基于最优估计神经网络的惯导系统初始对准研究

摘要

本文研究了一种基于卡尔曼滤波原理权值更新的多层神经网络学习算法,对此算法进行了详细的推证,并将该算法运用到惯导系统的初始对准过程.仿真结果表明了这种神经网络结构用于惯导系统初始对准问题的有效性,既可获得与卡尔曼滤波器相同的对准精度,又提高了系统的实时性.从而得到了利用神经网络解决惯导系统初始对准问题的一种有效算法.