基于神經(jīng)網(wǎng)絡(luò)的卡爾曼濾波算法研究.pdf

1、在噪聲環(huán)境中如何有效的提取有用信號(hào)一直是信號(hào)處理領(lǐng)域的前沿研究課題。采用最小均方誤差準(zhǔn)則的維納濾波器和卡爾曼濾波器能有效的去除噪聲，獲取有用信號(hào)。維納濾波器對(duì)噪聲為多維或非平穩(wěn)隨機(jī)過(guò)程的情況顯得無(wú)能為力，卡爾曼濾波器將狀態(tài)空間的概念引入隨機(jī)估計(jì)理論中，不但可以用于平穩(wěn)隨機(jī)過(guò)程，而且可用于復(fù)雜的多變量系統(tǒng)和非平穩(wěn)隨機(jī)過(guò)程，很好的解決了維納濾波應(yīng)用受限的問(wèn)題。但是模型誤差將會(huì)導(dǎo)致卡爾曼濾波性能下降甚至發(fā)散，而神經(jīng)網(wǎng)絡(luò)能較好的修正模型誤差。因

2、此，本文提出了一種基于新息的神經(jīng)網(wǎng)絡(luò)卡爾曼濾波算法，該算法既能對(duì)噪聲統(tǒng)計(jì)特性進(jìn)行自適應(yīng)估計(jì)，又能較好的補(bǔ)償模型誤差帶來(lái)的濾波估計(jì)誤差。
　　本文首先對(duì)神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)進(jìn)行了相應(yīng)研究，考慮噪聲對(duì)辨識(shí)樣本的影響，提出了離線辨識(shí)下的自適應(yīng)神經(jīng)網(wǎng)絡(luò)辨識(shí)法，并對(duì)BP網(wǎng)絡(luò)在線辨識(shí)性能進(jìn)行仿真驗(yàn)證，結(jié)果表明神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)是一種簡(jiǎn)便可行的辨識(shí)建模方法。然后針對(duì)噪聲統(tǒng)計(jì)特性對(duì)卡爾曼濾波性能的影響，推導(dǎo)了基于新息的自適應(yīng)卡爾曼濾波算法，并對(duì)其在隨機(jī)

3、噪聲下進(jìn)行了驗(yàn)證，仿真顯示在噪聲特性改變時(shí)仍能保持較好的濾波性能，具有較強(qiáng)的自適應(yīng)估計(jì)能力。最后在系統(tǒng)辨識(shí)基礎(chǔ)上，考慮系統(tǒng)模型誤差對(duì)濾波性能的影響，分別在離線辨識(shí)和在線辨識(shí)情況下，對(duì)基于新息的神經(jīng)網(wǎng)絡(luò)卡爾曼濾波算法性能進(jìn)行了檢驗(yàn)，仿真表明該算法能有效的補(bǔ)償模型誤差造成的濾波估計(jì)誤差，提高了濾波性能和系統(tǒng)穩(wěn)定性，并且在線辨識(shí)下的性能要優(yōu)于離線辨識(shí)。
　　文章最后比較了基于新息的神經(jīng)網(wǎng)絡(luò)卡爾曼濾波算法、交互式多模型算法和最小二乘算法對(duì)