基于循环神经网络的车载DR状态估计
由于噪声的不确定性和自身的非线性特征,通过航位推算系统(DR)精确地估计车辆的状态是实际车辆组合导航中最困难的部分.提出了一种基于循环神经网络的方法,和传统的扩展卡尔曼滤波(EKF)方法相比,该方法不仅提高了系统定位的准确性和自适应抗干扰能力;而且不需要模型的具体解析形式,避免了复杂的Jacobian矩阵的计算,算法更简单,也更加易于实现.为了检验其有效性,将两种方法分别对车辆DR导航系统进行滤波仿真,仿真结果进一步表明该神经网络方法明显优于EKF方法,是车载DR导航中一种更理想的非线性滤波方法.
航位推算 扩展卡尔曼滤波 循环神经网络 车载组合导航系统
马海波 张利国 陈阳舟 崔平远
北京工业大学电子信息与控制工程学院,北京,100022
国内会议
哈尔滨
中文
337-339,342
2006-08-01（万方平台首次上网日期，不代表论文的发表时间）