一种基于神经网络的卡尔曼滤波改进方法
卡尔曼(Kalman)滤波是一种基于最小方差估计的递推式滤波方法,它要求信号的状态模型是已知的,这就限制了它在实际中的应用.利用神经网络的良好的非线性映射能力对实际系统进行系统辨识,可以获得符合精度要求的系统状态方程,很大程度改进了卡尔曼滤波的效果.相对于一些经典的卡尔曼滤波改进算法,这种方法具有应用范围广和数学建模简单易行的优点.将神经网络与卡尔曼滤波相结合的方法用于图像复原实验,结果表明,该方法具有可行性和有效性.
图像复原、卡尔曼滤波、神经网络
29
TP391(计算技术、计算机技术)
2007-11-19(万方平台首次上网日期,不代表论文的发表时间)
共4页
2073-2076