Рассмотрена процедура предварительной обработки данных измерений, являющаяся до полнением к стандартным линейным методам регуляризации. Выполнена проекция на множество зависимостей с ограниченными значениями производных. Аналитический учет априорной физической информации об обрабатываемой зависимости использован для подавления случайных погрешностей, в том числе грубых (промахов). В ходе адаптивного сглаживания минимизирована оценка случайной погрешности при ограничении значения систематической. Работа алгоритма рассмотрена на примере типичной задачи структурного анализа. Алгоритм сочетает высокую эффективность машинной реализации, доступность управляющих параметров с минимальными контролируемыми искажениями сглаживаемой зависимости.
Розглянуто процедуру попередньої обробки даних вимірювань, яка є доповненням до стандартних лінійних методів регуляризації. Здійснено проекцію на множину залежностей з обмеженими значеннями похідних. Аналітичний облік апріорної фізичної інформації про оброблювану залежність використано для придушення випадкових похибок, в тому числі грубих (промахів). Під час перебігу адаптивного згладжування мінімізовано оцінку випадкової похибки при обмеженні значення систематичної. Роботу алгоритму розглянуто на прикладі типової задачі структурного аналізу. Алгоритм поєднує високу ефективність машинної реалізації, доступність керуючих параметрів з мінімальними контрольованими спотвореннями згладжуваної залежності.
The article deals with the procedure of preliminary processing of measurement data, which is an addition to the standard linear methods of regularization. It is a projection on a set of dependencies with bounded values of the derivatives. Analytical accounting of a priori physical information about the processed dependency is used to suppress random errors, including blunders. In the course of adaptive smoothing, an estimate of the random error is minimized when the value of systematic error is restricted. The operation of the algorithm is illustrated by a typical problem of structural analysis. The algorithm combines the high efficiency of machine implementation, the availability of control parameters with minimal, and controlled, distortions of the smoothed dependency.
