沈阳航空航天大学学报
瀋暘航空航天大學學報
침양항공항천대학학보
JOURNAL OF SHENYANG INSTITUTE OF AERONAUTICAL ENGINEERING
2014年
6期
54-58
,共5页
王尔申%李兴凯%张芝贤%庞涛
王爾申%李興凱%張芝賢%龐濤
왕이신%리흥개%장지현%방도
粒子滤波%神经网络%粒子退化%广义回归神经网络
粒子濾波%神經網絡%粒子退化%廣義迴歸神經網絡
입자려파%신경망락%입자퇴화%엄의회귀신경망락
针对基本粒子滤波算法存在的粒子退化问题,提出了一种基于广义回归神经网络(GRNN)的重要性样本调整的粒子滤波算法.利用广义回归神经网络优化从重要性密度函数采样的样本,将样本作为神经网络的输入,以观测值作为神经网络的目标向量,通过多次训练优化光滑因子逼近目标向量,用样本值和其周围的调整值作为训练后神经网络的输入向量,通过神经网络的输出向量指示用最优点来取代样本值.利用GRNN对样本进行调整,使得样本更接近于后验概率密度.仿真结果表明:基于广义回归神经网络的粒子滤波算法的性能在有效粒子数和均方误差参数方面优于基本粒子滤波算法,在改善滤波精度方面取得了较好的效果,验证了广义回归神经网络在粒子滤波算法中是可用的和有效的.
針對基本粒子濾波算法存在的粒子退化問題,提齣瞭一種基于廣義迴歸神經網絡(GRNN)的重要性樣本調整的粒子濾波算法.利用廣義迴歸神經網絡優化從重要性密度函數採樣的樣本,將樣本作為神經網絡的輸入,以觀測值作為神經網絡的目標嚮量,通過多次訓練優化光滑因子逼近目標嚮量,用樣本值和其週圍的調整值作為訓練後神經網絡的輸入嚮量,通過神經網絡的輸齣嚮量指示用最優點來取代樣本值.利用GRNN對樣本進行調整,使得樣本更接近于後驗概率密度.倣真結果錶明:基于廣義迴歸神經網絡的粒子濾波算法的性能在有效粒子數和均方誤差參數方麵優于基本粒子濾波算法,在改善濾波精度方麵取得瞭較好的效果,驗證瞭廣義迴歸神經網絡在粒子濾波算法中是可用的和有效的.
침대기본입자려파산법존재적입자퇴화문제,제출료일충기우엄의회귀신경망락(GRNN)적중요성양본조정적입자려파산법.이용엄의회귀신경망락우화종중요성밀도함수채양적양본,장양본작위신경망락적수입,이관측치작위신경망락적목표향량,통과다차훈련우화광활인자핍근목표향량,용양본치화기주위적조정치작위훈련후신경망락적수입향량,통과신경망락적수출향량지시용최우점래취대양본치.이용GRNN대양본진행조정,사득양본경접근우후험개솔밀도.방진결과표명:기우엄의회귀신경망락적입자려파산법적성능재유효입자수화균방오차삼수방면우우기본입자려파산법,재개선려파정도방면취득료교호적효과,험증료엄의회귀신경망락재입자려파산법중시가용적화유효적.
