基于模拟退火方法BP神经网络的测向定位方法

针对BP算法在测向定位中收敛速度慢、易陷入局部极小等缺点,将模拟退火方法应用到BP神经网络中,同时结合变步长方法,利用隐层节点的动态合并与删除策略,在满足定位精度的同时使网络结构最小化,使用三层前馈网络建立了三站测向定位模型。通过仿真实验,新方法在收敛速度和有效性方面都远高于BP算法。     

基于实神经网络代数算法的三维测向定位算法

目前三维空间测向定位多采用先在二维体系中计算然后转换为空间坐标的方法,正北偏差、投影变换的方位变形等会对定位精度造成很大的影响.本文立足于三维空间,利用多个测向平面形成的空间目标观测方程组,并利用实神经网络代数算法收敛速度快、时间效率高以及隐层神经元个数选取等方面的优势,构建了三站测向定位模型.仿真实验表明,本算法定位精度明显提高,在不同测向精度条件下定位误差接近CRLB,使得该算法适用于复杂的测向环境,具有很强的实用性.     

基于实神经网络代数算法的改进测向定位方法

针对BP算法在测向定位中收敛速度、隐层神经元个数的选取以及定位精度等方面的缺点,将实神经网络代数算法首次应用到测向定位中。给出了隐层神经元个数的准确公式,快速准确的获取训练权值,建立了基于代数算法的三站定位模型。通过仿真实验,新方法在定位精度和时间效率方面都远高于BP算法。