在多傳感器監(jiān)控系統(tǒng)中,目標(biāo)的位置和速度等信息都是通過傳感器測量獲得的。隨著當(dāng)今科技的進(jìn)步,傳感器的性能也有了很大提升。但是傳感器在長期使用過程中,還是不免會受其內(nèi)部部件老化、外部環(huán)境影響導(dǎo)致量測信息有所偏差,以至于影響后續(xù)的監(jiān)控過程,所以必須對傳感器的量測數(shù)據(jù)進(jìn)行系統(tǒng)偏差配準(zhǔn)。在實際工程應(yīng)用中,傳感器的系統(tǒng)偏差來源往往是未知的,難以構(gòu)建其系統(tǒng)偏差模型。因此,本文以系統(tǒng)偏差先驗?zāi)Ｐ臀粗膫鞲衅飨到y(tǒng)偏差配準(zhǔn)為研究背景,以權(quán)值網(wǎng)絡(luò)（Weight Network,WN）為研究對象,采用優(yōu)化算法（或濾波算法）為技術(shù)手段對WN進(jìn)行優(yōu)化,開展了傳感器系統(tǒng)偏差配準(zhǔn)的研究。本文針對系統(tǒng)偏差配準(zhǔn)中一些問題進(jìn)行了相關(guān)研究工作,具體包括以下幾個方面:無跡卡爾曼濾波算法（Unscented Kalman Filtering,UKF）和傳統(tǒng)網(wǎng)絡(luò)結(jié)合進(jìn)行系統(tǒng)偏差配準(zhǔn)時,針對由狀態(tài)協(xié)方差負(fù)定引起的系統(tǒng)發(fā)散問題,本文提出了一種平方根無跡卡爾曼濾波算法（Square Root Unscented Kalman Filtering,SRUKF）優(yōu)化WN的系統(tǒng)偏差配準(zhǔn)算法——SRUKF-WN。該算法首先構(gòu)建了包含WN網(wǎng)絡(luò)連接... 

【文章來源】：河南大學(xué)河南省

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【部分圖文】：

三種算法X方向系統(tǒng)偏差估計圖和圖分別為三種算法在和

基于優(yōu)化權(quán)值網(wǎng)絡(luò)的系統(tǒng)偏差配準(zhǔn)方法研究26值設(shè)置為0~1之間的隨機(jī)數(shù)向量。對比算法（傳統(tǒng)網(wǎng)絡(luò)算法）的參數(shù)如表3-2所示。表3-2仿真參數(shù)名稱數(shù)值隱含層學(xué)習(xí)率0.02輸出層學(xué)習(xí)率0.01最大訓(xùn)練次數(shù)1000目標(biāo)誤差1e-10各層神經(jīng)元2、8、2為了減弱隨機(jī)噪聲以及設(shè)置的隨機(jī)初始值對仿真結(jié)果造成的影響，仿真實驗采用蒙特卡洛仿真形式，仿真次數(shù)為50。采用的仿真環(huán)境為Inteli5，主頻為3.30Ghz，內(nèi)存為4.00GB。仿真軟件為MatlabR2014a。3.4.2仿真結(jié)果及分析通過上述所設(shè)置的仿真場景以及仿真參數(shù)，并以系統(tǒng)偏差估計的RMSE（見公式（2-31））作為算法精度的衡量指標(biāo)，用UKF與傳統(tǒng)網(wǎng)絡(luò)結(jié)合算法（UKF-NN）、傳統(tǒng)網(wǎng)絡(luò)算法（NN）作為對比算法，得出了目標(biāo)在勻速運(yùn)動和轉(zhuǎn)彎運(yùn)動下的仿真效果圖如圖3-5~圖3-17所示。仿真結(jié)果一：將勻速運(yùn)動的目標(biāo)的傳感器量測值輸入到SRUKF-WN算法及其對比算法中，估計出系統(tǒng)偏差值。仿真結(jié)果如圖3-5~圖3-11所示。圖3-5三種算法X方向系統(tǒng)偏差估計圖3-6三種算法Y方向系統(tǒng)偏差估計圖3-5和圖3-6分別為三種算法在X和Y方向的系統(tǒng)偏差估計值（網(wǎng)絡(luò)實際輸出值）與參考真實值（網(wǎng)絡(luò)期望輸出值）的變化曲線。從兩幅圖中可以看出，NN算法、UKF-NN算以及SRUKF-WN算法在X和Y方向的系統(tǒng)偏差估計值均趨于參考真實值-6m和8m。

3基于SRUKF-WN算法的系統(tǒng)偏差配準(zhǔn)27NN算法的系統(tǒng)偏差估計值在1-80s持續(xù)下降，80s之后基本收斂于參考真實系統(tǒng)偏差值。這是由于傳統(tǒng)的NN算法的學(xué)習(xí)率是固定不變的，必定會造成收斂速度慢的情況。UKF-NN算法由于迭代過程中使用的是狀態(tài)協(xié)方差矩陣，會出現(xiàn)狀態(tài)協(xié)方差負(fù)定，從而導(dǎo)致系統(tǒng)偏差估計值有這樣一個過程，即在1-4s之間下降，4-75s穩(wěn)定于參考真實值，在75s之后出現(xiàn)劇烈波動。SRUKF-WN算法在迭代過程中使用的是狀態(tài)協(xié)方差矩陣的平方根形式，不會出現(xiàn)狀態(tài)協(xié)方差負(fù)定而導(dǎo)致估計值波動的情況。從圖3-5和圖3-6中也可以看出，SRUKF-WN算法的系統(tǒng)偏差估計值在1-10s之間迅速下降，10s之后收斂于參考真實系統(tǒng)偏差值，并沒有出現(xiàn)波動。三種算法在X和Y方向上的系統(tǒng)偏差估計的均方根誤差值（RMSE）變化曲線分別如圖3-7和圖3-8所示。為了能更直觀清晰地分析這三種算法的性能結(jié)果，在蒙特卡洛仿真次數(shù)為50次，仿真步長為200s，以及上述給定的仿真環(huán)境及仿真軟件下，同時給出了這三種算法系統(tǒng)偏差估計的平均均方根誤差值以及三種算法的算法耗時，分別如圖3-9和圖3-10所示。圖3-7三種算法X方向系統(tǒng)偏差估計的RMSE圖3-8三種算法Y方向系統(tǒng)偏差估計的RMSE0.35090.20140.25000.45980.19520.6250NNUKF-NNSRUKF-WN050100150200250算法用時(s)247.7241.478.9圖3-9三種算法系統(tǒng)偏差估計的平均RMSE圖3-10三種算法的算法用時從圖3-7和圖3-8可以看出，SRUKF-WN算法和NN算法的系統(tǒng)偏差估計的RMSE


本文編號：3121788