首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 468 毫秒

1.  基于渐消滤波的神经网络优化算法及其应用  
   高社生  杨一  高兵兵《西北工业大学学报》,2015年第2期
   针对BP神经网络在训练过程中易陷入局部极小值的问题,提出一种新的基于渐消滤波的神经网络学习算法。该算法采用渐消卡尔曼滤波对神经网络的权值进行更新,有效避免了梯度下降算法产生的局部极小问题;与卡尔曼滤波相比,在渐消滤波中充分考虑了最新量测值的影响,能更合理地利用新的有效信息,从而提高了学习算法的收敛速度。学习后的网络不仅具有普通神经网络的自主学习能力,而且具有渐消滤波的最优估计性能。将提出的神经网络算法应用于SINS/BDS组合导航系统进行仿真验证。结果表明,提出的算法在逼近精度方面优于BP算法和卡尔曼滤波算法,可以有效提高神经网络的泛化能力。    

2.  基于RBF网络和IMM的机动目标跟踪方法  
   朱志宇  刘炜  戴晓强《弹箭与制导学报》,2006年第26卷第3期
   文中提出了一种应用RBF神经网络对标准IMM算法中的卡尔曼滤波结果进行校正的方法。网络输人为预测误差、卡尔曼增益以及测量值与估计值之差.网络输出反映了由于目标机动所带来的滤波误差.将网络输出结果和直接由卡尔曼滤波求解得到的结果相加.可以得到更为准确的滤波值。同时.在网络的学习算法中.在网络权值矩阵的修正公式中增加了反映滤波残差的调整项.若卡尔曼滤波的残差较大,网络调整权值的幅度也相应增大。仿真结果表明.在目标发生机动转弯处.校正后的IMM算法的跟踪误差要明显小于标准IMM算法的跟踪误差.跟踪精度较高。    

3.  基于神经计算的GPS/SINS组合导航滤波器设计  被引次数:5
   王利存 吴简彤《数据采集与处理》,1998年第13卷第4期
   将线性二次型最优化方法与Hopfield神经网络相结合,研究了一种基于神经计算的滤波算法。而且,将算法应用于全球定位系统(GPS)与捷联惯导系统(SINS)的组合导航,通过计算机仿真,与卡尔曼滤波算法结果进行了比较,说明了该滤波算法的有效性和实用性。    

4.  基于卡尔曼粒子滤波的目标跟踪算法  被引次数:1
   万顷浪  张殿福《电子科技》,2013年第26卷第8期
   目标跟踪在计算机视觉领域有着重要的应用。文中在对运动目标跟踪算法进行研究之后,应用卡尔曼粒子滤波算法进行运动目标的跟踪,同时利用Matlab对卡尔曼滤波算法、粒子滤波算法及卡尔曼粒子滤波算法进行了实验仿真。实验结果表明,运用卡尔曼粒子滤波算法能够更快、更准确地对运动目标进行跟踪,可将其广泛应用于目标跟踪中。    

5.  基于新息的神经网络自适应卡尔曼滤波  
   李忠良  陈卫兵  邹豪杰  罗天资  张洪波  曾光华《湖南工业大学学报》,2011年第25卷第1期
   卡尔曼滤波是一种基于最小方差的递推式滤波算法,系统模型和噪声统计特性的先验知识决定了滤波的性能和估计的准确性,不精确的先验知识将导致滤波性能的明显下降甚至发散。采用BP神经网络对系统进行辨识,获得精确的系统状态方程,利用新息自适应估计卡尔曼滤波算法中的过程噪声和测量噪声协方差矩阵,提出基于新息的神经网络自适应卡尔曼滤波算法。Matlab仿真结果表明,与传统卡尔曼滤波算法相比,改进的卡尔曼滤波算法获得了与原始信号几乎一致的输出信号,噪声得到明显抑制。同时,改进的算法不需要系统精确的数学模型,在实际应用中具有可行性和普适性。    

6.  RBF神经网络在惯导系统传递对准中的应用  被引次数:1
   王希彬  赵国荣  高青伟《系统仿真技术》,2008年第4卷第4期
   针对系统阶次较高时卡尔曼滤波实时性较差的特点,将径向基(radial basis function,RBF)神经网络替代卡尔曼滤波应用于舰载机惯导系统的传递对准。利用卡尔曼滤波的输入、输出作为RBF神经网络滤波的样本值进行训练,得到了神经网络的输出值,实现了惯导传递对准中的滤波功能。仿真结果表明将RBF神经网络用于传递对准,既获得了与卡尔曼滤波相当的精度,又有效地降低了系统的解算时间,提高了系统的实时性。    

7.  基于卡尔曼滤波技术的人工神经网络权重估算及应用  被引次数:1
   覃光华  王顺久  缪韧《四川大学学报(工程科学版)》,2008年第40卷第4期
   为改进神经网络模型算法,将神经网络技术与卡尔曼滤波技术进行耦合.在样本训练过程中,将卡尔曼滤波递推算法用于神经网络权重的训练,然后用训练得到的权重进行检验.文中以岷江上游段紫坪埔水文站的流量预报为实例,并与单一的神经网络模型以及卡尔曼滤波模型进行了比较.应用结果表明,卡尔曼技术用于神经网络权重估算,可改善水文预报精度.    

8.  神经网络算法在自适应卡尔曼滤波器中的应用  
   缑娜  王睿  付莹《战术导弹控制技术》,2006年第2期
   针对传统神经网络算法速度慢,容易陷入局部极值的缺点,提出将自适应卡尔曼滤波应用于人工神经网络的训练算法中。把前馈网络中的所有权值、阈值作为自适应卡尔曼滤波算法的状态,网络输出为算法的观测。仿真结果表明,该算法比BP算法在收敛速度方面有明显提高。    

9.  神经网络算法在自适应卡尔曼滤波器中的应用  
   缑娜  王睿  付莹《战术导弹技术》,2006年第2期
   针对传统神经网络算法速度慢,容易陷入局部极值的缺点,提出将自适应卡尔曼滤波应用于人工神经网络的训练算法中.把前馈网络中的所有权值、阈值作为自适应卡尔曼滤波算法的状态,网络输出为算法的观测.仿真结果表明,该算法比BP算法在收敛速度方面有明显提高.    

10.  基于自适应卡尔曼滤波器的神经网络算法  被引次数:1
   缑娜  王睿  付莹《弹箭与制导学报》,2006年第26卷第2期
   针对传统神经网络算法速度慢,容易陷入局部极值的缺点,提出将自适应卡尔曼滤波应用于人工神经网络的训练算法中.把前馈网络中的所有权值、阈值作为自适应卡尔曼滤波算法的状态,网络输出为算法的观测.仿真结果表明, 该算法比BP算法在收敛速度方面有明显提高.    

11.  基于扩展卡尔曼滤波器的RBF神经网络学习算法  被引次数:1
   何成伟  韩振铎  桑成伟  徐占刚《计算机测量与控制》,2006年第14卷第12期
   径向基函数(RBF)神经网络可广泛应用于解决信号处理与模式识别问题,目前存在一些学习算法用来确定RBF中心节点和训练网络,对于确定RBF中心节点向量值和网络权重值可以看作同一系统问题,因此该文提出把扩展卡尔曼滤波器(EKF)用于多输入多输出的径向基函数(RBF)神经网络作为其学习算法,当确定神经网络中网络节点的个数后,EKF可以同时确定中心节点向量值和网络权重矩阵,为提高收敛速度提出带有次优渐消因子的扩展卡尔曼滤波器(SFEKF)用于RBF神经网络学习算法,仿真结果说明了在学习过程中应用EKF比常规RBF神经网络有更好的效果,学习速度比梯度下降法明显加快,减少了计算负担。    

12.  一种改进的卡尔曼滤波算法在非均匀校正中的应用  
   尹茂林  李欢欢  牟宏鑫  吴诚《昆明冶金高等专科学校学报》,2010年第26卷第3期
   提出了一种改进的卡尔曼滤波算法,并将其应用于红外焦平面成像非均匀校正过程中。该算法合理的分配了传统卡尔曼滤波算法的计算量,克服了传统卡尔曼滤波算法计算量分配不均的不足,使该算法在相同的条件下不仅能更容易对非均匀校正算法进行实时处理,而且还能支持更高的分辨率。    

13.  基于前向神经网络的非线性时变系统辨识改进EKF算法  被引次数:1
   于开平  牟晓明《振动与冲击》,2010年第29卷第8期
   为了克服传统扩展卡尔曼滤波算法进行参数估计时可能产生的新数据失效问题,本文提出了一种改进的扩展卡尔曼滤波(EKF)步骤,然后将改进步骤做为人工神经网络的学习算法用于基于前向神经网络的非线性时变系统辨识。与传统的扩展卡尔曼滤波步骤相比克服了新数据的饱和现象,可以更好地反映系统时变特征。通过一个单变量一般时变非线性系统和一个三自由度非线性时变刚度结构系统算例,仿真验证了新算法在辨识精度和计算量方面的改进特性。    

14.  一种基于神经网络的卡尔曼滤波改进方法  被引次数:1
   蒋恩松  李孟超  孙刘杰《电子与信息学报》,2007年第29卷第9期
   卡尔曼(Kalman)滤波是一种基于最小方差估计的递推式滤波方法,它要求信号的状态模型是已知的,这就限制了它在实际中的应用.利用神经网络的良好的非线性映射能力对实际系统进行系统辨识,可以获得符合精度要求的系统状态方程,很大程度改进了卡尔曼滤波的效果.相对于一些经典的卡尔曼滤波改进算法,这种方法具有应用范围广和数学建模简单易行的优点.将神经网络与卡尔曼滤波相结合的方法用于图像复原实验,结果表明,该方法具有可行性和有效性.    

15.  信息动态  
   李小伟  宋芳《焊接》,2016年第1期
   为了提高焊接过程中焊接电流控制精度,从众多干扰因素中得到高品质的电流信号,在保证滤波效果的同时,又能保证滤波后电流波形具有较好的跟踪和在线实时处理性能,提出了一种改进的神经网络加权卡尔曼焊接电源滤波算法.将神经网络引入到卡尔曼滤波器中,通过遗传算法对BP神经网络的初始值和阀值进行全局精度调节,通过神经网络在线实时调整自适应卡尔曼滤波器的加权因子,以提高滤波器整体性能.最后对提出的算法进行仿真,仿真结果表明:新型神经网络加权卡尔曼滤波方法能够有效滤除各种噪声,具有良好的适应性.    

16.  基于改进卡尔曼滤波的陀螺仪误差补偿算法  
   李鲁明  赵鲁阳  唐晓红  何为  李凤荣《传感技术学报》,2018年第4期
   针对基于卡尔曼滤波的MEMS陀螺仪误差补偿算法中量测噪声方差选取不准确的问题,提出一种基于改进卡尔曼滤波的陀螺仪误差补偿算法.卡尔曼滤波通常采用统计特性估计得到固定的量测噪声方差,无法自适应地估计不同环境下陀螺仪噪声特性.该算法将卡尔曼滤波与神经网络相融合,使用卡尔曼滤波新息矩阵作为神经网络输入,通过神经网络得到新息协方差矩阵,以此自适应地估计卡尔曼滤波量测噪声方差.将该算法应用到陀螺仪信号误差补偿中,使用Allan方差分析法对原始信号以及误差补偿后的陀螺仪信号进行分析,实验结果表明该算法能够有效地抑制陀螺仪随机误差,提高MEMS陀螺仪的精度.    

17.  卡尔曼滤波器在入侵检测中的应用  
   杜光辉  王杰  范秉琪  王文娟《微计算机信息》,2006年第22卷第33期
   本文首先分析了当前入侵检测系统中存在的不足,指出了将卡尔曼滤波器应用在入侵检测系统的好处,并且详细介绍了信号处理和卡尔曼滤波理论,接下来又给出了一个基于卡尔曼滤波和神经网络技术的入侵检测模型,最后分析了测试的结果。    

18.  平方根容积卡尔曼滤波在角测量跟踪中的应用  
   赵曦晶  汪立新  何志昆  姚志成  李瑞《压电与声光》,2014年第36卷第3期
   为解决扩展卡尔曼滤波算法(EKF)在处理角测量跟踪问题时对复杂非线性状态估计收敛速度慢、估计精度低的问题,引入一种平方根容积卡尔曼滤波算法(SRCKF)。SRCKF是一类sigma点滤波方法,基于容积原则的数值积分方法计算非线性随机函数的均值与协方差,避免了EKF中Jacobian矩阵的计算,有效提高了计算效率。另外,与一般容积卡尔曼滤波算法相比,SRCKF确保了状态协方差矩阵的对称性与半正定性,有效改进了数值精度和鲁棒性。将SRCKF应用于角测量跟踪系统中,仿真结果表明,SRCKF、Unscented卡尔曼滤波(UKF)滤波精度较传统EKF有较大提高,同时,与UKF相比,SRCKF能以较快的运行效率获得较好的滤波效果。    

19.  一种机动目标的跟踪算法研究  被引次数:1
   桑成伟  徐毓  张楠  张萍《计算机测量与控制》,2006年第14卷第10期
   目前在机动目标跟踪领域中讨论比较多的算法包括扩展卡尔曼滤波算法、强跟踪算法、UKF算法和粒子滤波算法;扩展卡尔曼滤波算法对非线性方程进行一阶线性阶处理,这种近似所带来的误差会随着非线性化程度的严重而越来越显著,最终造成滤波器的发散;而粒子滤波作为一种基于蒙特卡洛方法的贝叶斯滤波算法,虽然不需要对非线性方程进行一阶近似,但是其计算负担过于繁重,很难满足实时性的要求,提出了一种基于粒子滤波(PF)的径向基(RBF)神经网络(PF—RBF—Neural—Networks)机动目标跟踪算法,该算法能够获得和粒子滤波几乎相同的跟踪精度,同时又克服了粒子滤波计算量大的缺陷,仿真结果验证了该算法的有效性和可行性。    

20.  炮弹发射弹道目标精度校正估计仿真  
   吴清怡  吴中红《沈阳工业大学学报》,2018年第5期
   针对全球定位系统、雷达和卡尔曼滤波等传统测量手段在弹道量测中面临的诸多问题,提出了超宽带技术与平方根无迹卡尔曼滤波方法相结合的弹道估计算法,通过试验与仿真对该算法进行了分析.结果表明,采用平方根无迹卡尔曼滤波进行估计时,运行时间低于扩展卡尔曼滤波,略高于无迹卡尔曼滤波,且位置和速度均方根误差均低于二者.将平方根无迹卡尔曼滤波应用于弹道估计问题中可取得更为有效、准确的估计结果.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号