[发明专利]一种置信度传递的分布式容积卡尔曼滤波协作定位方法

摘要

本发明公开了一种基于置信度传递的分布式容积卡尔曼滤波协作定位方法。其中，该方法包括：无线传感器网络中移动代理节点初始状态满足高斯分布，并将移动代理节点协作定位建模为时变因子图中多变量节点的边缘后验分布估计问题；其次，提出了高斯参数化置信度传递与重构策略，以及分布式容积卡尔曼滤波方法，计算因子图上每个变量节点的后验分布，进而获得每个移动代理节点定位结果。本发明公开协作定位方法中相邻代理节点之间只需传递高斯参数化置信度，具有良好的扩展性和鲁棒性，较低的通信开销和计算复杂度，提升整体网络定位精度和效率。

主权项

1.一种置信度传递的分布式容积卡尔曼滤波协作定位方法，其特征在于：包括以下步骤：(1)构建分布式移动代理节点协作定位网络模型，初始化网络参数、置信度迭代计算次数，已知参考节点位置，移动代理节点状态先验消息满足高斯分布；(2)每个移动代理节点计算自身状态预测消息，包括高斯均值向量和误差协方差矩阵；(3)构建实时量测网络，获得相邻代理和参考节点之间距离量测，对获得的实时量测消息进行存储；(4)执行置信度传递与迭代计算，相邻移动代理节点之间传递高斯参数化置信度，并采用重构策略获得组合高维均值向量和协方差矩阵表示组合先验消息；(5)根据步骤(4)获得高维组合均值向量和协方差矩阵，计算高维组合容积点，并将组合容积点带入非线性量测函数计算容积点传播，获得组合量测消息和量测预测均值；(6)根据步骤(5)中获得的高维组合容积点和组合量测消息以及量测预测均值，计算量测预测协方差矩阵和组合状态消息与量测信息的交叉协方差矩阵；(7)计算容积卡尔曼滤波增益，移动代理节点状态估计均值和误差协方差矩阵更新，获得移动代理节点高斯参数化置信度；返回步骤(4)执行高斯参数化置信度传递与迭代计算，完成预定迭代计算次数后返回步骤(2)进入下一轮递归计算。