一种基于在线学习前向神经网络的组合导航滤波器

摘要：

首先建立了带反馈校正的组合导航数学模型,在此基础上提出了一种在线学习的神经网络滤波算法.这种算法不需要噪声的先验知识,对系统模型的依赖也较弱.仿真表明,卡尔曼滤波器在理想情况下有较高的估计精度,而神经网络滤波器在非理想情况下有较高的精度,对模型误差和噪声特性的变化具有良好的鲁棒性.

关键词：组合导航、卡尔曼滤波、神经网络、在线学习、鲁棒性

所属期刊栏目：18

分类号：TP183;TN967.2(自动化基础理论)

在线出版日期：2003-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：331-336