神经网络辅助的GPS/INS组合导航自适应滤波算法

发布时间：2020-12-31 07:30

　　首先利用预报残差构造的最优自适应因子设计GPS/INS组合导航自适应滤波器。并针对BP神经网络存在的训练速度慢、容易陷入局部极小等问题,给出网络的改进算法。利用神经网络对自适应滤波器状态方程的预报值进行在线修正,给出神经网络辅助的GPS/INS组合导航自适应滤波算法。最后,利用实测数据进行验证。结果表明,改进的神经网络算法明显提高网络收敛速度;两种自适应滤波算法相对标准组合导航算法都能够可靠地反映载体运动轨迹;神经网络辅助的GPS/INS组合导航自适应滤波算法相对GPS/INS组合导航自适应滤波算法在精度和可靠性方面又有明显提高。 

【文章来源】：测绘学报. 2007年01期 北大核心

【文章页数】：5 页

【部分图文】：

BP网络模型结构

节误差指标函数E的收敛速度。网络改进前后,学习时间和输出层神经元平均误差E=E/(r×np)的变化部分比较见图2。图2　网络改进前后E(λ0=0.8)变化图Fig.2　E(λ0=0.8)of BP and improved BP　　众所周知,引入动量因子β是为了避免误差指标函数振荡和加速网络收敛。在网络训练中发现,β必须小于η,并且存在一定的比例关系,否则,误差指标函数E不易收敛。经过多次网络训练比较,发现β=λ0η,0<λ0<1时

并且λ0=0.8时最快。此时,动量因子β也实现了自适应求解。当λ0等于0.2,0.4,0.6,0.8,1.0时,E变化情况见图3,其中下图是上图阴影部分的放大图。图3　E随λ0不同取值的变化图Fig.3　Eof improved BP with differentλ028测　绘　学　报　　　　　　　　　　　　　　　　　　第36卷


本文编号：2949229