39、基于协方差传播的去中心化协作定位算法解析

基于协方差传播的去中心化协作定位算法解析

1. 引言

近年来，多无人平台协作任务执行模式备受国际关注。多平台协作能扩大监视、搜索和作战范围，具备多任务处理、整体效率高、系统可靠性增强和稳定性好等优势。多无人协作定位是一种通过运动中相互观测和利用平台间约束关系来提高系统定位精度的方法，根据数据融合结构可分为集中式、分布式和去中心化。与其他两种数据融合方法相比，去中心化数据融合无需依赖单独的处理中心来解决无人平台协作定位问题，能有效避免因单个平台故障导致协作系统崩溃，从而提高系统稳定性和可靠性。

此前已有一些相关算法被提出，但都存在一定问题。例如，Bahr等人提出的算法计算复杂度高、内存需求大且每次更新需要更多信息；Roumeliotis等人的算法仍需数据融合中心，未实现真正的去中心化；Kia等人的算法在机器人状态更新频率高时会增加通信负担。因此，本文提出了一种基于协方差传播的去中心化数据融合算法，并设计了相应的通信策略，通过仿真实验证明该算法的精度与集中式协作定位算法相当。

2. 协同间状态向量与协方差的递归规律

为分析协同间的协方差传递关系，假设存在两个平台。每个无人平台的离散数学模型如下：
[
\begin{cases}
X_k = \Phi_{k/k - 1}X_{k - 1} + \Gamma_{k - 1}W_{k - 1}\
Z_k = H_kX_k + V_k
\end{cases}
]
关于噪声的基本假设为：
[
\begin{cases}
E[W_k] = 0, E[W_kW^T_j] = Q_k\delta_{kj}\
E[V_k