协同导航不完全量测环路和积数据关联算法

发布时间：2021-02-11 15:33

　　协同导航技术是提升平台协作性能的重要保障和关键技术,针对复杂环境中导航信息测量数据丢包或延迟问题,提出一种协同导航滤波用不完全量测环路和积数据关联算法（IM-LSPADA）,将局部节点状态与友邻节点状态进行扩维,协同节点的状态噪声联合扩维,为系统状态变量,友邻节点测距为观测量,对状态与量测噪声的后验概率密度函数进行高斯近似;量测数据随机延迟或丢包时,采用上一时刻量测量作为系统观测值,基于确定积分点进行采样的贝叶斯框架,计算预测目标节点位置,进行定位。通过无迹变换（UT）传播的sigma积分点进行IM-LSPADA估计仿真和实验结果表明,量测数据丢失时,能够完成目标网络的定位和跟踪。与未考虑量测随机延迟的SPBP算法相比,改进算法的横轴位置误差降低了76%,纵轴位置误差降低了66%,精度可达到标准的和积数据关联算法（SPADA）的精度。 

【文章来源】：仪器仪表学报. 2020,41(07)北大核心

【文章页数】：10 页

【部分图文】：

协同导航网络节点通信

y轴位置误差

x轴速度误差

【参考文献】：
期刊论文
[1]引入滑模观测器的GPS/INS组合导航滤波方法[J]. 杨菊花,李文元,陈光武,张琳婧,程鉴皓.  仪器仪表学报. 2019(09)
[2]基于平方根容积机器人蒙特卡罗定位算法研究[J]. 朱奇光,张兴家,陈卫东,陈颖.  仪器仪表学报. 2015(04)
[3]多AUV协同导航问题的研究现状与进展[J]. 徐博,白金磊,郝燕玲,高伟,刘亚龙.  自动化学报. 2015(03)



本文编号：3029326