《基于RBF神经网络的MIMU姿态解算算法研究》PDF+DOC
作者:姚文凯,邢砾文
单位:天津电子信息应用教育中心;天津市科学技术信息研究所
出版:《数码世界》2019年第12期
页数:2页 (PDF与DOC格式可能不同)
PDF编号:PDFSJSM2019120470
DOC编号:DOCSJSM2019120479
下载格式:PDF + Word/doc 文字可复制、可编辑
《改进型自适应无迹卡尔曼姿态算法》PDF+DOC2017年第10期 侯江宽,马珺,贾华宇
《一种基于RBF神经网络的传感器故障诊断方法》PDF+DOC2002年第06期 李尔国,俞金寿
《基于小波和RBF神经网络的多传感器时间对准算法研究》PDF+DOC2014年第01期 邓捷,陆百川,马庆禄,刘权富
《基于蚁群聚类算法的RBF神经网络在压力传感器中的应用》PDF+DOC2013年第06期 孙艳梅,都文和,冯昌浩,刘道森,卢俊国,崔全领,苗凤娟,宋志章
《改进自适应卡尔曼滤波的拖拉机驱动轮滑转率估计》PDF+DOC2017年第04期 周志立,刘尧,徐立友
《基于RBF神经网络的传感器故障诊断研究》PDF+DOC2003年第02期 吴浩中,黄飞鹏,王开文
《卡尔曼滤波方程的改进算法及应用》PDF+DOC2002年第03期 李春霞
《基于RBF神经网络的复合材料层合壳荷载识别》PDF+DOC2008年第03期 董会丽,郑世杰
《基于RBF神经网络对电磁力平衡传感器测量精度的研究》PDF+DOC2007年第01期 陆青丽,郑崇苏
《LMBP和RBF在ECS特性曲线拟合中对比研究》PDF+DOC2013年第02期 丁硕,常晓恒,巫庆辉
最近几年来由于微惯性测量单元技术的不断进步与发展,陀螺仪、加速度计和磁传感器被广泛应用于定位与导航之中。在目前的室内导航中,定位精度始终是一个比较重要的因素,采用常规的姿态解算算法或者单纯只采用卡尔曼滤波算法来求解已经不能满足现在对室内导航精度高、可靠性高和成本低的要求。针对微惯性器件的精度低、容易受到噪声影响的缺点,本文提出了RBF-卡尔曼融合滤波的姿态解算算法,并通过仿真实验,对未经过处理的原始数据利用传统模型、RBF-卡尔曼融合滤波模型的解算结果进行对比分析,结果表明该算法能够较好的提高姿态解算精度。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。