Indexed by：
Abstract：
该文研究了捷联惯导在静基座下的初始对准问题,其中粗对准中采用磁罗盘和加速度计得到初始姿态角,精对准中采用具有最佳逼近性的径向基函数神经网络(RBF网络)修正姿态角.在RBF网络基函数中心选取时,基于样本分布特点,采用简单有效的均值法,同时为了增加了神经网络权值学习的鲁棒性和快速性,将H∞鲁棒滤波用于网络的权值调整中.仿真结果表明,采用这种优化学习的RBF神经网络进行初始对准比用传统的Kalman滤波更快速有效,且与Kalman滤波精度相当.
Keyword：
Reprint Author's Address：
Email：
Source ：
计算机仿真
ISSN： 1006-9348
Year： 2006
Issue： 4
Volume： 23
Page： 30-32,49
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： 5
Chinese Cited Count：
30 Days PV： 7
Affiliated Colleges：
