The Pyt’ev–Chulichkov method for constructing a measurement in the Shestakov–Sviridyuk model

Abstract

One of the approaches to solution of the problem on restoring a distorted input signal by the recorded output data of the sensor is the problem on optimal dynamic measurement, i.e. the Shestakov–Sviridyukmodel. This model is the basis of the theory of optimal dynamic measurements and consists of the problem on minimizing the difference between the values of a virtual observation obtained using a computational model and experimental data, which are usually distorted by some noise. We consider the Shestakov–Sviridyuk model of optimal dynamic measurement in the presence of various types of noises. In the article, the main attention is paid to the preliminary stage of the study of the problem on optimal dynamic measurement. Namely, we consider the Pyt’ev–Chulichkov method of constructing observation data, i.e. transformation of the experimental data to make them free from noise in the form of “white noise” understood as the Nelson–Gliklikh derivative of the multidimensional Wiener process. In order to use this method, a priori information about the properties of the functions describing the observation is used. Одним из подходов решения задачи восстановления искаженного входного сигнала по регистрируемым выходным данным датчика является задача оптимального динамического измерения – модель Шестакова – Свиридюка. Эта модель является основой теории оптимальных динамических измерений и состоит из задачи минимизации разности значений виртуального наблюдения, полученного с помощью расчетной модели, и экспериментальных данных, обычно искаженных некоторыми помехами. В статье рассматривается модель Шестакова – Свиридюка оптимального динамического измерения при наличии помех разного вида. Основное внимание в статье обращено на предварительный этап исследования задачи оптимального динамического измерения, а именно на метод Пытьева – Чуличкова построения данных наблюдения, т.е. преобразования данных эксперимента для очистки их от помех в виде ≪белого шума≫, понимаемого как производная Нельсона – Гликлиха от многомерного винеровского процесса. Для использования этого метода используется априорная информация о свойствах функций, описывающих наблюдение.