基于反向传播神经网络改进的增益修改卡尔曼滤波算法

发布时间：2017-11-21 23:29

  本文关键词：基于反向传播神经网络改进的增益修改卡尔曼滤波算法

  更多相关文章： 增益修改卡尔曼滤波 反向传播神经网络 只测向目标定位

【摘要】：增益修改的卡尔曼滤波(MGEKF)算法在实际应用时,一般使用带有误差的测量值代替真实值进行增益修正计算,导致修正结果也被误差污染。针对这一问题,提出一种基于反向传播神经网络(BPNN)改进的MGEKF算法,该算法使用训练后的神经网络代替MGEKF的增益修正函数。该算法在网络训练阶段,以实际测量值作为神经网络的输入,真实值修正后的结果作为训练目标;在实际应用中,使用网络的输出修正卡尔曼增益。针对移动单站只测向目标定位问题进行了实验,实验结果表明:该算法与扩展卡尔曼滤波(EKF)、MGEKF、平滑增益修改的卡尔曼滤波(sMGEKF)算法相比:定位精度至少提升10%,并且有更强的稳定性。
【作者单位】： 中国石油大学(华东)计算机与通信工程学院;
【基金】：山东省自然科学基金资助项目(ZR2014FM017) 中央高校基本科研业务费专项资金资助项目(15CX05025A) 青岛市黄岛区科技计划项目(2014-1-45)~~
【分类号】：TP183;TN713
【正文快照】： 0引言移动单站目标定位以其设备简单、机动性强、易于实现等特点,越来越多地应用于军事、民事领域。近年来城市中无线干扰源越来越猖獗,给人们生活带来严重影响,车载移动单站只测向(Bearing-Only,BO)目标定位是城市中查找干扰源的重要手段,而车载移动站与机载移动站以及高架固，

本文编号：1212710