基于模糊神经网络的自适应滤波方法仿真研究

作者:马野;王孝通;戴耀 刊名:系统仿真学报 上传者:肖毅华

【摘要】提出了一种模糊自适应卡尔曼滤波算法。该算法基于模糊规则,根据新息相关性,自适应调整测量噪声方差R,有效的解决了噪声的统计特性与实际不符时,滤波器发散的现象。同时,利用Elman网络作为误差估计器,补偿模糊自适应卡尔曼滤波器的估计误差。仿真结果表明,两种方法结合,可以有效地防止滤波器发散,缩小实际的滤波误差,提高滤波精度,实现滤波器参数的在线改进。

全文阅读

Vol. 17 No. 10 系 统 仿 真 学 报 Oct. 2005 JOURNAL OF SYSTEM SIMULATION ·2447· 基于模糊神经网络的自适应滤波方法仿真研究 马 野,王孝通,戴 耀 (大连舰艇学院自动化系, 大连 116018) 摘 要:提出了一种模糊自适应卡尔曼滤波算法。该算法基于模糊规则,根据新息相关性,自适应调整测量噪声方差 R,有效的解决了噪声的统计特性与实际不符时,滤波器发散的现象。同时,利用 Elman 网络作为误差估计器,补偿模糊自适应卡尔曼滤波器的估计误差。仿真结果表明,两种方法结合,可以有效地防止滤波器发散,缩小实际的滤波误差,提高滤波精度,实现滤波器参数的在线改进。 关键词:模糊卡尔曼滤波; 自适应滤波; 神经网络; 误差估计 文章编号:1004-731X (2005) 10-2447-03 中图分类号:TP301.6 文献标识码:A Research on Adaptive Filtering Based on Fuzzy Neural Networks MA Ye, WANG Xiao-tong, DAI Yao (Dalian Naval Academy, Dalian 116018, China) Abstract: An algorithm of adaptive fuzzy Kalman filtering is presented. According to relativity of innovation, the measurement noise covariance(R) was adjusted adaptively based on the fuzzy rule. The method couldcope with divergence problem caused by the insufficiently knowing of the prior filter statistics. Simultaneity, the Elman network was employed as a compensating error estimator to compensate estimation error of the fuzzy Kalman filter. Simulation result shows that the presented method reduces the error of actual filter, improves the accuracy and can amend filter's parameters on-line. Key words: fuzzy Kalman filtering; adaptive filter; Neural Networks; errors estimation 引 言1 在工程应用领域,卡尔曼滤波以其广泛的适用性和易用性获得了极大的成功。对于随机线性系统,当模型准确,且系统的过程噪声和观测噪声为高斯白噪声序列、方差已知时,kalman滤波有近似完美的效果[1]。但系统模型的准确性、 噪声的统计特性及相关的假设,有时并不能得到满足。此时,基于标准kalman滤波的递推算法,会出现估计精度降低甚至发散等现象。为此,学者们进行了很多有益的探索,文献[2] 提出了在线估计卡尔曼滤波器增益的模糊卡尔曼滤波算法,文献[3]提出了混合模糊卡尔曼滤波数据融合方法。本文利用神经网络对复杂不确定性问题具有自适应和自学习能力的优

参考文献

引证文献

问答

我要提问