基于自适应卡尔曼滤波器的神经网络算法

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.     

神经网络算法在自适应卡尔曼滤波器中的应用

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.     

机动目标跟踪的自适应卡尔曼滤波算法实现

为真实反映目标机动范围与强度的变化，引入了机动目标的“当前”统计模型，提出了一种基于该模型的自适应卡尔曼滤波算法．仿真结果表明，能有效改善在机动目标跟踪中传统的卡尔曼滤波可能出现的发散情况，提高了跟踪的准确性和稳定性．     

Sage-Husa自适应卡尔曼滤波算法在SINS初始对准中的应用研究

Sage-Husa自适应卡尔曼滤波算法是解决系统模型发生变化的捷联惯导系统初始对准的一种有效工具，但对未知的系统噪声方差阵和观测噪声方差阵进行同时估计将会造成滤波发散。本文将在选择最佳遗忘因子的基础上，选取仅对观测噪声方差阵和均值进行估计的改造Sage-Husa自适应卡尔曼滤波算法进行捷联惯导系统的初始对准。计算机仿真试验结果表明：该方法在收敛速度和精度上都有很大改进。     

带衰减因子的自适应滤波在组合导航中的应用研究

从卡尔曼滤波的稳定性出发，分析了卡尔曼滤波算法发散的原因，提出了一种适合组合导航的衰减记忆卡尔曼滤波中衰减因子的自适应估计方法，并在GPS／SINS组合导航系统中进行了实验．实验结果表明，该算法能够自适应地估计出衰减因子的大小，有效地抑制滤波发散，且计算量较其它方法小．     

改进型自适应滤波算法在目标跟踪中的应用

针对标准卡尔曼滤波在滤波数学模型与实际过程的数学规律不匹配，滤波特性较差的情况，提出了一种改进型的自适应卡尔曼滤波方法，并将其应用到目标跟踪中。仿真结果表明，与标准的卡尔曼滤波相比，其跟踪精度有了较大提高。     

自适应滤波算法在捷联惯导初始对准中的应用研究

针对捷联惯导系统静基座自对准过程中常规卡尔曼滤波器估计精度低且易发散的问题，提出了一种复合自适应卡尔曼滤波算法．该算法采用衰减记忆法利用信息实时估计系统噪声方差阵，并基于模糊推理的自适应因子调节滤波增益阵和系统噪声阵．仿真验证了该自适应算法较常规卡尔曼滤波有更强的稳定性和更高的滤波估计精度．     

低精度捷联惯性航姿系统姿态算法研究

针对纯惯导情况下的航姿系统,采用了一种模糊判别算法,实时判断系统的运动状态,根据系统的运动状态自适应调整卡尔曼滤波器的量测噪声方差阵,进而通过卡尔曼滤波算法估计姿态角误差。试验结果表明,该方法有效提高了系统的姿态精度。     

PSO网络优化双重卡尔曼滤波在初始对准中的应用

为了解决捷联惯导系统初始对准过程中天向方位失准角收敛过慢的问题，提出了基于带惯性权重的微粒群（PSO）优化网络逼近的双重卡尔曼滤波算法．首先，利用滤波过程中产生了新的天向方位失准角九和水平方位失准角氐信息进行双重卡尔曼滤波估计。然后针对滤波结构复杂、运算量大的问题，利用双重卡尔曼滤波获取的数据作为训练样本，PSO优化神经网络的算法来实现捷联惯导的初始对准。仿真结果表明,新算法结构简单。计算量小，具有实时性和快速性，同时可以保证系统的对准精度。     

基于径向基函数网络的引信泄露信号对消器设计

阐述了自适应干扰对消的基本原理，并基于自适应投影原理，提出了构造和训练RBF网络的自适应投影算法。并在此基础上设计了一种基于RBF网络的引信泄露信号对消器。实验仿真证明该自适应对消器是行之有效的。     

固定指数加权模糊自适应EKF研究及其应用

为了改善扩展卡尔曼滤波（EKF）算法在机动目标跟踪中的跟踪性能，文中研究了一种固定指数加权模糊自适应扩展卡尔曼滤波技术，通过监视理论残差和实际残差的协方差一致程度。应用模糊推理系统不断调整滤波协方差，对扩展卡尔曼滤波器（EKF）进行在线自适应控制．最终实现最优估计。仿真结果表明，改进的算法稳定性高，精度得到明显改善．用于弱机动目标跟踪效果较好。     

GPS单点定位动态滤波算法研究

将卡尔曼最优估计理论应用于GPS导航定位系统，它主要针对高动态用户设计了一种基于卡尔曼最优估计理论的定位算法．采用卡尔曼滤波技术来提高动态GPS导航定位精度和动态性能；对最小二乘法和卡尔曼滤波法的定位系统进行了仿真，并对定位误差和测速误差作了比较分析。结果表明。与最小二乘法相比，动态卡尔曼滤波算法能得到较好的滤波效果．定位精度有了明显提高。     

基于长航时飞行器的SINS/GNSS自适应组合导航算法

当GNSS出现故障时,SINS/GNSS组合导航系统的输出误差就会增加,影响导航系统的性能.在此情况下,为了使组合导航系统的输出更加准确,文中论述了一种量测修正算法.该算法通过检查卡尔曼滤波残差,调整量测更新过程中观测量的权值,对状态量进行修正,减少了观测量异常对输出结果的影响.最后对量测修正算法以及简化的Sage-Husa自适应算法进行了仿真.仿真结果表明,两种方法得到的误差均优于标准卡尔曼滤波.     

移动机器人的卡尔曼滤波定位算法改进与仿真

针对传统卡尔曼滤波算法和扩展卡尔曼滤波算法应用于移动机器人定位系统时出现的误差值较大和算法发散现象,在定位算法中引入修正因子对状态估计方程进行优化.分析传统卡尔曼滤波和扩展卡尔曼滤波的定位算法原理,研究运动过程中驱动力和摩擦力对移动机器人的影响,引入修正因子改进卡尔曼滤波算法,并对传统卡尔曼滤波算法、扩展卡尔曼滤波算法和改进算法做仿真对比和研究.仿真结果表明:修正因子对传统卡尔曼滤波算法和扩展卡尔曼滤波算法都具有改进效果,能提高定位精度.     

基于神经网络的自适应滤波

对自适应滤波的神经网络实现进行了探讨，在Ｔａｎｋ和Ｈｏｐｅｆｉｅｌｄ网络的基础上对如何实现最小均方算法进行了必要的理论分析。     

卡尔曼滤波方法在外弹道实时处理中的应用

靶场的测控网设备类型多样、精度不一，为了解决外弹道实时数据处理的精度问题，采用卡尔曼滤波方法，设计了与之匹配的8组卡尔曼滤波器，通过对目标动态模型和观测模型在线识别。实现目标状态参数的最优估计，建立了一套完整的数据检验准则；通过对目标动态模型处理、建立了高效的数据融合和自适应算法、优化数据结构和计算流程。     

自适应卡尔曼滤波法在潜艇水下导航中的应用

当潜艇同时变速、变向时，会导致系统模型发生变化．采用基于海流数据库的卡尔曼滤波算法获得海流信息，对潜艇经纬度，海流东北分量和航向、航速等非线性微分方程进行线性化处理，得出转移矩阵，推算出潜艇某时刻的测量向量和测量矩阵．对各方程式卡尔曼滤波，通过T-SFIMMA算法进行基于T-S模糊模型的自适应卡尔曼滤波计算，实现系统模型的实时跟踪与自动转换．     

基于"当前"统计模型的模糊自适应跟踪算法

基本的机动目标“当前”统计模型及其自适应卡尔曼滤波算法虽能对强机动目标进行很好的跟踪，但是在跟踪弱机动目标时却存在较大的误差。针对这一问题，新算法中引入一种非线性模糊隶属度函数来自适应地调整目标加速度上下限，并从理论上分析了新算法对于弱机动目标跟踪的有效性。通过计算机仿真验证了新算法相对于基本“当前”统计模型及其自适应跟踪算法的明显优势。     

VICKF-IMM算法在机动目标跟踪中的应用

针对智能体移动方式复杂，对其进行观测的传感器测量的信息存在噪声以及目标运动轨迹发生突然的改变会导致目标观测失真甚至错误的问题，提出了一种变积容积卡尔曼滤波交互多模型算法（VICKF-IMM）。该算法将容积卡尔曼滤波与交互多模型算法相结合，并对容积卡尔曼滤波（CKF）中球面积分进行变积分转换处理。优化了其积分求解的方式，提高了整体的稳定性。Monte-Carlo仿真分析，与CKF-IMM和UKF-IMM算法相比，该算法的跟踪精度有明显的提高，并在目标运动发生突变时有更高的稳定性。     

INS／GPS导航中联邦卡尔曼滤波算法

根据INS（惯性导航系统）和GPS（全球定位系统）不同的特点，将两者组合起来，在阐述联邦卡尔曼滤波原理基础上。设计了INS／GPS组合导航系统的滤波算法。对该组合系统的联邦卡尔曼滤波算法进行了仿真，仿真结果表明：在INS／GPS组合导航系统中采用联邦卡尔曼滤波，不仅提高了定位精度。而且保证了滤波的快速性。