1、在噪聲環(huán)境中如何有效的提取有用信號一直是信號處理領域的前沿研究課題。采用最小均方誤差準則的維納濾波器和卡爾曼濾波器能有效的去除噪聲，獲取有用信號。維納濾波器對噪聲為多維或非平穩(wěn)隨機過程的情況顯得無能為力，卡爾曼濾波器將狀態(tài)空間的概念引入隨機估計理論中，不但可以用于平穩(wěn)隨機過程，而且可用于復雜的多變量系統(tǒng)和非平穩(wěn)隨機過程，很好的解決了維納濾波應用受限的問題。但是模型誤差將會導致卡爾曼濾波性能下降甚至發(fā)散，而神經(jīng)網(wǎng)絡能較好的修正模型誤差。因

2、此，本文提出了一種基于新息的神經(jīng)網(wǎng)絡卡爾曼濾波算法，該算法既能對噪聲統(tǒng)計特性進行自適應估計，又能較好的補償模型誤差帶來的濾波估計誤差。
　　本文首先對神經(jīng)網(wǎng)絡系統(tǒng)辨識進行了相應研究，考慮噪聲對辨識樣本的影響，提出了離線辨識下的自適應神經(jīng)網(wǎng)絡辨識法，并對BP網(wǎng)絡在線辨識性能進行仿真驗證，結果表明神經(jīng)網(wǎng)絡系統(tǒng)辨識是一種簡便可行的辨識建模方法。然后針對噪聲統(tǒng)計特性對卡爾曼濾波性能的影響，推導了基于新息的自適應卡爾曼濾波算法，并對其在隨機

3、噪聲下進行了驗證，仿真顯示在噪聲特性改變時仍能保持較好的濾波性能，具有較強的自適應估計能力。最后在系統(tǒng)辨識基礎上，考慮系統(tǒng)模型誤差對濾波性能的影響，分別在離線辨識和在線辨識情況下，對基于新息的神經(jīng)網(wǎng)絡卡爾曼濾波算法性能進行了檢驗，仿真表明該算法能有效的補償模型誤差造成的濾波估計誤差，提高了濾波性能和系統(tǒng)穩(wěn)定性，并且在線辨識下的性能要優(yōu)于離線辨識。
　　文章最后比較了基于新息的神經(jīng)網(wǎng)絡卡爾曼濾波算法、交互式多模型算法和最小二乘算法對