Fixed Interval Smoothing for State Space Models

ویرایش: 1 
نویسندگان: Howard L. Weinert (auth.)  
سری: The Springer International Series in Engineering and Computer Science 609 
ISBN (شابک) : 9781461356806, 9781461516910 
ناشر: Springer US 
سال نشر: 2001 
تعداد صفحات: 125 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت 

قیمت کتاب (تومان) : 33,000



هموارسازی با فاصله ثابت روشی برای استخراج اطلاعات مفید از داده های نادرست است. برای مشکلات مهندسی، علوم فیزیکی و علوم اجتماعی، در زمینه هایی مانند کنترل، ارتباطات، پردازش سیگنال، آکوستیک، ژئوفیزیک، اقیانوس شناسی، آمار، اقتصاد سنجی و تحلیل سازه استفاده شده است.
این تک نگاری به مسائلی می پردازد که برای آنها یک مدل فضای حالت تصادفی خطی در دسترس است، در این صورت هدف محاسبه برآورد حداقل مربعات خطی بردار حالت در یک بازه ثابت، با استفاده از مشاهدات جمع آوری شده قبلی در آن بازه است. نویسنده از رویکرد هندسی مبتنی بر روش مدل های مکمل استفاده می کند. او با استفاده از ساده‌ترین نماد ممکن، مشتقات ساده چهار نوع الگوریتم هموارسازی با فاصله ثابت را ارائه می‌کند و الگوریتم‌ها را از نظر کارایی و کاربرد مقایسه می‌کند. نتایج نشان می دهد که بهترین الگوریتم کمترین توجه را در ادبیات به خود جلب کرده است.
هموارسازی فواصل ثابت برای مدل‌های فضای حالت:

• شامل مواد جدید در درونیابی، پیاده‌سازی سریع ریشه مربع، و مدل‌های ارزش مرزی است.
• اولین کتابی است که به هموارسازی اختصاص دارد.
• حاوی کتابشناسی مشروح از ادبیات هموارسازی است.
• از نشانه گذاری ساده و مشتقات واضح استفاده می کند.
• الگوریتم ها را از منظر محاسباتی مقایسه می کند.
• بهترین الگوریتم را مشخص می کند.

هموارسازی فاصله ثابتبرای مدل‌های فضایی حالت منبع اصلی برای کسانی خواهد بود که می‌خواهند هموارسازی فواصل ثابت را درک کرده و به کار ببرند: دانشگاهیان، محققان، و دانشجویان تحصیلات تکمیلی در کنترل، ارتباطات، پردازش سیگنال، آمار و اقتصاد سنجی.

Fixed-interval smoothing is a method of extracting useful information from inaccurate data. It has been applied to problems in engineering, the physical sciences, and the social sciences, in areas such as control, communications, signal processing, acoustics, geophysics, oceanography, statistics, econometrics, and structural analysis.
This monograph addresses problems for which a linear stochastic state space model is available, in which case the objective is to compute the linear least-squares estimate of the state vector in a fixed interval, using observations previously collected in that interval. The author uses a geometric approach based on the method of complementary models. Using the simplest possible notation, he presents straightforward derivations of the four types of fixed-interval smoothing algorithms, and compares the algorithms in terms of efficiency and applicability. Results show that the best algorithm has received the least attention in the literature.
Fixed Interval Smoothing for State Space Models:

• includes new material on interpolation, fast square root implementations, and boundary value models;
• is the first book devoted to smoothing;
• contains an annotated bibliography of smoothing literature;
• uses simple notation and clear derivations;
• compares algorithms from a computational perspective;
• identifies a best algorithm.

FixedInterval Smoothing for State Space Models will be the primary source for those wanting to understand and apply fixed-interval smoothing: academics, researchers, and graduate students in control, communications, signal processing, statistics and econometrics.

Front Matter....Pages i-x
Introduction....Pages 1-12
Complementary Models....Pages 13-28
Discrete Smoothers....Pages 29-67
Continuous Smoothers....Pages 69-80
Boundary Value Models....Pages 81-97
Back Matter....Pages 99-119