10.3969/j.issn.1004-9037.2003.03.020
一种基于在线学习前向神经网络的组合导航滤波器
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.
组合导航、卡尔曼滤波、神经网络、在线学习、鲁棒性
18
TP183;TN967.2(自动化基础理论)
2003-10-31(万方平台首次上网日期,不代表论文的发表时间)
共6页
331-336