非线性随机动态系统学习建模方法

在动态神经网络及扩展卡尔曼滤波算法的基础上，提出了对非线性随机动态系统进行学习建模的迭代算法，用这种方法对非线性随机系统建模，可以获得更准确伯系统模型，并可对非线性随机系统进行状态估计。最后给出相应算法及仿真结果。     

基于神经网络的自适应状态观测器

利用ＢＰ神经网络动态系统对一类非线性时变系统的状态进行了估计。利用神经网络的“学习－遗忘”特性,提出了非线性时变系统的自适应状态观测器,对其结构及特性进行了讨论。仿真结果表明这种自适应状态观测器能跟踪系统参数及状态的变化。     

地形辅助导航系统卡尔曼滤波算法仿真研究

惯性-地形辅助导航(BITAN)算法是一种基于地形线性化的扩展卡尔曼滤波的导航算法。本文根据基本卡尔曼滤波算法、Moref&Kaitt(MK)平方根滤波算法及U-D分解法在算法模型上的特点,分别应用在地形辅助导航(TAN)中,在实际数字地图上进行了仿真研究。结果表明U-D分解算法综合性能较好,适于实际应用。同时对噪声及地形线性化方法给系统性能的影响也做了仿真研究。1　TAN系统模型及滤波算法比较设飞行器在“东北天”直角坐标系中的三维位置分别为x,y,h(绝对高度);vx,vy为东向及北向速度。为简便起见,INS基本状态取为X=[xyhvx,vy]　　δX=…