论文部分内容阅读
首先建立了带反馈校正的组合导航数学模型 ,在此基础上提出了一种在线学习的神经网络滤波算法。这种算法不需要噪声的先验知识 ,对系统模型的依赖也较弱。仿真表明 ,卡尔曼滤波器在理想情况下有较高的估计精度 ,而神经网络滤波器在非理想情况下有较高的精度 ,对模型误差和噪声特性的变化具有良好的鲁棒性。