. Н. Направления развития математического обеспечения для исследования стохастических систем //В кн.: Информатика: проблемы, перспективы. М.: Наука. 1986. С.30−38.
  139. B.C., Синицын И. Н. Приближенные методы статистического анализа распределенных стохастических систем // Системы и средства информатики. М.: Наука. Вып.2. 1992. С.146−154.
  140. B.C., Синицын И. Н. Стохастические системы. Теория и программное обеспечение // Юбилейный сборник трудов институтов Отделения информатики, вычислительной техники и автоматизации РАН. М.: Т. 1. 1993. С.75−93.
  141. B.C., Синицын И. Н. Прикладные методы анализа стохастических систем // Вестник МАИ. N 1. 1994. С.39−47.
  142. B.C., Синицын И. Н. Стохастические дифференциальные уравнения в гильбертовых пространствах для некоторых случай-пых функций векторного аргумента// Докл. АН России. Т.346. N 3. 1996. С. 1−4.
  143. B.C., Сипицып И. Н. Стохастические дифференциальные уравнения со случайной изменяющейся структурой в банаховых пространствах // Вестн. МГУ. Сер.1, Математика. Механика. N 6. 1996. С.86−89.
  144. B.C., Синицын И. Н. Теория стохастических систем. -М.: Изд. АО «Советник». 1997.
  145. B.C., Синицын И. Н. (Pugachev V.S., Sinitsyn I.N.) Stochastic Systems. Theory and Applications. World Scientific. 2001.
  146. B.C., Синицын В. И. Функциональный анализ // Машиностроение. Энциклопедия. Раздел 1. Инженерные методы расчетов. Том.1. Математика. -М.: Машиностроение. 2003. С.540−582.
  147. B.C., Синицын И. Н. Теория стохастических систем (2-е издание исправленное и дополненное). -М.: Изд. Логос. 2004.
  148. B.C., Синицын И. Н., Зацман И. М., Чередниченко А. А., Шип В.И. Перспективы применения ПЭВМ для исследования стохастических систем / / Тез .докл. Всесоюзной конференции «Иифор-матика-87», Ереван. 1987. С.110−111.
  149. B.C. Синицын И. Н., Корепанов Э. Р., Шин В.И., Синицын В, И. Новые информационные технологии исследования стохаотических систем на ПЭВМ // Системы и средства информатики. Вып.4. -М.: Наука, 1993. С.138−154.
  150. B.C., Синицын И. Н., Корепанов Э. Р., Синицын В.И. Analysis Research Problems in Stochastic Differential Systems // Proceedings of International Conference (AMCA-95). Novosibirsk, NCC Publisher. 1995. P.629−648.
  151. B.C., Синицын И. Н., Синицын В. И., Чередниченко А. А., Шин В.И. Проблемы разработки математического обеспечения для проектирования дискретных условно оптимальных фильтров // Системы и средства информатики. Вып.2. М.: Наука, 1992. С.28−36.
  152. B.C., Синицын И. Н., Синицын В. И., Шин В.И. Новые методы анализа стохастических систем // Системы и средства информатики. Вып.4. -М.: Наука, 1993. С.
  153. B.C., Синицын И. Н., Чередниченко А. А., Шин В.И., Синицын В. И. Математическое обеспечение для анализа многомерных нелинейных стохастических систем // Автоматика и телемеханика. N 1. 1991. С.87−97.
  154. К.А. Статистический расчет нелинейных систем автоматического управления. М.: Машиностроение. 1965.
  155. К.А., Капалин В. И., Ющенко А. С. Функциональные ряды в теории нелинейных систем. М.: Наука. 1976.
  156. В.Д. Цифровое моделирование многомерных динамических систем при случайных возмущениях // Автоматика и телемеханика. N 4. 1980. С.177−180.
  157. С.С. Теория гироскопических устройств. 4.2. -Л.: Судпромгиз. 1964.
  158. У., Холлистер У., Денхард У. Теория проектирования и испытания гироскопов. -М.: Мир. 1972.
  159. .Л. Эволюционные стохастические системы. М.: Наука. 1983.
  160. В.А. Теория операторов. М.: Изд. МГУ. 1986.
  161. В.К. Численное решение уравнений случайных процессов. -М.: Изд. МАИ. 1989.
  162. А.А. Прикладные методы теории случайных функций. Л.: Судпромгиз. 1961.
  163. Э. Меле Дж. Теория оценивания и ее применение в связи и управления. М.: Связь. 1976.
  164. В.В. Уравнения обобщенной характеристической функции вектора состояния автоматической системы // Аналитические методы синтеза регуляторов. Саратов: Сарат. политехи, ин-т. Вып.2. 1977. С.3−36.
  165. И.Д. Приближенное исследование одноканальной системы обслуживания методом нормализации // Автоматика и телемеханика. N 11. 1975. С.23−27.
  166. Силуянова И.Д. The finite-dimensional distributions of the outputs of one class of non-linear systems // Пробл. упр. и теории информ. V.ll. N 6. 1982. Р.407−418.
  167. В.И. Новый приближенный метод нахождения одномерного распределения векторного процесса, определяемого стохастическим дифференциальным уравнением // Докл. АН СССР. Т.309. N 3. 1989. С.541−544.
  168. В.И. Эллипсоидальная аппроксимация распределений //в Препринте ИПИ АН СССР «Уравнения, определяющие распределения в стохастических дифференциальных системах». Эллипсоидальная аппроксимация распределений. -М.: ИПИ АН СССР. 1990. С.13−55.
  169. В.И. Нахождение многомерных распределений процесса, определяемого стохастическим дифференциальным уравнением методом эллипсоидальной аппроксимации // Докл. АН СССР. Т.320. N 2. 1991. С.280−283.
  170. В.И. Метод эллипсоидальной аппроксимации в задачах анализа и фильтрации процессов в стохастических системах // Системы и средства информатики. М.: Наука. Вып.2. 1992. С. 154 160.
  171. В.И. Метод эллипсоидальной аппроксимации распределений в задачах анализа процессов в стохастических системах. Диссертация на соискание ученой степени кандидата физико-математических наук. М.: МАИ. 1994.
  172. В.И. Теория эллипсоидальной аппроксимации распределений в стохастических дифференциальных системах / / Системы и средства информатики. Вып.10. -М.: Наука, 2000. С.116−127.
  173. В.И. Теория эллипсоидальной аппроксимации распределений в дискретных стохастических системах // Системы и средства информатики. Специальный выпуск. Математические методы информатики. -М.: Наука, Физматлит, 2001. С.32−36.
  174. И.Н. Автоколебания струнного генератора при аддитивной помехе // Автоматика и телемеханика. N 12. 1967. С.173−176.
  175. И.Н. О статистической линеаризации стохастических нелинейностей // Реф. докл. 5 Всесоюзн. совещания по проблемам управления. М.: Наука. 4.1. 1971. С.50−52.
  176. И.Н. Методы статистической линеаризации (Обзор) // Автоматика и телемеханика. N 5. 1974. С.74−94.
  177. Синицын И.Н. Stochastic hereditary control systems // Пробл. упр. и теории ииформ. V.15. N 4. 1986. Р.287−298.
  178. И.Н. Некорректные задачи условно оптимальной фильтрации // Труды международной конференции «Некорректно поставленные задачи в естественных науках» (19−25 августа, Москва) Изд. ТВП Москвы. 1992. С.211−220.
  179. Синицын И.Н. Lectures on PC-based Nonlinear Stochastic Mechanical Systems Research. Praha: Ustav Thermomechaniky CAV. 1992.
  180. И.Н. Конечномерные распределения с инвариантной мерой в стохастических механических системах / / Докл. АН СССР. Т.238. N 3. 1993. С.308−310.
  181. Синицын И.Н. Parallel Methods in Nonlinear Statistical Dynamics // Proceedings EUROMECH 2nd European Nonlinear Oscillations Conference. Prague: V.l. 1996. P.407−410.
  182. Синицын И.Н. Parallel Simulation Technologies for Stochastic Systems // Lecture Notes in Computer Science, 1277. 4th Intern. Conf.
  183. РАСТ-97. -Berlin: Springer. 1997. Р.383−388.
  184. И.Н. Конечномерные распределения с инвариантной мерой в нелинейных стохастических дифференциальных системах // Сб. научных тр. «Алгоритмы управления и идентификации». М.: Диалог МГУ. 1997. С.129−140.
  185. И.Н. Фильтры Калмана и Пугачева. -М.: Изд. Логос. 2005.
  186. И.Н., Киселев Э. Р., Синицын В. И., Илюшин Г. Я. Развитие интегрированных медицинских информационных технологий // Наукоемкие технологии, N 2, 2000. С.33−39.
  187. И.Н., Корепанов Э. Р., Шин В.И. Methods, algorithms and software tools for CAE of stochastic control systems// EUROSIM'98 Congress. Helsinki. 1998. P.344−348.
  188. И.Н., Синицын В. И., Корепапов Э. Р., Белоусов В. В. О некоторых точных решениях уравнений статистической динамики систем управления // Труды II международной конференции «Идентификация систем и задачи управления». 2003. CD-ROM. С.11−23
  189. И.Н., Синицын В. И., Соколов И. А. О работах академика В.С.Пугачева в области математических методов информатики // Системы и средства информатики. Специальный выпуск. Математические методы информатики. -М.: Наука, Физматлит, 2001. С.5−15.
  190. И.Н., Синицын В. И., Корепанов Э. Р., Белоусов В. В. Информационная технология синтеза параметризованных фильтров Пугачева // Наукоемкие технологии. 2004. N7. С.50−72.
  191. И.Н., Синицын В. И., Корепанов Э. Р., Ильясов Д. Ф. Современное состояние и приложения теории канонических представлений случайных функций // Материалы конференции «Математика в современном мире-2004» в г. Калуге. 8, 9 октября 2004 г. С.43−52.
  192. И.Н., Марков Ю. Г., Синицын В. И. и др. Информационные ресурсы для исследования движения полюса деформируемой Земли // Международная школа-семинар по автоматизации и компьютеризации в науке и технике (ACS'2002) http://www.elicsnet.ru.
  193. И.Н., Шин В.И. Условно оптимальная интерполяция случайных последовательностей, определяемых разностными уравнениями // Доклады Академии паук. 1994. Т.ЗЗб. N 4. С.453−456.
  194. А.В. Случайные процессы с независимыми приращениями. М.: Наука. 1964.
  195. А.В. Стохастические уравнения для сложных систем. М.: Наука. 1983.
  196. С. (Soize С.) The Fokker-Plank Equation for Stochastic Dynamical Systems and its Explicit Steady Solutions. World Scientific. Singapore. 1994.
  197. И.А., Борисов А. В., Босов А. В., Синицын В. И. Основные принципы построения автоматизированных систем диспетчеризации служб экстренного реагирования // Системы и средства информатики. Вып.10. -М.: Наука, 2000. С.54−68.
  198. P.JI. Условные марковские процессы и их применение к теории оптимального управления. М.: Изд. МГУ. 1966.
  199. П.К. Классические ортогональьные многочлены. 2-е изд. -М.: Наука. 1979.
  200. В.И. Выбросы случайных процессов. М.: Наука. 1970.
  201. В.И., Миронов М. А. Марковские процессы. М.: Сов. радио. 1977.
  202. М. (Wonham М.) Some application of Stochastic differential equations to optimal nonlinear filtering // J.Soc. Industr. Appl. Math. Control. 1965. Vol. 2. P.347−369.
  203. В. К теории стохастических процессов (теоремы существования и единственности) // Успехи мат. наук. 1938. N 5. С.57−96.
  204. A. (A.Friedman). Stochastic Differential Equations and Applications. New York: Academic Press. 1975.
  205. Р.З. Устойчивость систем дифференциаль ных уравнений при случайных возмущениях их параметров. М.: Наука. 1969.
  206. Я.З. Теория линейных импульсных систем. М.: Физматгиз. 1963
  207. В.И. Анализ точности нелинейных систем управления. -М.: Машиностроение. 1968.
  208. М.Е. Эффективный алгебраический формализм в задаче вычисления моментов распределения квадратичных форм // Автоматика и телемеханика. N3. 2002. С.76−84.
  209. М.Е. Бескоординатный подход к методу моментов в теории многомерных стохастических систем // Автоматика и телемеханика. N5. 2002. С.81−91.
  210. С.М. Программная реализация теории условно-оптимальной фильтрации и условио-оптимального управления в задачах анализа и синтеза линейных стохастических управляемых систем // Техническая кибернетика. N4. 1994. С.64−70.
  211. А.Н. Вероятность. -М.: Наука. 1980.
  212. Шусс 3. (Shuss Z.) Theory and Applications of Stochastic Differential Equations. John Wiley & Sons. 1980.
  213. Яхеди, Ахмади Г. (Jzhedi, Ahmadi G.) Application of Wiener-Hermite Expansions to Nonstationary Random Vibration of a Duffing Oscillator // Transactions of ASME. Vol.50. June 1983. P.436−442.
Заполнить форму текущей работой

Пора сдавать?