36
Liniowa rwpONOZA śhepniok wadhatowa sygnałów stacjonarnych__
metryka zaś indukowana przez (2.96) wyraża się jako
dĄFG) = ||F - G||r = (F - G, F - G)j = \f
(2.98)
Określmy obecnie rodzinę (k- i-f 1)-wymiarowych podprzestrzeni Vtk prze- |
.i | |
strzeni zdefiniowanych jako |
i | |
V* 4 {a(i),. -, a(£)) . / = 0, I,... , k < i |
(2.99) |
w |
i rozważmy podprzestrzeń | ||
P0"-.v/>u/i{e(0)....,e(rt)) |
(2.100) |
■f |
której elementy wyrażają się (zgodnie z (2.94)) jako |
TT. | |
F = £/f6(.) = £/•[(>...0^0...0] = | ||
r=0 i=0 i | ||
= 2P - 0 fi o...o] = [/o/i.../,! /=o |
(2.101) |
Niech C oznacza dodatnio-pólokreśloną macierz (wymiaru (n+ I) x (n + I)). Wówczas w przestrzeni (2.100) możemy wprowadzić ważony iloczyn skalarny
(e(/),9(*))c=a(/)CV(*) (2.102)
gdzie C jest macierzą wagową. którą może być przykładowo macierz kowa-riancyjna C = (c(* - i)]a=0... „ stacjonarnego sygnału losowego, występująca we wzorze (2.28). W przestrzeni z ważonym iloczynem skalarnym (2.102) elementy {q(/)}”_o nadal tworzą zbiór liniowo niezależny (tj. bazę naturalną), lecz nie muszą już stanowić zbioru ON. Wynika to z faktu, że
(e(i)'*(k))c=e(i)Ce'(k)=c(k-i)
(2.103)
Zauważmy, że warunkiem na to. aby elementy te tworzyły nadal zbiór ON. jest C = / (gdzie / oznacza macierz, jednostkową); tj aby
c(k
dla k = /, dla k ź i
(2.104)
CCCCCI8IB
Liniowa prognoza śreoniokwadratowa sygnałów stacjonarnych Biorąc pod uwagę (2.103) oraz (2.79). mamy
MO. ®(*))«h' = e(i)CG*(/c) = c(k- i) = Ey(t - i)y(t - k) =
= I" e~^k~‘^eW(e,e)<~ —
J — K 2 K
= r e>ie lV{eJ0) (?>*») —
J-TC 2 71
co pociąga za sobą
M'-'). ?('-*)) V = (z',z*)7P = (e(t),9(A:))c Zatem z (2.112), (2.105) oraz z (2.80) wynika, że
(F,G)C = FCG* = Hfrc(k-i) gk = E<p(t)y(t) =
i=04=0
1=04=0 J~n Ln
= iifrr^W^)e-^ę.gt^
i=0Je=0 J~* 171
= f <I>(^n)lV(^8)'l'(^fl)--
J-n 2 K
Stąd wniosek, że
(«>(0.V'('))tJ = (<I';(z),'l,(z))H,= (F,G)c oraz
IM0IIt/=|I'I>(z)I|.m' = I|f||c
i w końcu
du(<p{t), V'($) = div(a)(z), vF(z)) = dc(F,G)
(2.112)
(2.113)
(2.114)
(2.115)
(2.1 16)
(2.117)
a więc między przestrzeniami L2{'U,91,//}. L2(T) oraz istnieje izometiia. Zatem, przestrzenie te są izomorficznie izometryczne. Zauważmy, że z ośrod-
--__--Postawienie pboblemu pRoaunn
Warunki (2.104) hę,,, spełnione, je«li C będzie macierz, kowariancvinn białego. Z (2.101) i (2 103) wynika. Ze iloczyn skalamy dowolnych e|"n ,7’
przestrzeni (2.100) będzie wyraZ.nl się jako ych elementów
(iscc-rar-i*.. /.) ; ..
-i»> J U.
Iloczyn skalarny (2.105) indukuje normę
Mc = (F,F)ł=(rcc*)[>o (2106)
VJ,T:^P~<Ć 0kreile"'a no™y G-m "ynika, jak widać. z dodatnie,
półokreśloności macierzy wagowp.j ('. ^
c(0) . |
■ c(-n)“ |
’lo' |
c(n) . |
c(0) |
.In |
Indukowana metryka to
<WC) = (F-G.F-G)!.
Izomorfizm przestrzeni Z.2{?/,9?,//},L2(T) oraz t2
(2.107)
Pokazaliśmy wcześniej, że przestrzenie L2{ i L2(tT) są izomorficznie
izometryczne. na mocy izomorfizmu Kołmogorowa. Obecnie rozszerzymy ten izomorfizm na przestrzeń i2. Zauważmy, że
y(t-i) <-> z' <-> Q(,) , , = 0,1____
Dalej, z od powiedli i ości
y(r-i) <—>■ z' > e(i) y(t -k) zk <-» e(&)
mamy
y(f - i) -ky(r - k) ay(t-k)
r* -I- z* <—y a(i) 4- &(k) ■£—> ae(k)
(2.108)
(2.109)
a7" (—v naih\ (2.110)
gdzie a jest skalarem (rzeczywistym lub zespolonym). Z (2 110) wynika, że
<P(‘)=YJfy('-‘) <-+ <t>(z) = Yjf,z' F = [/(,.../„) (2.111)
i—0
37
Postawienie problemu prognozy
kowości rozważanych przestrzeni oraz ich izomorficzności wynika wzajemnie jednoznaczna odpowiedniość przeliczalnych zbiorów wszędzie gęstych
j<p(0=lA>'('-/)J <-> = «-+ {F=[/i](=o,..,.} (2.118)
jak również, że z (2.108) wynika, iż reprezentantem teraźniejszości v(r) w przestrzeni zmiennych losowych L2{ są, odpowiednio, elementy z° = I
w przestrzeni L^T) oraz. e(0) w przestrzeni f2. tj. mamy
y(t) <-> z°=l <-v e(()) = [l 0 ..()] natomiast, na podstawie (2.110), otrzymujemy .97 <-y W; 4-v Vjn
(2.119) i iii
(2.120)
co oznacza, że reprezentantami podprzestrzeni rozpiętej na (/i-krokowej) przeszłości w przestrzeni zmiennych losowych są. odpowiednio, podprzestrzeń wielomianów (stopnia n) zmiennej z oraz podprzestrzeń (n-wy miarowych) wektorów współczynników. Stąd wniosek, że reprezentantami (optymalnego) estymatora (/) zmiennej losowej y(t), minimalizującego noimę ||cn(0 IIu błędu estymacji e„(r) = y(t) - y(t) w przestrzeni 1.2{Usą odpowiednio wielomian Art(z) (2.85) w przestrzeni LZ[T) oraz wektor współczynników
A„ 4 P(yf)e(0) = £:Oi®(0 =£«, - •«"] ę vi
/= i
(2.121)
w przestrzeni E2\ tj. mamy
MO = f->
(-> A „(z) = P(U?)z° 6 U" *-* A„ = P(V,")9(0) 6 V,
przy czym A„ minimalizuje normę ||/ln||<T
= p(vsevn°(o) = = 1 - a. -t1 il" (2123)
(gdzie a, = -«„ < =1.....») aproksymacji ciernemu .(0) za pomocą wek.om
współczynników An- Zatem
. i \/n (2.124)
e„(r) ± 57 <-> ^
38