一种多节点动态网络协同定位方法技术

本发明专利技术公开了一种多节点动态网络协同定位方法，包括基于节点观测量，在卡尔曼滤波算法的基础上构建自适应调整系统观测误差协方差矩阵的动态协同定位方法；基于方差上界技术构建基于联邦卡尔曼滤波的动态协同定位方法；通过结合自适应调整系统观测误差协方差矩阵的动态协同定位方法与基于联邦卡尔曼滤波的动态协同定位方法实现多节点的动态网络协同定位。本发明专利技术基于卡尔曼滤波原理，通过自适应调整观测误差协方差矩阵的滤波方法与联邦滤波方法融合，实现移动节点间锚节点与普通节点变换，节点间测距值消失与出现、节点的随机接入与退出等情况下协同定位系统正常工作。入与退出等情况下协同定位系统正常工作。入与退出等情况下协同定位系统正常工作。

【技术实现步骤摘要】
一种多节点动态网络协同定位方法


[0001]本专利技术涉及动态网络的
，尤其涉及一种多节点动态网络协同定位方法。

技术介绍

[0002]对于基于距离测量的协同定位导航技术，目前普遍采用基于卡尔曼滤波技术来进行工程实现，其通过建立移动节点的运动模型，并在此基础上进行多节点的协同定位卡尔曼滤波器设计，实现系统节点的位置最优估计。但是在实际应用过程中，节点始终处于运动状态，常常会面临场景切换问题，可能出现锚节点与普通节点角色变化、节点之间的测距值的消失或产生、节点随机接入与退出网络等情况，造成卡尔曼滤波算法无法正常工作的情况。
[0003]本专利提出了一种多节点动态网络协同定位方法，基于卡尔曼滤波原理，通过自适应调整观测误差协方差矩阵的滤波方法与联邦滤波方法融合，实现移动节点间锚节点与普通节点变换，节点间测距值消失与出现、节点的随机接入与退出等情况下协同定位系统正常工作。

技术实现思路

[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0005]鉴于上述现有存在的问题，提出了本专利技术。
[0006]因此，本专利技术解决的技术问题是：现有技术在场景切换时会导致系统无法正常工作的问题。
[0007]为解决上述技术问题，本专利技术提供如下技术方案：一种多节点动态网络协同定位方法，包括：
[0008]基于节点观测量，在卡尔曼滤波算法的基础上构建自适应调整系统观测误差协方差矩阵的动态协同定位方法；
[0009]基于方差上界技术构建基于联邦卡尔曼滤波的动态协同定位方法；
[0010]通过结合自适应调整系统观测误差协方差矩阵的动态协同定位方法与基于联邦卡尔曼滤波的动态协同定位方法实现多节点的动态网络协同定位。
[0011]作为本专利技术所述的多节点动态网络协同定位方法的一种优选方案，其中：定义一个节点数固定为N的协同定位网络，当节点间所有测距信息都存在，且所有节点都可以接收到BDS卫星时，其观测量可以表示为：
[0012][0013]其中：分为i节点与j节点外部观测量和自身内部观测量。
[0014]作为本专利技术所述的多节点动态网络协同定位方法的一种优选方案，其中：当初始状态时刻为已知时，卡尔曼滤波流程包括：
[0015]A1：根据状态矩阵以及k
‑
1时刻状态估计，得到k时刻的预测：
[0016]x
k,k
‑1＝Φ
k,k
‑1x
k
‑1[0017][0018]其中，x
k
表示系统在k时刻的状态，x
k,k
‑1表示通过k
‑
1时刻预测的k时刻状态，Φ
k,k
‑1表示k
‑
1时刻到k时刻的状态转移矩阵；Q
k
表示协同定位系统状态噪声协方差矩阵；Γ
k/k
‑1是k
‑
1时刻到k时刻的噪声分配矩阵
[0019]A2：计算卡尔曼滤波增益：
[0020][0021]其中，K
k
表示k时刻卡尔曼滤波增益，H
k
为k时刻的观测转移矩阵；为k时刻观测误差协方差矩阵。
[0022]A3：通过卡尔曼增益计算后验：
[0023]x
k
＝x
k,k
‑1+K
k
(z
k
‑
H
k
x
k,k
‑1)
[0024]P
k
＝(I
‑
K
k
H
k
)P
k,k
‑1[0025]作为本专利技术所述的多节点动态网络协同定位方法的一种优选方案，其中：所述观测量对应系统观测误差协方差矩阵R
k
为对角线为观测误差方差、非对角线元素为0，维度为的矩阵；
[0026]当系统在k时刻得到的观测信息集合为E时，对于系统观测量在k时刻是否存在的条件表示为矩阵A
k
，所述矩阵A
k
表示为：
[0027][0028]其中，
[0029]作为本专利技术所述的多节点动态网络协同定位方法的一种优选方案，其中：对卡尔曼增益公式进行改写，表示为：
[0030][0031]其中，anti(
·
)为对矩阵对角线元素反向计算，i为该元素再矩阵中的位置，x
+∞
为趋近于正无穷大的值。
[0032]作为本专利技术所述的多节点动态网络协同定位方法的一种优选方案，其中：在系统观测量中，当某一观测量消失后，使用状态预测值代替观测值，所述状态预测值表示为：
[0033][0034]其中，rep(
·
)为对观测量的替换计算，
[0035]作为本专利技术所述的多节点动态网络协同定位方法的一种优选方案，其中：节点及节点间动态变化的协同定位卡尔曼滤波算法改写包括：
[0036]计算状态预测：
[0037]x
k,k
‑1＝Φ
k,k
‑1x
k
‑1[0038][0039]计算卡尔曼滤波增益：
[0040][0041]更新系统观测量
[0042][0043]计算状态后验：
[0044][0045]P
k
＝(I
‑
K
k
H
k
)P
k,k
‑1[0046]作为本专利技术所述的多节点动态网络协同定位方法的一种优选方案，其中：所述基于联邦卡尔曼滤波的动态协同定位方法由一个参考系统和新旧两个子系统构成，通过使用无反馈模式，每个自滤波器并行独立，并采用方差上界技术，分别得到系统的局部状态估计及误差均方差，然后输入到主系统中，作为主系统的观测量进行全局滤波，获得协同系统的全局状态估计，并在新系统输出稳定后，关闭旧系统滤波，实现节点加入后系统状态平滑过度。
[0047]作为本专利技术所述的多节点动态网络协同定位方法的一种优选方案，其中：所述多节点的动态网络协同定位的流程包括：
[0048]首先初始化状态量和估计误差协方差矩阵，获取系统所有节点及节点间信息，然后判断量棒滤波器是否存在；当联邦滤波器存在时新滤波器更新状态预测和预测状态误差协方差矩阵；当联邦滤波器不存在时，节点数量改变，构建联邦卡尔曼滤波器，新、旧滤波器更新状态预测和预测状态误差协方差矩阵，判断节点及节点间观测数量是否变化。
[0049]作为本专利技术所述的多节点动态网络协同定位方法的一种优选方案，其中：所述多节点的动态网络协同定位的流程包括：
[0050]当节点及节点间观测数量变化时，对传感器信号进行可靠性评价，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多节点动态网络协同定位方法，其特征在于，包括：基于节点观测量，在卡尔曼滤波算法的基础上构建自适应调整系统观测误差协方差矩阵的动态协同定位方法；基于方差上界技术构建基于联邦卡尔曼滤波的动态协同定位方法；通过结合自适应调整系统观测误差协方差矩阵的动态协同定位方法与基于联邦卡尔曼滤波的动态协同定位方法实现多节点的动态网络协同定位。2.如权利要求1所述的多节点动态网络协同定位方法，其特征在于：定义一个节点数固定为N的协同定位网络，当节点间所有测距信息都存在，且所有节点都可以接收到BDS卫星时，其观测量可以表示为：其中：分为i节点与j节点外部观测量和自身内部观测量。3.如权利要求2所述的多节点动态网络协同定位方法，其特征在于：当初始状态时刻为已知时，卡尔曼滤波流程包括：A1：根据状态矩阵以及k
‑
1时刻状态估计，得到k时刻的预测：x
k,k
‑1＝Φ
k,k
‑1x
k
‑1其中，x
k
表示系统在k时刻的状态，x
k,k
‑1表示通过k
‑
1时刻预测的k时刻状态，Φ
k,k
‑1表示k
‑
1时刻到k时刻的状态转移矩阵；Q
k
表示协同定位系统状态噪声协方差矩阵；Γ
k/k
‑1是k
‑
1时刻到k时刻的噪声分配矩阵A2：计算卡尔曼滤波增益：其中，K
k
表示k时刻卡尔曼滤波增益，H
k
为k时刻的观测转移矩阵；为k时刻观测误差协方差矩阵。A3：通过卡尔曼增益计算后验：x
k
＝x
k,k
‑1+K
k
(z
k
‑
H
k
x
k,k
‑1)P
k
＝(I
‑
K
k
H
k
)P
k,k
‑1。4.如权利要求3所述的多节点动态网络协同定位方法，其特征在于：所述观测量对应系统观测误差协方差矩阵R
k
为对角线为观测误差方差、非对角线元素为0，维度为的矩阵；当系统在k时刻得到的观测信息集合为E时，对于系统观测量在k时刻是否存在的条件表示为矩阵A
k
，所述矩阵A
k
表示为：
其中，5.如权利要求4所述...

【专利技术属性】
技术研发人员：黄俊波，孙斌，张智华，罗哲轩，李俊鹏，周重孚，贾永祥，金涛，李秉宸，李雳，孟维旭，谢清宇，刘永付，陈品文，骆方，
申请(专利权)人：云南电网有限责任公司输电分公司，
类型：发明
国别省市：