- 博客(8)
- 收藏
- 关注
RSS订阅原创 BP神经网络
BPBPBP神经网络的概念BPBPBP神经网络是一种多层的前馈神经网络，其主要的特点是：信号是前向传播的，而误差是反向传播的。具体来说，BP神经网络的过程主要分为两个阶段，第一阶段是信号的前向传播，从输入层经过隐含层，最后到达输出层；第二阶段是误差的反向传播，从输出层到隐含层，最后到输入层，然后依次调节隐含层到输出层的权重和偏置，输入层到隐含层的权重和偏置。BPBPBP神经网络的流程1、网络初始化假设输入层的节点个数为nnn，隐含层的节点个数为lll，输出层的节点个数为mmm。输入层到隐含层的权重w
2022-04-17 15:59:01
2319
原创 KF滤波器参数分析
线性KalmanKalmanKalman滤波器考虑如下状态空间模型描述的动态系统：xk=Axk−1+Buk−1+ωk−1x_k=Ax_{k-1}+Bu_{k-1}+\omega_{k-1}xk=Axk−1+Buk−1+ωk−1yk=Hxk+vky_k=Hx_k+v_kyk=Hxk+vk式中，kkk为离散时间，系统在时刻kkk的状态向量为xk∈Rnx_k\in \mathbb{R}^nxk∈Rn；假设系统满足可观性要求，yk∈Rny_k\in \mathbb{R}^nyk∈Rn为对应
2022-04-17 15:53:26
592
原创 Kalman滤波在船舶导航定位系统中的应用
KalmanKalmanKalman滤波在船舶GPSGPSGPS导航定位系统中的应用全球定位系统(GlobalPositioningSystem，GPS)(Global\quad Positioning \quad System，GPS)(GlobalPositioningSystem，GPS)广泛应用于军事和国际经济各领域。船舶GPSGPSGPS导航定位系统将一台GPSGPSGPS接收机安装在运动目标(船舶)上就可以进行导航定位计算。GPSGPSGPS接收机可以实时收到在轨的导航卫星播发的信号，算出接
2022-04-17 15:49:24
705
1
原创 自适应控制
模型参考自适应控制系统结构模型参考自适应控制系统的典型结构如下图所示，系统由参考模型、控制器和自适应率组成。控制器包括被控对象的前馈控制器和反馈控制器，可以根据自适应率进行调整；参考模型实际上是一种理想控制系统，其输出代表了期望的性能，对调节系统的特性要求，如超调量、阻尼时间等等；自适应率用来消除被控对象输出和参考模型期望输出的误差，改变控制器参数或者生成辅助输入。基于LyapunovLyapunovLyapunov稳定性原理的二阶SISOSISOSISO系统自适应控制器设计考虑如下二阶S
2022-04-17 15:42:45
4625
原创 IMU模型下的IEKF
复杂系统下的不变扩展卡尔曼滤波由前文可知，不变性要靠合理的状态误差设计来实现，但在更复杂的系统中，为所有状态量找到一个满足不变性的状态误差是很困难的，甚至一些状态是不可能被表示为群运算的。在存在这类状态量的系统中，有没有可能保留IEKFIEKFIEKF的主要优点呢（主要指一致性方面的优点），答案是肯定的。考虑这样一类系统，其系统方程如下：Θ˙t=g(Θt)χ˙t=f(χt,ut,Θt)yt=h(χt,Θt)\begin{aligned}\dot\Theta_t &= g(\Theta_t)
2022-03-17 22:55:56
642
原创 不变扩展卡尔曼滤波（IEKF）
扩展KalmanKalmanKalman滤波的缺陷存在正反馈普通的扩展卡尔曼滤波（EKF）（EKF）（EKF），通过对动态方程的线性化，来估计状态与状态的协方差。比如有一个系统定义为x˙t=f(xt,ut)+nt\begin{aligned}\dot{x}_{t}&=f(x_t, u_t) + n_t\end{aligned}x˙t=f(xt,ut)+nt其中xtx_txt是系统状态，utu_tut是输入，ntn_tnt是系统噪声。假设某个时刻对状态的估计为x^t\ha
2022-03-17 22:54:12
3856
2
原创 IMU运动模型基础：旋转矩阵，李群李代数
旋转运动学速度合成公式假设有如上图所示的一静一动两个坐标系，按照习惯，我们记动坐标系为体系bbb，静坐标系为惯性系 iii。此时有一个物体在空间运动，记其在两个坐标系下的坐标分别为rir^{i}ri 和rbr^{b}rb，两者之间的关系为：ri=ribi+Ribrbr^{i}=r^{i}_{ib}+R_{ib}r^{b}ri=ribi+Ribrb式中上标表示矢量所在的坐标系，ribir^{i}_{ib}ribi表示 bbb系到iii 系的平移变换矢量，RibR_{ib}Rib表示bbb 系
2022-03-17 22:50:35
2047
原创 线性卡尔曼滤波和扩展卡尔曼滤波（KF，EKF）
线性KalmanKalmanKalman滤波器(KF)(KF)(KF)考虑如下状态空间模型描述的动态系统：xk=Axk−1+Buk−1+ωk−1x_k=Ax_{k-1}+Bu_{k-1}+\omega_{k-1}xk=Axk−1+Buk−1+ωk−1yk=Hxk+vky_k=Hx_k+v_kyk=Hxk+vk式中，kkk为离散时间，系统在时刻kkk的状态向量为xk∈Rnx_k\in \mathbb{R}^nxk∈Rn；假设系统满足可观性要求，yk∈Rny_k\in\mathbb{R}
2022-03-17 22:47:12
2071
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人