基于改进BP神经网络的粒子滤波算法
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 课题背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文主要研究内容 | 第10-12页 |
| 第2章 Bayesian滤波与重要性抽样 | 第12-23页 |
| 2.1 预备知识 | 第12-13页 |
| 2.2 Bayesian滤波 | 第13-15页 |
| 2.2.1 动态系统模型 | 第13-14页 |
| 2.2.2 Bayesian滤波框架 | 第14-15页 |
| 2.3 序贯重要性抽样 | 第15-21页 |
| 2.3.1 理想Monte Carlo方法 | 第15-16页 |
| 2.3.2 重要性抽样(IS) | 第16-17页 |
| 2.3.3 序贯重要性抽样(SIS) | 第17-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第3章 标准BP神经网络的改进 | 第23-35页 |
| 3.1 BP神经网络 | 第23-32页 |
| 3.1.1 BP网络的前馈计算 | 第27-28页 |
| 3.1.2 梯度下降法 | 第28-29页 |
| 3.1.3 反向传导算法 | 第29-31页 |
| 3.1.4 隐含层的选取 | 第31-32页 |
| 3.2 标准BP神经网络的缺陷 | 第32页 |
| 3.3 标准BP神经网络的改进 | 第32-33页 |
| 3.4 基于改进BP神经网络的粒子滤波算法 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 仿真实验及效果评估 | 第35-41页 |
| 4.1 引言 | 第35页 |
| 4.2 仿真实验及效果评估 | 第35-39页 |
| 4.2.1 一维非线性模型 | 第35-37页 |
| 4.2.2 四维纯方位雷达跟踪模型 | 第37-39页 |
| 4.3 本章小结 | 第39-41页 |
| 结论 | 第41-42页 |
| 参考文献 | 第42-46页 |
| 致谢 | 第46页 |
