«применение современных информационно коммуникационных технологий в проведении реформ в новом узбекистане»

texnologiyalaridan foydalanish» mavzusida Xalqaro ilmiy-amaliy konferentsiya 
Andijon 
 
27-29 oktabr 2021 yil 
70 
идентификации измерений [1]. В соответствии с этим подходом для коррекции 
оценок состояния каждого объекта после получения очередного наблюдения 
используются не одно, как в первом способе, а все измерения данного 
наблюдения, взятые с определенными весами. При этом метод оценивания 
состояний с предварительной идентификацией измерений оказывается одним 
из возможных субоптимальных вариантов метода, отвечающего данному 
подходу. 
Точное решение любой задачи математического описания возможно при 
точной постановке задачи, но связи и отношения рассматриваемого процесса 
с другими объектами в реально существующей среде могут быть весьма 
сложны и многообразны, что практически невозможно математически строго 
описать многие процессы и объекты. Для всех математических моделей 
результатом 
эксперимента 
является 
математический 
объект. 
В 
математическом аспекте значительный круг прикладных задач имеет своей 
целью восстановление по экспериментальным данным характеристик и 
параметров объекта. При этом реальные системы редко исчерпывающе 
описываются ограниченными математическими моделями. Процесс выбора 
характеристик (параметров) модели из заданного класса для наилучшего 
описания результатов представляет собой одно из довольно общих 
определений понятия оценивания. На практике процесс оценивания часто 
удается связать с какой-нибудь количественной характеристикой качества 
оценивания и при выборе оценок естественно стараться минимизировать 
отрицательное влияние погрешностей [2,3]. 
При исследовании многомерных стохастических систем возможны 
случаи, когда векторы случайных возмущений имеют зависимые компоненты, 
а их ковариации неизвестны. В таких случаях возникают две проблемы: 
построение оценок параметров системы в условиях неизвестных 
статистических характеристик векторов случайных возмущений и построение 
оценок ковариационных матриц. Число параметров ковариационной матрицы, 
подлежащих оцениванию, может быть существенно уменьшено при 
наложении ограничений на ее структуру [4-9]. 
Рассмотрим 
векторную 
линейную 
параметрическую 
модель, 
описывающую многоканальную измерительную систему [10]: 
),
,...,
1
(
,
N
t
V
X
Y
t
T
t
t




(1) 
где 
𝑌
𝑡
= {𝑌
1
, … , 𝑌
𝑚𝑡
}
𝑇
- вектор измерений; 
𝑋
𝑡
= {𝑋
1
, … , 𝑋
𝑚𝑡
}
𝑇
- известная 
неслучайная матрица размера 
p×m
(
t
=1, …
N
); 
𝑋
𝑖𝑡
= {𝑥
𝑖1
𝑡
, … , 𝑥
𝑖𝑝
𝑡
}
𝑇
– 
i
-й столбец 
матрицы 
X
t
,(
i
=1, …, 
m
); 
𝜃 = {𝜃
1
, … , 𝜃
𝑝
}
𝑇
– вектор неизвестных параметров; 
𝑉
𝑡
= {𝑢
1𝑡
, … , 𝑢
𝑚𝑡
}
𝑇
– вектор случайных коррелированных во времени ошибок 
измерений (
t
=1, …, 
N
); 
N
– общее число измерений; 
m
– суммарное количество 
измерительных каналов. 
Будем полагать, что ошибки измерений описываются векторным 
разностным стохастическим уравнением авторегрессии 

---