基于PSO小波神经网络辅助卡尔曼滤波的BDS/INS定位

• 作者: 刘杨 李卫东 王新屏 黄晨阳
• 来源期刊: 自动化仪表
• 学科: 工学
• 关键词: 小波神经网络 粒子群优化算法 卡尔曼滤波 遗传算法 BDS/INS定位 学习率 阈值
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 感知技术及应用
• 页码范围: 74-78
• 页数: 5页
• 分类号: TH-38|TP-183
• 字数: 3793字
• 语种: 中文
• DOI: 10.16086/j.cnki.issn1000-0380.201801017

摘要

在北斗定位系统/惯性导航系统(BDS/INS)中,由于非线性噪声、精确构建运载体模型困难等原因,经卡尔曼滤波,列车的速度曲线会有部分信息损失,导致定位信息不准确.因此,提出了基于小波神经网络辅助的卡尔曼滤波法.神经网络的输入是卡尔曼滤波前的信号,其输出是滤波后的信号.考虑影响小波神经网络精度的因子,对权值、阈值和学习率进行了优化.在此基础上,通过加入对数函数对学习率进行改进,利用遗传算法(GA)和粒子群优化(PSO)算法组合优化权值和阈值.实例仿真表明,经过优化的小波神经网络提高了收敛速度、定位精度,同时在保持原速度波形的整体趋势前提下,降低了因滤波导致的信号误差.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘杨	大连交通大学电气信息学院	10	78	4.0	8.0
2	李卫东	大连交通大学电气信息学院	35	169	6.0	12.0
3	王新屏	大连交通大学电气信息学院	4	5	1.0	2.0
4	黄晨阳	大连交通大学电气信息学院	1	3	1.0	1.0