книги / Основы теории оценивания с приложениями к задачам обработки навигационной информации. Ч. 1 Введение в теорию оценивания

плотность распределения суммы двух векторов 63

-- условная 81

-гауссовская 83

-условная 81

подход байесовский 205, 228 -детерминированный ПО, 135

-классический 184

-небайесовский 184 полуоси элипса ошибок 47

последовательность винеровская 329

-инновационная 360

-марковская 325

-- гауссовская 326

-- стационарная 332

-обновляющаяся 360

-псевдослучайная 95

-с независимыми приращениями 329

-с некоррелированными приращениями 328

-случайная 318

-- векторная 320

-- гауссовская 323

-- нестационарная 321

-- стационарная 321

-- центрированная 321

-- экспоненциально -коррелированная - 333 потери средние байесовские 205 правило трех сигм 31 преобразование подобия 455

принцип распределения информации 427 проблема адекватности 161, 239

-собственных чисел 455

проекция ортогональная 211 производная вектор-функции 459

-матрицы 458

-по матрице 459

-скалярной функции по векторному аргументу 458

Р

ранг матрицы 454 распределение 18

-вероятностен 18

-гауссовское 26

распределение нормальное 26

-равномерное 20

-Рэлея 31

расширение вектора состояния 121 регрессия линейная 91 режим обработки камеральной 341

-реального времени 341

-фильтрации установившийся 362 риск байесовский 205

С

свойство ортогональности 210, 230

-суперпозиции 50 символ Кронекера 456

система нормальных уравнений 136 след матрицы 451 сложение матриц 451 событие 17

-элементарное 17

соотношение для апостериорной плотности рекуррентное 380 спектр матрицы 455 стандарт 22 строка 449

сфера равных вероятностей 49 схема обработки децентрализованная 291

-- инвариантная 284, 417

-- неинвариантная 286, 419

-- разностная 294

-- рекуррентная 292

-- сильносвязанная 434

-- слабосвязанная 431

-- централизованная 290

Т

теорема центральная предельная 64 точность потенциальная 212, 230, 353, 377, 386

-предельно достижимая 187, 232 тренд квадратичный 114

-линейный 113

У

угол дирекционный 47 умножение блочных матриц 453

-матриц 451

-матрицы на число 451

уравнение Винера-Хопфа 208, 343

-правдоподобия 189

-характеристическое 455 условие наблюдаемости 141

-- полной 367

-нормировки 38

-ортогональности 210

-согласованности 39

фактор геометрический 168 фильтр Винера 363

-Калмана 350, 390, 391, 392

-- итерационный 391

-- линеаризованный 390

-- обобщенный 391

-- с локальными итерациями 392

-парциальный 394, 475

-формирующий 326 форма квадратичная 456

-- неотрицательно определенная 457

-- отрицательно определенная 456

-- положительно определенная 456 формула Байеса 82

-обращения блочных матриц 459

-умножения плотностей вероятности 81 функция взаимно корреляционная 319

-корреляционная 319

функция линейная 50

-от матрицы 457

-ошибок 29

-плотности распределения вероятностей 19

------ гауссовская 426

------ совместная 38

-потерь 185

-- квадратичная 185

функция правдоподобия 188

-- правдоподобия логарифмическая 189

-распределения вероятностей 18 совместная 38

-- интегральная 18

-- унимодальная 25

Ш

шпур 451 шум дискретный белый 322

-- гауссовский 323

-порождающий 326

Э

экспонента матричная 457 эллипс ошибок среднеквадратический 47

- стандартный 47 эллипсы равных вероятностей 45

augmentation	-	расширение
circular error probable		(вектора состояния)	121
(CEP)	-	круговая вероятная ошибка	49
circular o f equal probability
(CEP)	-	круг равных вероятностей	49
complementary filter	-	фильтр инвариантный	284
cumulative density function	-	интегральная функция
(c-d.f.)		распределения	19
distance root mean square	-	радиальная среднеквадратическая
(DRMS)		ошибка	49
error covariance	-	ковариация (матрица ковариаций)
extrapolation		ошибок прогноза	350
extended Kalman filter	-	обобщенный ФК	391
error covariance update	-	вычисления согласно (3.2.32)	351
filtering problem	-	задача фильтрации	341
forecasting (prediction)	-	задача прогноза	341
problem
generating (forcing)	-	порождающий шум	326
noise
innovations sequence	-	инновационная (обновляющаяся)
		последовательность	360
iterated algorithm	-	итерационный алгоритм	161
iterated Kalman filter	-	итерационный ФК	391
Kalman gain matrix	-	матрица коэффициента усиления
		(в ФК)	351
least squares method	-	метод наименьших квадратов	136
loosely coupled	-	слабосвязанный	431
maximum likelihood	-	оценка максимального
estimate		правдоподобия	189
minimum variance estimate	-	оценка с минимальной
		дисперсией	206
off-line mode	-	режим камеральной обработки 341
on-line mode	-	режим реального времени	341
particle filter		парциальный фильтр	394
position dilution of	-	пространственный
precision (PDOP)		геометрический фактор	168
probability density function	-	функция плотности распределения
(pdf)		вероятности	19
random sequence		случайная последовательность 318

random walk	- винеровская последовательность
root mean square error		(случайное блуждание)	329
(RMSE)	- среднеквадратическая ошибка		22
shaping filter	- формирующий фильтр		326
smoothing problem	- задача сглаживания		341
sphere of equal probability	-	сфера равных вероятностей	47
(SEP)
state estimate extrapolation	-	оценка прогноза (вектора
		состояния)	350
state vector	-	вектор состояния
state estimate update	-	вычисления согласно (3.2.30)	351
tightly coupled	-	сильносвязанный	434
trace	-	след	451
weighted least squares	- обобщенный (взвешенный) метод
method		наименьших квадратов	137

Научное издание

О. А.СТЕПАНОВ

ОСНОВЫ ТЕОРИИ ОЦЕНИВАНИЯ С ПРИЛОЖЕНИЯМИ К ЗАДАЧАМ ОБРАБОТКИ НАВИГАЦИОННОЙ ИНФОРМАЦИИ

Ч. 1. Введение в теорию оценивания

Редактор Л.Б.Баконина

Подписано к печати 19.01.09. Формат 60x90/16. Бумага офсетная. Гарнитура Таймс. Печать офсетная.

_________ Усл.-печ. 31,0. Уч.-изд. 21,7. Тираж 300 экз. Заказ Яа7 от 20.01.08_________

Государственный научный центр РФ ЦНИИ «Электроприбор» 197046, С.-Петербург, ул. Малая Посадская, 30