基于UKF神经网络的姿态测量信息融合算法

• 作者: 周海银 王炯琦 矫媛媛
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 信息融合 UKF滤波 神经网络 姿态确定 性能分析
• 年，卷（期）: 2010,（10）
• 所属期刊栏目: 仿真建模与仿真算法及数值仿真
• 页码范围: 2265-2272
• 分类号: TP391
• 语种: 中文

摘要

针对融合系统建模误差、噪声统计特性不精确性和环境的动态变化性致使传统联合滤波过程中融合权值难以确定,引入人工智能中的神经网络,提出了基于神经网络的多信息自适应智能估计融合算法研究;利用神经网络的自适应能力对状态估计融合结果进行实时辅助补偿和修正,将非线性最优估计与神经网络技术相结合,重点研究了基于UKF的神经元融合权重在线自适应学习算法,以便在缺少准确局部子滤波器协方差信息情况下,仍能使全局估计融合结果最优,从理论上证明了UKF学习算法优于传统EKF学习方法,并以卫星多姿态测量信息融合定姿系统为例,给出了计算实例和结论分析,表明了所提出的模型与算法在实际应用中的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王炯琦	国防科技大学数学与系统科学系	35	197	8.0	12.0
2	周海银	国防科技大学数学与系统科学系	56	371	11.0	15.0
3	矫媛媛	国防科技大学数学与系统科学系	9	54	4.0	7.0