首先利用預(yù)報(bào)殘差構(gòu)造的最優(yōu)自適應(yīng)因子設(shè)計(jì)GPS/INS組合導(dǎo)航自適應(yīng)濾波器。并針對BP神經(jīng)網(wǎng)絡(luò)存在的訓(xùn)練速度慢、容易陷入局部極小等問題,給出網(wǎng)絡(luò)的改進(jìn)算法。利用神經(jīng)網(wǎng)絡(luò)對自適應(yīng)濾波器狀態(tài)方程的預(yù)報(bào)值進(jìn)行在線修正,給出神經(jīng)網(wǎng)絡(luò)輔助的GPS/INS組合導(dǎo)航自適應(yīng)濾波算法。最后,利用實(shí)測數(shù)據(jù)進(jìn)行驗(yàn)證。結(jié)果表明,改進(jìn)的神經(jīng)網(wǎng)絡(luò)算法明顯提高網(wǎng)絡(luò)收斂速度;兩種自適應(yīng)濾波算法相對標(biāo)準(zhǔn)組合導(dǎo)航算法都能夠可靠地反映載體運(yùn)動軌跡;神經(jīng)網(wǎng)絡(luò)輔助的GPS/INS組合導(dǎo)航自適應(yīng)濾波算法相對GPS/INS組合導(dǎo)航自適應(yīng)濾波算法在精度和可靠性方面又有明顯提高。 

【文章來源】：測繪學(xué)報(bào). 2007年01期 北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

BP網(wǎng)絡(luò)模型結(jié)構(gòu)

節(jié)誤差指標(biāo)函數(shù)E的收斂速度。網(wǎng)絡(luò)改進(jìn)前后,學(xué)習(xí)時間和輸出層神經(jīng)元平均誤差E=E/(r×np)的變化部分比較見圖2。圖2　網(wǎng)絡(luò)改進(jìn)前后E(λ0=0.8)變化圖Fig.2　E(λ0=0.8)of BP and improved BP　　眾所周知,引入動量因子β是為了避免誤差指標(biāo)函數(shù)振蕩和加速網(wǎng)絡(luò)收斂。在網(wǎng)絡(luò)訓(xùn)練中發(fā)現(xiàn),β必須小于η,并且存在一定的比例關(guān)系,否則,誤差指標(biāo)函數(shù)E不易收斂。經(jīng)過多次網(wǎng)絡(luò)訓(xùn)練比較,發(fā)現(xiàn)β=λ0η,0<λ0<1時

并且λ0=0.8時最快。此時,動量因子β也實(shí)現(xiàn)了自適應(yīng)求解。當(dāng)λ0等于0.2,0.4,0.6,0.8,1.0時,E變化情況見圖3,其中下圖是上圖陰影部分的放大圖。圖3　E隨λ0不同取值的變化圖Fig.3　Eof improved BP with differentλ028測　繪　學(xué)　報(bào)　　　　　　　　　　　　　　　　　　第36卷


本文編號：2949229