查询结果:   许大星,王海伦.未知状态模型下基于高阶容积卡尔曼滤波和神经网络的状态估计算法[J].计算机应用与软件,2017,34(6):257 - 261.
中文标题
未知状态模型下基于高阶容积卡尔曼滤波和神经网络的状态估计算法
发表栏目
算法
摘要点击数
463
英文标题
STATE ESTIMATION ALGORITHM BASED ON HIGH ORDER CUBATURE KALMAN FILTER AND NEURAL NETWORK WITH UNKNOWN STATE MODEL
作 者
许大星 王海伦 Xu Daxing Wang Hailun
作者单位
衢州学院电气与信息工程学院 浙江 衢州 324000 上海海事大学物流工程学院 上海 201306    
英文单位
College of Electrical and Information Engineering,Quzhou University,Quzhou 324000,Zhejiang,China Logistics Engineering College,Shanghai Maritime University,Shanghai 201306,China    
关键词
非线性系统 未知模型 高阶容积卡尔曼滤波 神经网络
Keywords
Nonlinear system Unknown model High order cubature Kalman filter Neural network
基金项目
国家自然科学基金项目(61403229);浙江省科技厅公益项目(2015C33230)
作者资料
许大星,助教,主研领域:状态估计,非线性滤波。王海伦,副教授。 。
文章摘要
针对非线性系统状态模型未知的情形,提出一种基于高阶容积卡尔曼滤波和神经网络的状态估计算法,解决了未知非线性系统模型的状态估计问题。在算法的实现过程中,首先利用神经网络对非线性系统建立状态空间模型,然后把神经网络的权重和系统的状态变量组合在一起作为新的状态变量,并采用高阶容积卡尔曼滤波对新的状态进行实时更新,从而达到神经网络对非线性系统模型的真实逼近以及对状态值的精确估计。最后的目标跟踪仿真表明,该算法具有更高的估计精度。
Abstract
In view of the nonlinear state model of the system is unknown, this paper presents a state estimation algorithm based on high order cubature Kalman filter and neural network to solve the problem of state estimation of unknown nonlinear system model. The neural network is used to establish the state space model for the nonlinear system. Then, the weight of the neural network and the state of the system variables together are combines as the new state variables. And the new state is updated in real time by high order cubature Kalman filter, so as to achieve the neural network on the nonlinear system model of the real approximation and accurate estimation of the state value. The final target tracking simulation shows that the algorithm has higher estimation accuracy.
下载PDF全文