1 ХАРКІВСЬКИЙ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ ...
1 ХАРКІВСЬКИЙ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ ...
1 ХАРКІВСЬКИЙ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
8<br />
2<br />
розрахунок σ справедливий за умови незалежності відліків функції<br />
середньоквадратичного відхилення. Для визначення необхідної кількості<br />
незалежних відліків визначаються інтервали кореляції t corr для кожної з<br />
послідовностей. Вибірка значень p k через інтервал кореляції дозволяє вважати<br />
ці величини некорельованими. Згідно цього<br />
<br />
2<br />
<br />
2 σ <br />
k ( tcorr<br />
) <br />
p . Після<br />
<br />
<br />
розрахунку дисперсії визначаємо максимальну похибку ˆ j<br />
μ як П 3 σ<br />
k<br />
і,<br />
порівнюючи розраховану похибку зі встановленим порогом (5 12) λW ,<br />
приймаємо рішення про достовірність отриманої оцінки.<br />
Після отримання набору оцінок ˆ j<br />
μ і їх похибок k<br />
переходимо до<br />
алгоритму формування "віртуальних" подвійних різниць. Вибираємо<br />
референцний (опорний) супутник (ділянку) і відносно нього трансформуємо<br />
систему рівнянь таким чином:<br />
( j) (1) ˆ ( j,1) (1) ( j,1)<br />
μˆ ˆ ˆ N k = 2, m; j = 2, n;<br />
k 1 1 k1 k1 W<br />
( j)<br />
(1)<br />
μˆ<br />
ˆ<br />
1 1<br />
k <br />
k = ; j = ;<br />
1<br />
f , (5)<br />
μˆ<br />
ˆ ˆ<br />
k = 2, m; j = 1;<br />
( j)<br />
(1) (1)<br />
k 1 k1<br />
( j) μˆ<br />
k<br />
(1) ˆ ( j,1)<br />
ˆ 1 1<br />
k = 1; j = 2, n;<br />
(1) (1) де ˆ 1 N W1 λW (1) (1) (1)<br />
c1,<br />
ˆ 21 N W 21 λW c<br />
21 ,<br />
ˆ ( j,1) ( j) 1 NW1 λW ( j) N W1 λW ( j)<br />
(1) ( ,1) ( ) ( ) (1) (1)<br />
c c<br />
, ˆ j j j<br />
NW 21 <br />
<br />
NW 2 N <br />
W1 <br />
<br />
<br />
NW 2 N W1<br />
.<br />
Формуємо вектор вхідних параметрів для процедури РФН. Для<br />
однобазового режиму він записується в наступному вигляді:<br />
<br />
<br />
[2 n] <br />
F 1 , 21, [1] [1] [ n1] [ n1]<br />
<br />
2 2 2<br />
μ<br />
, Κ diagσ ,σ ,...,σ<br />
n <br />
1 2 ,<br />
<br />
де Κ – кореляційна матриця вхідних параметрів; – знак оцінки середнього<br />
значення.<br />
Формуємо МНК-оцінку вихідних параметрів:<br />
ˆ f<br />
θ Α Κ Α Α Κ μ , Α = ,<br />
θ<br />
T<br />
ˆ<br />
2,1 n,1 2,1 n,1 θ ... ... , K <br />
Α Κ Α<br />
,<br />
n 1 21 21 21<br />
де A – матриця часткових похідних; ˆ θ – вектор вихідних параметрів;<br />
K – кореляційна матриця похибок вихідних параметрів.<br />
<br />
Для отриманих оцінок ,1 n 21 обчислюємо максимальну похибку згідно з<br />
алгоритмом верифікації, описаним вище, з урахуванням залишку від<br />
округлення до найближчого цілого числа. У разі достовірності результату,<br />
оцінка ,1 n 21 округляється до цілого числа і враховується в (5), після цього<br />
формуємо новий вектор μ , при цьому матриця Κ залишається незмінною.<br />
Результати експериментальних досліджень підтвердили працездатність і<br />
ефективність алгоритму РФН і довели, що використання "віртуальних"