资源描述：
《动态gps卡尔曼滤波中的神经网络算法研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、电子测量技术第30卷第6期研究设计ELECTRONICMEASUREMENTTECHNOLOGY2007年6月*动态GPS卡尔曼滤波中的神经网络算法研究曾翠娟王忠游志胜杜传利(四川大学电气信息学院四川成都610065)摘要:GPS导航系统噪声具有非先验性,而传统的卡尔曼滤波器要求假设动态模型和观测模型的噪声统计特性已知,因此传统卡尔曼滤波导航定位的方法定位精度不高。本文提出采用前向神经网络辅助调节卡尔曼滤波器,这样既考虑了现实环境的动态变化对系统模型造成的随机干扰影响,又融合了神经网络的自学习性和自适应性,使其具有自适应能力以
2、应付动态环境的扰动,其中自适应利用神经网络的BP算法得以实现。仿真研究表明:该算法优于普通的卡尔曼滤波器。关键词:全球定位系统;卡尔曼滤波;导航定位;神经网络中图分类号:TP872文献标识码:ADynamicGPSKalmanfilteringarithmeticstudybasedonneuralnetworkZengCuijuanWangZhongYouZhishengDuchuanli(SchoolofElectricalEng.andInfo.,SichuanUniversity,Chengdu610065)Abstract:Since
3、GPSnavigationsystemwithuncertainnoiseandtheconventionalKalmanfilterassumesthatthestatisticalpropertiesofthenoiseindynamicmodelandobservationsystemareexactlyknown,traditionalmethodswhichadoptKalmanfilteringnavigationorientationhaveloworientationprecision.Thispaperpresentsamethod,which
4、usestheadaptivecapability,whichobtainedbyneuralnetwork-aidedKalmanfilteringscheme,todealwiththedisturbanceindynamicsituation.Themethodnotonlyconsiderstherandominterferencewiththedynamicchange,butalsoutilizesneuralnetworkscapabilityofself-taughtandself-adapted.Andtheembodimentofadapt
5、ivecapabilityistakeadvantageoftheback-propagationalgorithmofneuralnetwork.ThesimulationresultsshowthatthealgorithmisbetterthanthatoftraditionalKalmanfiltering.Keywords:GPS;Kalmanfiltering;navigationorientation;neuralnetwork与卡尔曼滤波有机融合成为新的方法。因此考虑到GPS0引言导航系统噪声具有非先验性,本文通过建立以singer模型全球
6、定位系统(globalpositionsystem,GPS)是随现代为例的全局统计模型为基础,提出了用前向神经网络来辅科学技术的迅速发展而建立的新一代精密卫星定位系统。助调节卡尔曼滤波器,使其具有自适应能力以应付动态环消除GPS定位的随机误差的重要方法之一是GPS动态滤境的扰动,其中自适应的体现则是利用了神经网络的BP[1-3]波方法。卡尔曼滤波方法是减小GPS动态定位误差的有算法。效方法。但应用卡尔曼滤波进行最优估计需建立较准确[4-6]1传统卡尔曼滤波导航定位基本方程的系统模型和观测模型,因而要求对各种随机误差准确建模。通常对各种误差源分别建立各自的误差模
7、型,这样造自从20世纪60年代kalman-Bucy滤波器问世以来,成系统方程庞大,观测方程繁杂,且为非线性模型,系统的它已在航空领域和航海导航上有了广泛的应用和发展。运算量较大,实时性降低。同时随着计算机技术,微电子在GPS动态导航定位、组合导航系统、海上水道测量与动技术和通讯技术的高速发展以及载体面向应用背景的日态定位及大地测量中都先后采用了卡尔曼滤波器。益复杂化,对导航精度的要求越来越高。而且伴随着神经卡尔曼滤波要解决的问题是要寻找在最小均方误差网络技术的不断发展,应用领域的不断拓展,使神经网络下xk的估计值x^k。它的特点是可以用递推方法计算xk。*基
8、金项目:国家自然科学基础
