Dokument 1.pdf - Universität Siegen
Dokument 1.pdf - Universität Siegen
Dokument 1.pdf - Universität Siegen
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
10 Anhang<br />
Daraus folgen die vereinfachten Bestimmungsgleichungen der Informationsmatrix nach<br />
Rao:<br />
{<br />
E γ m [y(k), ˆϑ] ˆϑ]}∣ ∣∣<br />
· γ n [y(k), = ˆϑ= ˆϑi<br />
1<br />
[<br />
2 · tr P + (k) −1 · ∂P+ (k)<br />
· P + (k) −1 · ∂P+ (k)<br />
∂ϑ m<br />
{<br />
E s m [y(j), ˆϑ] · s n [y(j), ˆϑ]<br />
}∣ ∣∣<br />
= ∂ˆx− j<br />
ˆϑ= ˆϑi<br />
∂ϑ m<br />
T<br />
∂ϑ n<br />
]<br />
+ 1 2 · tr [<br />
P −1<br />
yy (j) · ∂P yy<br />
∂ϑ m<br />
(j) · P −1<br />
yy (j) · ∂P yy<br />
∂ϑ n<br />
(j)<br />
+ ∂ˆx+ T<br />
k<br />
· P + (k) −1 · ∂ˆx+ k<br />
∂ϑ m ∂ϑ n<br />
· C T · Pyy −1 (j) · C · ∂ˆx− j<br />
∂ϑ n<br />
]<br />
(10.39)<br />
Eigenschaften des Scoring-Verfahren<br />
Durch die eingeführten Vereinfachungen von Termen zweiter Ordnung durch den Zusammenhang<br />
in Gleichung (10.38) verringert sich der Rechenaufwand des Scoring-Verfahrens<br />
erheblich und es werden nur Terme erster Ordnung zur Berechnung benötigt. Der Fehler,<br />
der durch diese Vereinfachung begangen wird, ist von der Ordnung 1 für große N.<br />
N<br />
Für große N erreicht das Scoring-Verfahren sogar die Konvergenzeigenschaften des<br />
Newton Verfahrens. Im allgemeinen konvergiert es weniger schnell in der Nähe der<br />
Lösung im Vergleich zum Newton, aber es konvergiert aus größeren Bereichen bei erheblich<br />
geringerem Berechnungsaufwand. Für das Scoring-Verfahren ergeben sich einige<br />
Nachteile, die allerdings in der praktischen Anwendung beseitigt werden können.<br />
Zum einen sind beim Filterstart für die Berechnung der Informationsmatrix nach Rao<br />
sehr kleine Werte für die Matrixelemente zu erwarten. Durch die Inversion der Informationsmatrix<br />
nach Rao zur Bestimmung der negativen Hesseschen Matrix in Gleichung<br />
(10.29) ergeben sich sehr große Matrixelemente, deshalb sind diese keine gute Näherung<br />
der negativen Hesseschen Matrix. Durch die Verwendung einer vorausberechneten, festen<br />
Informationsmatrix während des Einschwingverhaltens kann diesem Problem im angewendeten<br />
Filter begegnet werden. Die berechnete Näherung wird dann aktiviert, wenn<br />
sich die negative Hessesche Matrix in einer annehmbaren Größenordnung befindet.<br />
Zum anderen bedeutet die wiederholte Berechnung der Informationsmatrix von Rao und<br />
die Bildung der Inversen einen erheblichen Berechnungsaufwand. Nach dem Übergangsverhalten<br />
verändert sich die Matrix nicht mehr erheblich, so daß es möglich ist, diese<br />
konstant zu halten und nur in bestimmten Berechnungsabständen zu überprüfen, ob eine<br />
Neuberechnung notwendig ist.<br />
160