一种基于BP神经网络的卡尔曼增益修正方法

摘要

本发明属于无线定位技术领域，涉及一种基于BP神经网络的卡尔曼增益修正方法。本发明过程中，使用移动测向站、GPS设备以及已知GPS坐标的无线电发射设备分别在闹市、城市郊区以及农村获取训练数据；然后计算理论角度值、测量值方差、使用MGEKF算法对这些数据进行滤波处理获取每次迭代的增益修正因子和目标估计位置坐标；利用以上数据训练BP神经网络，使得BP神经网络可以拟合测量值、测量值方差、目标估计位置、测向机位置和增益修正因子的相关关系，减小了传统MGEKF算法使用测量误差对增益修正结果的影响。本发明首次提出使用BP神经网络拟合测量值与增益修正因子的关系，降低了增益修正的误差，提高了滤波算法定位精度。

主权项

一种基于BP神经网络的卡尔曼增益修正方法，其特征在于，所述方法包括：移动无线电测向设备、GPS设备、已知GPS坐标的无线信号发射源获取训练数据，然后计算真实的目标方向值、实值修正的卡尔曼增益、目标位置估计值；利用真实值修正的卡尔曼增益、测量值、测量值方差、目标估计位置和测向设备位置训练BP神经网络；在使用扩展卡尔曼滤波算法进行移动单站测向定位过程中，使用训练好的BP神经网络修正卡尔曼滤波增益值。