论文部分内容阅读
以地一地导弹的惯导系统为研究对象，分析了传统方法在惯导系统初始对准方面的缺陷。针对惯导系统的非线性及实时性等方面的要求，考虑到神经网络所具有的函数逼近性能，扩展Kalman滤波（EKF）所具有的最优估计性能的特点，提出了基于扩展Kalman滤波的神经网络应用技术。应用扩展KaZan滤波对多层神经网络的非线性离散时间系统进行算法训练，在获得的所有观测数据中找到状态（权值）的最小方差估计。在假定的地理坐标系下，对地一地导弹的惯导系统地面自对准的非线性状态方程，应用Maflab对基于EKF的神经网络方法和传统的