典型文献
基于神经网络的高精度空中对准算法研究
文献摘要：
制导炮弹作为一类重要的精确制导武器,空中对准算法研究是其精确制导的关键环节,要求其对准精度高且对准时间快.在空中对准算法中,卡尔曼滤波是其中最通用的一种算法,卡尔曼滤波要求确切的数学模型和已知噪声的统计特性,但是在实际应用中,一些传感器建模误差、噪声统计特性不准确以及环境变化会降低计算精度,甚至产生发散.针对以上问题,该文提出了基于径向基(RBF)神经网络辅助卡尔曼滤波的空中对准方案,该方案结合神经网络强大的学习和预测能力,对卡尔曼滤波的输出状态进行实时调整,以提高系统的自适应性,并修正卡尔曼滤波器输出,以提高估计精度.通过仿真证明,与标准卡尔曼滤波算法相比,该方法能有效降低估计误差,提高导航精度.
文献关键词：
空中对准;RBF神经网络;卡尔曼滤波;制导炮弹
中图分类号：
作者姓名：
王珂;王宏波;庄志洪
作者机构：
南京理工大学电子工程与光电技术学院,江苏南京210094
文献出处：
引用格式：
[1]王珂;王宏波;庄志洪-.基于神经网络的高精度空中对准算法研究)[J].中国新技术新产品,2022(19):9-11
A类：
空中对准
B类：
对准算法,算法研究,制导炮弹,精确制导武器,对准精度,准时,统计特性,传感器建模,建模误差,计算精度,发散,径向基,RBF,预测能力,自适应性,卡尔曼滤波器,高估,估计精度,卡尔曼滤波算法,低估计,估计误差,导航精度
AB值：
0.241354
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
