基于神经网络的无迹滤波改进算法

摘　　要:

介绍了采用无迹变换（UT）描述随机变量通过非线性系统后的均值及方差的方法，提出可以将神经模糊推理系统（ANFIS）用于确定无迹变换中的参数，使其对随机变量均值的描述达到二次以上精度，并给出了改进的无迹滤波器（UKF）结构和神经网络训练方法；仿真结果表明，该算法适用于系统含有未知输入或系统噪声为非高斯的情况，并可解决一些典型的非线性估计问题，改进算法的性能优于传统无迹滤波器。 (共6页)