二维多传感器误差配准算法分析

针对二维多传感器误差配准问题,研究目前已有的典型的系统误差估计算法,包括实时质量控制法、最小二乘法、广义最小二乘法、基于Kalman滤波的实时误差配准算法和精确极大似然法等.首先分析比较这几种算法的模型和原理,然后建立一个合理的仿真环境对各种算法中的系统误差估计性能进行仿真比较,最后分析各个算法的性能及其优缺点,为实际应用中根据不同环境选择不同算法提供一种可靠的参考依据.

基于回归神经网络误差配准算法的仿真实现

在网络系统优化问题的研究中,目前广泛使用的BP网络模型不能保证收敛到全局最小点,这给网络传输带来误差。为消除网络误差,提高收敛速度,在BP网络加入反馈信号生成内部递归神经网络的误差配准算法。算法在内部递归神经网络引入上次输出的结果,加入先验知识,提高了收敛速度。同时文中对有偏差单元的递归神经网络的误差反向传播学习规则进行了推导,使得网络的累积误差不大于要求值。通过民用航空领域雷达网系统仿真数据仿真表明,算法在消除雷达网系统误差、提高目标精度,对网络系统优化可以取得较好的效果。

基于回归神经网络的误差配准算法

神经网络系统理论已受到广泛关注,它的理论和方法已被应用到许多研究领域。本文介绍了神经网络雷达配准原理,并推导了基于回归神经网络的误差配准算法。