一种基于在线学习前向神经网络的组合导航滤波器

摘要

首先建立了带反馈校正的组合导航数学模型,在此基础上提出了一种在线学习的神经网络滤波算法.这种算法不需要噪声的先验知识,对系统模型的依赖也较弱.仿真表明,卡尔曼滤波器在理想情况下有较高的估计精度,而神经网络滤波器在非理想情况下有较高的精度,对模型误差和噪声特性的变化具有良好的鲁棒性.