协同导航不完全量测环路和积数据关联算法

摘要：

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.

关键词：协同导航、网络定位、环路和积数据关联、高斯滤波、延迟估计

所属期刊栏目：41

分类号：TP391.4;TH39(计算技术、计算机技术)

资助基金：国家自然科学基金;河南省科技攻关;中国博士后科学基金

在线出版日期：2020-12-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：136-145