摘要：增益修改的卡爾曼濾波（MGEKF）算法在實際應用時,一般使用帶有誤差的測量值代替真實值進行增益修正計算,導致修正結果也被誤差污染。針對這一問題,提出一種基于反向傳播神經網絡（BPNN）改進的MGEKF算法,該算法使用訓練后的神經網絡代替MGEKF的增益修正函數(shù)。該算法在網絡訓練階段,以實際測量值作為神經網絡的輸入,真實值修正后的結果作為訓練目標;在實際應用中,使用網絡的輸出修正卡爾曼增益。針對移動單站只測向目標定位問題進行了實驗,實驗結果表明：該算法與擴展卡爾曼濾波（EKF）、MGEKF、平滑增益修改的卡爾曼濾波（sMGEKF）算法相比：定位精度至少提升10%,并且有更強的穩(wěn)定性。