基于反向传播神经网络改进的增益修改卡尔曼滤波算法

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.

关键词：增益修改卡尔曼滤波、反向传播神经网络、只测向目标定位

所属期刊栏目：36

分类号：TP393(计算技术、计算机技术)

资助基金：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;the Natural Science Foundation of Shandong ProvinceZR2014FM017;the Fundamental Research Funds for the Central Universities15CX05025A;the Science and Technology Planning Project of Huangdao District,Qingdao2014-1-45

在线出版日期：2016-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1196-1200