гомерную ФПВ чрезвычайно сло-
жно на практике, поэтому час-
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
то прибегают к некоторым ап-
проксимациям процесса :
![]()
![]()
![]()
![]()
![]()
![]()
Y
![]()
![]()
![]()
![]()

X
Аппроксимировать - выбрать такие отсчеты
процесса в моменты времени
, чтобы все
были
независимы, тогда многомерная ФПВ факторизуется следую-
щим образом:
- факторизация.
Однако при такой факторизации может потеряться информа-
ция о случайном процессе. Есть потеря информации для
произвольных отсчетов (кореллированность процесса).
Существует 2й способ аппроксимации - марковский способ
аппроксимации. Для марковских процессов многомерная ФПВ
факторизуется так :
(2)
, где
- ус-
ловная плотность вероятности.
Факторизация (2) позволяет сильно упростить математичес-
кие выкладки в задачах фильтрации и управления.
Определение : Процесс называется марковским, если выпол-
няется условие (2)
Оказывается, существует очень много генераторов марковс-
ких процессов. Мы переходим к их рассмотрению.
Процессы авторегрессии
Процесс авторегрессии - простой генератор марковского
процесса.
1. Односвязная регрессия
(3)
- задано.
- от генератора белого шума
- корреляция.
Если а<1, то
®0 имеем
![]()
![]()
![]()
устойчивый процесс.
![]()
![]()
a<1
![]()
Если а>1 - неустой-
![]()
![]()
чивый процесс 1 2 3 4 n
![]()
![]()
®¥ (P=1)

![]()
![]()
x(t) ¬a=0.9
![]() |
![]()
![]()
![]()
a³1
![]()
![]()
¬a=0.3
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()