神經(jīng)網(wǎng)絡(luò)校正的Kalman濾波算法及應(yīng)用研究.pdf

1、經(jīng)典的Kalman濾波方法，運(yùn)用狀態(tài)空間的描述方法，它對(duì)于線性濾波問題提供了一個(gè)遞歸的解決方案。然而其固有的缺陷限制了它的實(shí)際應(yīng)用，Kalman濾波要求具體的理論模型和已知噪聲的統(tǒng)計(jì)特性，而且某些情況下濾波精度不是很高，易發(fā)散，并會(huì)出現(xiàn)計(jì)算量偏大、可能產(chǎn)生維數(shù)災(zāi)難等一系列的問題。神經(jīng)網(wǎng)絡(luò)雖然不要求具體的理論模型，但噪聲過濾能力較差，尚且還存在普適能力弱、過度依賴樣本、實(shí)際應(yīng)用上不好實(shí)現(xiàn)和存在過擬合現(xiàn)象等問題。所以神經(jīng)網(wǎng)絡(luò)和Kalman濾

2、波這兩種算法具有極強(qiáng)的互補(bǔ)性，兩種算法的組合使用會(huì)變得十分有應(yīng)用價(jià)值。
　　本文旨在將兩種方法進(jìn)行有機(jī)的結(jié)合，使組合算法的性能優(yōu)于其中的任意一種單一的方法，拓寬其適用范圍。首先對(duì)Kalman濾波方法和其非線性狀況下的衍生方法的原理和應(yīng)用進(jìn)行了探究并仿真，然后詳細(xì)描述了BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)與優(yōu)化過程并借助Matlab仿真驗(yàn)證優(yōu)化方案的有效性。隨后提出了用影響Kalman濾波精度的一些參數(shù)作為BP神經(jīng)網(wǎng)路輸入進(jìn)行學(xué)習(xí)訓(xùn)練，再用優(yōu)化好的網(wǎng)