×
杨宇航;施、英

改进的BP神经网络在信息融合卡尔曼滤波中的应用。 （英语） Zbl 1485.93600号

电路系统。信号处理。 39，第10号，4890-4902（2020）.
摘要：基于改进的BP神经网络，研究了多传感器系统的信息融合状态估计问题。首先引入粒子群优化、搜索动态学习速率和附加动量法训练BP神经网络的初始权值和阈值，然后利用改进的神经网络优化卡尔曼滤波器的估计值。最后，通过加权矩阵对状态估计量进行融合。仿真实例验证了该算法的有效性。

MSC公司：

93E11号机组 随机控制理论中的滤波
68T07型 人工神经网络与深度学习
93C55美元 离散时间控制/观测系统
90 C59 数学规划中的近似方法和启发式

关键词：

BP神经网络;粒子群优化;卡尔曼滤波器;信息融合
PDF格式BibTeX公司 XML格式引用
\textit{Y.-H.Yang}和\textit{Y.Shi}，电路系统。信号处理。39，第10号，4890--4902（2020；Zbl 1485.93600）
全文： 内政部

参考文献：

[1] Chai，L。；袁，JP；方，Q。；Huang，LW，《用于组合导航应用的神经网络辅助信息融合》，J.Northwest。理工大学。大学，23，1，45-48（2005）
[2] 程，J。；公园，JH；曹，JD；Qi，WH，基于隐马尔可夫模型的具有概率量化输出的切换神经网络的非脆弱状态估计，IEEE Trans。赛博。(2019) ·doi:10.1109/TCYB.2019.2909748
[3] P.Gao，非线性系统辨识中改进神经网络算法的研究。硕士学位论文（黑龙江大学，中国，2018）
[4] Jing，ZL；Xu，H。；戴，GZ；周，XQ，基于神经网络的信息融合和机动目标的并行自适应跟踪，Acta Aeronaut。阿童木。罪。，16, 6, 715-719 (1995)
[5] Katzfusa，M。；斯特劳德，JR；Wiklec，CK，《理解集合卡尔曼滤波器》，美国统计局，70，4，350-357（2016）·Zbl 07665895号 ·doi:10.1080/00031305.2016.1141709
[6] 刘，MT；田，ZZ；齐，总部；张，CC；Liu，XM，基于Kalman-BP神经网络的悬浮泥沙浓度测量合作融合模型，J.基础科学。工程，24，5，970-977（2016）
[7] 福建裴；Ju，HH；Cui，PY，基于Kalman/UKF集成训练神经网络的初始对准方法，J.Syst。模拟。，20, 23, 6494-6497 (2008)
[8] 宋，LJ；段，ZX；他，B。；Li，Z.，联邦卡尔曼滤波与神经网络在传递对准速度和姿态匹配中的应用，复杂性，2，1-7（2018）·Zbl 1390.93806号
[9] 太阳，SL；邓，ZL，多传感器最优信息融合卡尔曼滤波器，Automatica，401017-1023（2004）·Zbl 1075.93037号 ·doi:10.1016/j.automatica.2004.01.014
[10] 太阳，FC；熊，R。；He，HW，《使用偏差校正技术的电动汽车多芯电池组的系统状态电量估算框架》，应用。能源，1621399-1409（2016）·doi:10.1016/j.apenergy.2014.12.021
[11] 孙，Q。；许，XB；Huang，H.，带彩色噪声的自适应卡尔曼跟踪滤波器，消防指挥控制，36，3，49-51（2011）
[12] 王，DY；罗，HY；Grunder，O。；林，YB；Guo，HX，使用基于双层分解技术的混合模型和通过firefly算法优化的BP神经网络进行多步超前电价预测，应用。能源，190，390-407（2017）·doi:10.1016/j.apenergy.2016.12.134
[13] 王，GC；徐，XS；姚，YQ；Tong，JW，一种基于BPNN的解决INS/GPS系统GPS中断的新方法，IEEE Access，782134-82143（2019）·doi:10.1109/ACCESS.2019.2922212
[14] 张，F。；薛，HF；Zhang，YH，地下水多源遥感数据的新型BP神经网络融合算法，应用。经济。环境。研究，17，4，9083-9095（2019）
[15] 张伟欣，基于粒子群算法的BP神经网络预测模型。硕士学位论文（哈尔滨工业大学，中国，2010）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。