神经网络算法在自适应卡尔曼滤波器中的应用

由于人工神经网络具有较强的学习能力、自适应能力、复杂映射能力等智能处理能力,使得其在各个领域都有较广泛的应用。在各类神经网络模型中,较常用的算法是误差反向传播(BP)算法。但在实际应用中,BP神经网络存在一些不足,主要是收敛速度慢、容易陷入局部最小、数值稳定性差等。本文将自适应卡尔曼滤波应用于神经网络方法中,提高了滤波精度和神经网络的收敛速度。