文档介绍：第 44 卷第 4 期中南大学学报(自然科学版)     
2013 年 4 月  Journal of Central South University (Science and Technology)  Apr. 2013 
一种基于自适应粒子滤波的多层感知器学燕辉 1, 2, 3,  叶志成 1, 3,彭辉   1, 3 
(1.  中南大学信息科学与工程学院,湖南长沙,410083; 
2.  长沙理工大学电气与信息工程学院,湖南长沙,410077; 
3.  先进控制与智能自动化湖南省工程实验室,湖南长沙,410083) 
摘要:针对神经网络状态空间模型中系统噪声统计特性未知导致滤波发散或者滤波精度不高的问题,提出一种自
适应的粒子滤波神经网络训练算法。该算法用粒子滤波估计网络的权时,利用序贯更新先验信息的序贯可信度最
大化方法在线估计未知系统噪声方差。仿真结果表明:该自适应粒子滤波算法明显优于其他传统的神经网络训练
算法,如扩展卡尔曼滤波、噪声可调的扩展卡曼滤波、普通粒子滤波等。
关键词:多层感知器;粒子滤波;自适应粒子滤波
中图分类号:TP183  文献标志码:A  文章编号:1672−7207(2013)04−1397−06 
An algorithm for MLPs training based on adaptive particle filter 
XI Yanhui 1, 2, 3,  YE Zhicheng 1, 3,  PENG Hui1 , 3 
(1. School of Information Science and Engineering, Central South University, Changsha 410083, China; 
2. Electrical and Information Engineering College, Changsha University of Science and Technology, Changsha 410077, China; 
3. Hunan Engineering Laboratory for Advanced Control and Intelligent Automation, Changsha 410083, China) 
Abstract: To e the problems such as low filtering accuracy and divergence caused by unknown system noise 
statistics in state space work model estimation, an adaptive particle filter (APF) is proposed. By applying the 
sequential to estimate the variance of unknown system noise online, the particle filter is used to estimate the weights of 
the  multi­layer  p