10.16208/j.issn1000-7024.2019.05.041
基于小波变换和MC-ANNs并行模型的经验加速度预测
为对低轨卫星精密定轨过程产生的经验加速度进行拟合与预报,提出基于小波变换和MC-ANNs (Markov chainartificial neural networks)的并行模型.引入小波变换技术,结合神经网络的深度抽象以及马尔科夫链的动态随机的双重优势,缓解串联式马尔科夫链-神经网络模型随着时间推移导致误差变大的缺点.对某低轨航天器的实测星载的经验加速度预测分析结果表示,相较于BP (back propagation)神经网络模型、串联式马尔科夫链-神经网络模型,该模型的预测精度平均提高29.83%、16.04%,应用于轨道确定与轨道预报中,可提高卫星定位的精度.
经验加速度、小波变换、神经网络、马尔科夫链、卫星定位
40
TP183(自动化基础理论)
国家自然科学基金项目11603057
2019-08-02(万方平台首次上网日期,不代表论文的发表时间)
共6页
1424-1429