ВУЗ:
Составители:
оценок каких-либо характеристик объекта обработки. При этом параметры
α
подбираются итерационно в процессе текущей обработки по получаемому
J( )α
. Для реализации таких адаптивных алгоритмов необходима оценка
текущего значения
J( )α
, то есть критерий должен быть в какой-то мере
наблюдаемым, что является ограничением на область применения данного
подхода. При ненаблюдаемости критерия
J( )α
выход может быть найден с
помощью замены
J( )α
на некоторый другой наблюдаемый
J()
d
α
, от
которого требуется совпадение его точки минимума
α
d
*
с
α
*
в аргументных
задачах или же приближение
J( )α
к
J
*
, когда
J()
d
α
приближается к
JJ()
**
ddd
=α
, для задач критериальных. Описанный подход также
соответствует байесовскому адаптивному подходу, поскольку
J( )α
по-
прежнему минимизируется. Отличие состоит только в способе минимизации.
При этом новый критерий
J()
d
α
обычно является достаточной статистикой
по отношению к
J( )α
(или к
α
).
Выбор подхода к синтезу алгоритмов оценивания пространственно-
временных деформаций изображений
Учитывая требования простоты, быстрой сходимости и
работоспособности при значительных вариациях реальной ситуации,
алгоритмы оценивания ПД больших МИ целесообразно искать в классе
рекуррентных безыдентификационных адаптивных алгоритмов.
Представительной группой таких алгоритмов являются адаптивные
псевдоградиентные алгоритмы [36,37,66], к которым относятся, в частности,
и алгоритмы типа стохастической аппроксимации [33]. К последним, в свою
очередь, приводит выбор матрицы усиления вида
Λ
ΛΛ
ΛΛ
ΛΛ
Λ
t
t
t
mt
==
λ
λ
λ
1
2
00
00
00
...
...
... ... ... ...
...
,
λ
it
>
0
. (1.54)
Заметим, что элементы
λ
it
в (1.54) также должны удовлетворять
условиям (1.53), обеспечивающим сходимость алгоритмов стохастической
аппроксимации.
