基于反向传播神经网络改进的增益修改卡尔曼滤波算法

• 作者: 丁淑妍 刘建航 李世宝 陈海华 陈瑞祥 龚琛
• 来源期刊: 计算机应用
• 学科: 工学
• 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
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 网络与通信
• 页码范围: 1196-1200
• 页数: 5页
• 分类号: TP393
• 字数: 4719字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2016.05.1196

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.