[发明专利]一种面向人机协同的月面通信与导航一体化实现方法与装置

权利要求书

1.一种面向人机协同的月面通信与导航一体化实现方法，其特征在于，包括以下步骤：

步骤A：移动目标节点接收其他节点的无线信号，提取无线信号特征并建模，进而估计其与其他节点之间的距离；

步骤A主要包含以下步骤：

步骤A1：移动目标节点通过无线信号传输的飞行时间特征，估计其与其他节点的距离；

步骤A2：将加性测距噪声建模为高斯混合模型：

其中，噪声n建模为在空间中的含有S＝|S|个高斯分布的混合模型，n中的第s个高斯分布的均值和方差分别为和权重τ_s表示无线信号以不同的概率经历视距或非视距传输，而均值和方差则分别给出了视距和非视距所引入误差的统计特性；

步骤B：移动目标节点通过惯性传感器，获得移动目标节点的运动距离和方位信息；

步骤B主要包含以下步骤：

步骤B1：刻画运动步长的概率分布，通过惯导的加速度传感器可以获得步长估计，假设为步长w服从分布：

其中，C＝|C|是混合模型所包含高斯分布的数量，λ_c表示经历不同运动状态的概率，均值和方差表示不同状态下步长的统计特性；

步骤B2：根据惯导中的陀螺仪，可以获得目标移动的方位角，假设时刻k运动的方向向量为T_k，则运动向量为q_k＝T_k-1w_k，其中w_k为时刻k的运动的距离；

步骤B3：构建刻画运动向量概率分布的混合高斯向量模型为：

p(q_k)＝∑_c∈Cλ_cN(q_k；μ_c,Σ_c)

其中，运动向量概率分布的均值向量为：

运动向量概率分布的方差矩阵为：

步骤C：结合历史位置信息，建立状态空间模型，实现多维信息的融合，对移动目标节点的位置信息进行最大似然估计；

步骤C主要包含以下步骤：

步骤C1：假设时刻k移动目标j的坐标为锚节点i的坐标为α_i(i∈{1,…,N})，定义移动目标j与锚节点i之间的距离为：

其中，M和N分别为月面网络中移动目标的总数和锚节点的总数；

步骤C2：建立状态空间模型，以及移动目标的历史位置坐标，建立移动目标的运动模型和距离的观测模型为：

其中，测距噪声n_j,k为观测向量，真实的距离向量为非线性的观测向量为A_j表示与第j个移动目标通信的节点集合，则有|A_j|≤N+M；

步骤C3：通过线性运算，已知时，的条件概率密度函数可描述为：

步骤C4：通过线性运算，第i个测距值d_i,j,k的条件概率密度函数可为：

步骤C5：引入辅助变量当给定时，u_j,k的条件概率密度函数为：

联合条件概率密度函数的对数似然函数可写成：

其中，矩阵变量τ和λ分别为和

步骤C6：建立位置估计最优化问题，根据τ和λ，为了获得位置坐标的最优估计值建立最大似然估计问题为：

其中，给出了系数τ_i,s和λ_c的约束；在一次测距信息的采样中，τ_i,s表示第s个分布在混合模型中所占的概率，其为介于0和1之间的实数，混合模型中的权重系数τ_i,s被限制为总和为1；在一次步长估计的过程中，λ_c表示不同运动状态发生的概率，λ_c也满足总和为1的约束；

步骤D：通过期望最大化算法对所建立的噪声模型和运动状态模型进行参数估计，降低非视距传输对测量信号的影响，并对移动目标节点的运动姿态进行聚类分析，从而获得移动目标节点的位置信息；

步骤D主要包含以下步骤：

步骤D1：利用概率模型参数的现有估计值，计算隐藏变量的期望，观测变量n_j,k和q_j,k-1均为高斯混合变量，第t轮迭代的参数估计如下：

步骤D2：利用步骤D1中求得的隐藏变量期望，对参数模型进行最大似然估计，求得第(t+1)轮迭代的距离噪声分布参数对，为：

以及，第(t+1)轮迭代的运动向量概率分布参数对，为：

步骤D3：重复步骤D1-D2，直至满足收敛条件；根据最大似然估计算法，可以获得位置坐标的最优估计值