《一种自适应无轨迹卡尔曼滤波器的神经网络学习算法研究》7000字.docx

一种自适应无轨迹卡尔曼滤波器的神经网络学习算法研究

摘要：为了解决无轨迹卡尔曼滤波训练的BP神经网络在处理非线性对象时，达到的精度低，耗费时间长，易陷入局部极值等缺点，将Sage-Husa噪声估值器引入到无轨迹卡尔曼滤波中，以此用自适应无轨迹卡尔曼滤波训练BP神经网络，提高BP神经网络的学习能力。仿真结果表明，改进后的算法比原来的算法相比，能有效消除状态异常的滤波，能有效抑制滤波的发散，更能有效的去逼近目标函数，达到更高的精度，同时还具有一定的泛化能力。

关键词：BP神经网络自适应滤波无轨迹卡尔曼滤波

引言

神经网络通过建立数学模型对一些复杂的机理模型进行表达，而这些复杂的机理模型通常是