神经网络辅助卡尔曼滤波技术在组合导航系统中的应用研究

考虑到组合导航系统的噪声具有非先验性，而传统的卡尔受滤波器要求假设动态模型和观测模型的噪声统计特性已知，提出了用前向神经网络来辅助调节卡尔受滤波器，使其具有自适应能力以应付动态环境的扰动。仿真研究表明：该算法优于标准卡尔曼滤波器。     

递阶遗传-H∞滤波混合优化的前向神经网络在捷联惯导对准中的应用

将前向神经网络用于捷联惯性导航系统(SINS)的对准问题。首先,运用递阶遗传算法(HGA)优化神经网络(NNW)的拓扑结构,并对网络其余参数进行全局粗调;然后运用H滤波算法对具有最优结构的神经网络的其余参数在线自适应精调,并对这一过程与常规算法进行了计算机仿真比较。仿真结果表明:该算法能根据实际问题自适应确定网络结构,而且精度、实时性与常规方法相仿。     

基于博弈论的鲁棒滤波器应用于GPS/INS组合系统的设计研究

考虑了组合导航系统中的不确定噪声问题；根据博弈理论与最优控制理论，提出一种能够在具有不确定噪声干扰中最小化滤波误差的极小极大值鲁棒滤波器。通过设计—种高动态的飞行轨迹进行仿真研究，发现在不确定噪声干扰下该算法具有比标准卡尔曼滤波器更高的精度。     

具有不同激活特性神经元的前向神经网络在捷联惯导系统对准中的应用

提出了一种基于H∞滤波的动态神经网络。该神经网络不仅运用H∞滤波理论在践调整网络权值，而且采用与调整权值相同的算法，对神经网络各层神经元的不同非线性激活函数的参数进行在线调整，替代传统神经网络中各层神经元相同的激活特性，并将其用于捷联惯性导航系统(简称SINS)对准的误差状态模型中。仿真结果表明：与采用相同激活特性的方法相比，这种方法不仅提高了系统状态估值运算的实时性，而且也提高了精度。     

基于低成本组合导航定位系统的新融合滤波算法

设计了一种可用于地面交通工具或机器人的低成本组合导航定位系统，提出了基于该系统的新信息融合方法，将模糊卡尔曼滤波算法和地图匹配技术联合起来。仿真结果表明：模糊卡尔曼滤波算法相当于一数据平滑处理窗口，具有比常规卡尔曼滤波算法更高的精度。