神经网络校正的EKF在水下被动目标跟踪中的应用研究

对于水下目标被动跟踪,通常采用扩展卡尔曼滤波算法进行目标状态估计,但在目标跟踪过程中,由于目标运动的不确定性及系统噪声的影响,此时对目标的状态估计通常难以获得较高的精度. 针对以上问题,本文提出一种由BP 神经网络来校正扩展卡尔曼滤波的被动目标跟踪算法. 利用BP 神经网络的学习能力,将卡尔曼滤波过程中的滤波增益?滤波值与预测值之差?滤波值与量测值之差作为BP 神经网络的输入,学习得出卡尔曼滤波的滤波误差,并利用此误差值对滤波过程进行在线校正. 仿真表明,BP 神经网络辅助校正扩展卡尔曼滤波的方法,对滤波过程的可靠性和精确度都有了提升.