一种置信度传递的分布式容积卡尔曼滤波协作定位方法技术

本发明专利技术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。本发明专利技术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。

A Distributed Volumetric Kalman Filter Collaborative Location Method with Confidence Transfer

【技术实现步骤摘要】
一种置信度传递的分布式容积卡尔曼滤波协作定位方法
本专利技术涉及无线传感器网络中移动节点协作定位
，尤其涉及一种置信度传递的分布式容积卡尔曼滤波协作定位方法。
技术介绍
目前，在无人驾驶导航技术和移动机器人技术快速发展背景下，对位置信息的需求逐渐增加，利用无线传感器网络协作定位技术实现移动节点定位受到了众多学者的广泛关注与研究。经典的和积无线网络定位算法采用非参数置信度传递策略实现代理节点协作定位，为了保证较好的定位精度需要应用大量随机采样粒子，导致较高的计算复杂度，同样也会占用大量的传感器资源。由于移动节点之间消息传递需要发送表示位置信息的所有粒子，较高的通信开销导致较高的能量消耗，缩短传感器和电池的使用寿命。采用分布式扩展卡尔曼滤波算法实现协作定位，由于需要求解雅可比矩阵，较高的计算复杂度限制其实际应用，并且非线性函数近似策略引入了模型误差导致定位精度有限；其次，分布式不敏卡尔曼滤波算法中参数和权值的确定都会影响最终的定位结果，并且其协方差不能始终保证正定导致定位效果不稳定甚至定位失败。因而，需要开发出具有良好扩展性和稳定性，较低通信开销和计算复杂度的分布式协作定位算法。专本文档来自技高网...

【技术保护点】
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...

【技术特征摘要】
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。2.如权利要求1所述的基于置信度传递的分布式容积卡尔曼滤波协作定位方法，其特征在于：所述步骤(1)中，初始化网络参数，t＝0时刻，已知参考节点位置集合{xa′}，移动代理节点状态{xa,0}先验消息满足高斯分布f(xa,0)～N(μa,0,Ca,0)，其中，t∈{0,...,T}表示运行步长，T表示运行步长总和，N(·)表示高斯分布缩写，f(xa,0)表示先验消息，μa,0和Ca,0是已知高斯分布均值向量和协方差矩阵，(a,a′)∈A表示一个移动代理节点和一个参考节点，A是网络中所有节点集合；已知移动代理节点过程噪声和量测噪声满足零均值高斯分布分别表示为其中，ua,t是已知过程噪声，是已知过程噪声方差，I是单位矩阵，va,k；t是量测噪声，是已知量测噪声方差，k是相邻节点，因子图中置信度传递迭代计算次数设置为n∈{1,...,N}，N表示正整数。3.如权利要求1所述的基于置信度传递的分布式容积卡尔曼滤波协作定位方法，其特征在于：所述步骤(2)中移动代理节点计算t时刻自身状态预测消息f(xa,t|t-1)，首先，获得t-1时刻的移动代理节点状态后验高斯分布均值向量和误差协方差矩阵其次，计算2da个容积点ξ(i)和表达式如下：其中，da是节点均值向量的维度，ei表示矩阵第i列元素，表示da维的单位矩阵，n是置信度迭代计算次数，移动代理节点通过状态转移函数xa,t＝f(xa,t-1,ua,t)计算传播后的容积点表达式如下：进而可以计算移动代理节点预测消息包括均值向量μa,t|t-1和误差协方差矩阵Ca,t|t-1表达式如下：其中，Qt-1是已知过程噪声方差矩阵，所有移动代理节点完成状态预测和预测误差协方差计算，获得预测均值向量μa,t|t-1和误差协方差矩阵Ca,t|t-1表示t时...

【专利技术属性】
技术研发人员：胡振涛，付春玲，代宝，李军伟，金勇，周林，魏倩，
申请(专利权)人：河南大学，
类型：发明
国别省市：河南,41