[发明专利]一种基于BP神经网络的卡尔曼增益修正方法

权利要求书

1.一种基于BP神经网络的卡尔曼增益修正方法，其特征在于，所述方法包括：

移动无线电测向设备、GPS设备、已知GPS坐标的无线信号发射源获取训练数据，然后 计算真实的目标方向值、实值修正的卡尔曼增益、目标位置估计值；

利用真实值修正的卡尔曼增益、测量值、测量值方差、目标估计位置和测向设备位置训 练BP神经网络；

在使用扩展卡尔曼滤波算法进行移动单站测向定位过程中，使用训练好的BP神经网络修 正卡尔曼滤波增益值。

2.根据权利要求1所述的一种基于BP神经网络的卡尔曼增益修正方法，其特征在于， 移动无线电测向设备、GPS、无线信号发射源获取训练数据，然后计算真实的目标方向值、计 算真实值修正的卡尔曼增益、目标位置估计值包括：

所述的无线信号发射源包括：GPS坐标已知的电视广播信号塔、移动基站、WiFi接入点 以及个人无线设备。

所述训练数据包括：测向机所在GPS坐标、测向机测量的待定位目标相对于真北方向的 角度值以及目标GPS坐标，训练数据选取地点包括城市、郊区以及农村；

所述真实的目标方向值包括：通过目标GPS坐标和测向机所在的GPS坐标得到相对于真 北方向的角度值；

所述的目标位置估计值包括：使用卡尔曼滤波方法进行目标位置估计迭代过程中，每次 迭代产生的目标位置估计值，真实值修正的卡尔曼增益，每次迭代的位置估计值，其中真实 值修正的卡尔曼增益由下式计算：

g=-sinβiy^icosβi+x^isinβicosβiy^icosβi+x^isinβi]]>

其中，β_i代表真实的目标方向值，代表此次迭代目标GPS估计值。

3.根据权利要求1所述的一种基于BP神经网络的卡尔曼增益修正方法，其特征在于， 利用真实值修正的卡尔曼增益、测量值、测量值方差、目标估计位置和测向设备位置训练BP 神经网络包括：

所述的BP神经网络包括三层结构，第一层为输入层有六个节点分别代表：测量值、测量 值方差、目标估计位置GPS坐标和测向机GPS坐标，第二层为隐含层，第三层为输出层有两 个节点，分别对应使用真实方向值修正卡尔曼增益的两个维度；

所述的训练BP神经网络是以测量值、测量值方差、目标估计位置GPS坐标和测向机GPS 坐标作为BP神经网络的输入，以使用真实方向值计算的卡尔曼增益作为训练目标训练BP神 经网络。

4.根据权利要求1所述的一种基于BP神经网络的卡尔曼增益修正方法，其特征在于， 在使用扩展卡尔曼滤波算法进行移动单站测向定位过程中，使用训练好的BP神经网络修正卡 尔曼滤波增益值包括：

所述的扩展卡尔曼滤波算法进行移动单站测向定位过程包括：车载、机载的方式使得测 向机连续测得目标角度值，然后利用扩展卡尔曼滤波多次迭代提高定位精度；

所述的修正卡尔曼增益包括：在使用扩展卡尔曼滤波算法时，利用训练好的BP神经网络， 通过输入当前测量值、测量值方差、目标估计位置GPS坐标和测向机GPS坐标获取输出并按 照下式修正误差协方差，从而在下次迭代时修正卡尔曼增益

P_i|i＝(I-K·g^T)P_i|i-1(I-K·g^T)^T+KRK^T

K=Pi|i-1Hi(x^i|i-1)T(Hi(x^i|i-1)Pi|i-1Hi(x^i|i-1)T+R)-1]]>

其中P_i|i表示误差协方差，K表示卡尔曼增益，g表示BP神经网络的输出。