基于反相傳播神經網絡改進的MGEKF算法
大?。?/span>0.71 MB 人氣： 2017-12-18 需要積分：1
增益修改的卡爾曼濾波（ MGEKF）算法在實際應用時，一般使用帶有誤差的測量值代替真實值進行增益修正計算，導致修正結果也被誤差污染。針對這一問題，提出一種基于反向傳播神經網絡（ BPNN）改進的MGEKF算法，該算法使用訓練后的神經網絡代替MGEKF的增益修正函數。該算法在網絡訓練階段，以實際測量值作為神經網絡的輸入，真實值修正后的結果作為訓練目標；在實際應用中，使用網絡的輸出修正卡爾曼增益。針對移動單站只測向目標定位問題進行了實驗，實驗結果表明：該算法與擴展卡爾曼濾波（EKF）、MGEKF、平滑增益修改的卡爾曼濾波（ sMCEKF）算法相比：定位精度至少提升l0%，并且有更強的穩(wěn)定性。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于反相傳播神經網絡改進的MGEKF算法下載
相關電子資料下載
- 神經網絡預測模型的構建方法 109
- CNN的定義和優(yōu)勢 112
- 基于CNN的網絡入侵檢測系統(tǒng)設計 105
- 數據分析有哪些分析方法 82
- 數據分析與數據挖掘的區(qū)別 55
- rnn是遞歸神經網絡還是循環(huán)神經網絡 164
- rnn是什么神經網絡模型 162
- rnn是什么神經網絡 174
- 遞歸神經網絡結構形式主要分為 129
- 簡述遞歸神經網絡的計算過程 135