论文部分内容阅读
经典的卡尔曼滤波器要求假设系统的动态模型和观测模型的噪声统计特性已知,而组合导航系统的噪声具有非先验性.为了解决这一问题,提出了一种新型复合神经网络(CNN)辅助卡尔曼滤波器(Kalman).仿真试验结果表明:该辅助算法的精度与一般卡尔曼算法相比提高了2倍,收敛时间缩短近200s,并有效地克服了传统神经网络学习速度慢、泛化能力弱的缺点,使系统具有自适应能力以应付动态环境的扰动.