基于GA-BPNN的自适应抗野值无迹Kalman滤波方法
左益宏1
王远亮2
何红丽1
葛泉波3
1.中国飞行试验研究院,西安,7100892.上海海事大学物流工程学院,上海,2001353.同济大学电子与信息工程学院,上海,201800
摘要：为了满足飞行试验轨迹的试验测量需求,构建了一种高性能飞行试验目标轨迹测量系统.在此基础上,针对实际飞行测量中遇见的异常数据处理问题,提出了一种基于多机器学习改进的自适应Kalman滤波方法.该方法以传统的无迹Kalman滤波器(UKF)为基础,首先,通过引入采用遗传算法改进后的BP神经网络(GA-BPNN)来改进UKF算法,以实现对UKF全局误差的调控和修正,从而改善UKF的估计精度;然后,应用抗野值技术来充分剔除测量中的孤立型和斑点型异常点,实现对GA-BPNN-UKF的再次改进,有效提高滤波的鲁棒性;最后,应用仿真来验证提出新算法的有效性,并通过对实际飞行测量数据(通过建立的轨迹测量系统获得的实际数据)的实验分析来显示算法在实际应用中的有效性.
关键词：轨迹测量无迹卡尔曼滤波器遗传算法BP神经网络抗野值算法
分类号：TP273+.2(自动化技术及设备)
资助基金：国家自然科学基金(61773147)国家自然科学基金(62033010)
论文发表日期：2021-10-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 30-36 )
英文信息