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一直是信號處理領(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。維納濾波器對噪聲為多維或非平穩(wěn)隨機過程的情況顯得無能為力，卡爾曼濾波器將狀態(tài)空間的概念引入隨機估計理論中，不但可以用于平穩(wěn)隨機過程，而且可用于復(fù)雜的多變量系統(tǒng)和非平穩(wěn)隨機過程，很好的解決了維納濾波應(yīng)用受限的問題。但是模型誤差將會導(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，該算法既能對噪聲統(tǒng)計特性進行自適應(yīng)估計，又能較好的補償模型誤差帶來的濾波估計誤差。
　　本文首先對神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識進行了相應(yīng)研究，考慮噪聲對辨識樣本的影響，提出了離線辨識下的自適應(yīng)神經(jīng)網(wǎng)絡(luò)辨識法，并對BP網(wǎng)絡(luò)在線辨識性能進行仿真驗證，結(jié)果表明神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識是一種簡便可行的辨識建模方法。然后針對噪聲統(tǒng)計特性對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，并對其在隨機

3、噪聲下進行了驗證，仿真顯示在噪聲特性改變時仍能保持較好的濾波性能，具有較強的自適應(yīng)估計能力。最后在系統(tǒng)辨識基礎(chǔ)上，考慮系統(tǒng)模型誤差對濾波性能的影響，分別在離線辨識和在線辨識情況下，對基于新息的神經(jīng)網(wǎng)絡(luò)卡爾曼濾波算法性能進行了檢驗，仿真表明該算法能有效的補償模型誤差造成的濾波估計誤差，提高了濾波性能和系統(tǒng)穩(wěn)定性，并且在線辨識下的性能要優(yōu)于離線辨識。
　　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