МАТЕМАТИЧЕСКИЕ МОДЕЛИ В СИСТЕМАХ ОБРАБОТКИ ЧАСТОТНО-ВРЕМЕННОЙ ИНФОРМАЦИИ

Хрусталёв Юрий Петрович , Серышева Ирина Анатольевна , Соколова Анастасия Сергеевна

2016 / Том 20 №12(119) 2016 [ ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ ]

ЦЕЛЬ. Разработка формализованного алгоритма оценивания вектора состояния эталона времени и частоты (В и Ч). МЕТОДЫ. Использованы помехоустойчивые расщепленные оценки, осуществлена идентификация скачков частоты водородных стандартов. Анализ погрешностей алгоритма проведен при опоре на использование динамических стохастических моделей (моделей авторегрессии и скользящего среднего - АРСС). Задача адаптации моделей АРСС решена методами стохастического квазиградиента. Метод идентификации полиномиальных трендов основан на использовании регрессионного анализа и опирается на использование стационарно-разностных временных рядов. РЕЗУЛЬТАТЫ И ИХ ОБСУЖДЕНИЕ. Рассмотрены математические модели, применяемые в системах обработки частотно-временной информации. Показано, что использование моделей авторегрессии - проинтегрированного скользящего среднего - позволяет повысить точность оценивания вектора состояния групповых эталонов времени и частоты. Сформулированы проблемы, решение которых позволит создать программный комплекс обработки результатов «внутренних сличений», выполняемых в процессе функционирования эталонов времени и частоты. При этом пользователь - специалист в области частотно-временных измерений - может не обладать глубокими теоретическими познаниями в области анализа временных рядов. ЗАКЛЮЧЕНИЕ. Результаты, полученные в процессе работы над статьей, дают возможность создания полностью формализованного алгоритма оценивания состояния эталонов В и Ч.

Ключевые слова:

модели временных рядов,стохастическая аппроксимация,полиномиальные тренды,групповые эталоны,time series models,stochastic approximation,polynomial trends,group standards

Библиографический список:

1. Хрусталёв Ю.П. Статическая и динамическая обработка данных, получаемых в процессе ведения эталонов времени частоты // Измерительная техника. 2004. № 6. C. 20-23.
2. Гамм А.З. Статистические методы оценивания состояния электроэнергетических систем. М.: Наука, 1976. 220 с.
3. Гантмахер Ф.Р. Теория матриц. М.: Наука, 1966. 576 с.
4. Хрусталёв Ю.П.,. Акулов В.М., Ипполитов А.А., Курышева Л.Н. Обработка данных, полученных по результатам взаимных измерений вторичного эталона времени и частоты // Вестник ИрГТУ. 2012. № 7. C. 22-28.
5. Эльясберг П.Е. Определение движения по результатам измерения. 2-е изд. М.: Либроком, 2011. 416 с.
6. Бокс Дж., Дженкинс Г. Анализ временных рядов, прогноз и управление: пер. с англ.; под ред. В.Ф. Писаренко. М.: Мир, 1974. 406 с.
7. Боровиков В.П. Популярное введение в современный анализ данных в системе STATISTICA. M.: Горячая линия. Телеком, 2013. 267 с.
8. Хрусталев Ю.П., Серышева И.А. Повышение устойчивости оценок состояния эталонов времени и частоты // Измерительная техника. 2014. № 5. С. 29-34.
9. Серышева И.А., Хрусталев Ю.П. Метод стохастического квазиградиента в задаче адаптации прогнозирующих моделей // Вестник ИрГТУ. 2013. № 12. С. 25-30.

Файлы:

• 13.pdf (скачать | просмотреть) - скачано 32 раза