基于kalman的NARX模型跟踪算法仿真

目录

1.算法概述

2.仿真效果

3.MATLAB仿真源码

---

1.算法概述

        外因输入非线性自回归网络 (NARX) 是循环动态网络，其反馈连接包含网络的几个层。NARX 模型基于线性 ARX 模型，该模型通常用于时间序列建模。

NARX 模型的定义方程是

y(t)=f(y(t−1),y(t−2),…,y(t−ny),u(t−1),u(t−2),…,u(t−nu))

       其中从属输出信号 y(t) 的下一个值根据输出信号的先前值和独立（外因）输入信号的先前值进行回归。您可以通过使用前馈神经网络来逼近函数 f，从而实现 NARX 模型。生成的网络的图如下所示，其中两层前馈网络用于逼近。这种实现还支持向量 ARX 模型，其中输入和输出可以是多维的。

        NARX 网络有许多应用。它可以用作预测器，预测输入信号的下一个值。它也可用于非线性滤波，其中目标输出是输入信号的无噪声版本。NARX 网络可用于另一个重要应用，即非线性动态系统的建模。

       在说明 NARX 网络的训练之前，需要解释在训练中有用的一项重要配置。将 NARX 网络的输出视为