基于混合动态信念传播的多无人机协同定位算法

《基于混合动态信念传播的多无人机协同定位算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2016年5月北京航空航天大学学报May2016第42卷第5期JournalofBeijingUniversityofAeronauticsandAstronauticsV01．42No．5http：∥bhxb．buaa．edu．cnjbuaa@buaa．edu．{311DOI：10．13700／j．bh．1001-5965．2015．0321基于混合动态信念传播的多无人机协同定位算法万九卿4，布少聪，钟丽萍(北京航空航天大学自动化科学与电气工程学院，北京100083)摘要：针对多无人机(UAVs)协同定位问题，提出一种基于混合动态信念传播的定位算法。在部分无人机

2、GPS信号丢失的情况下，该算法可根据其他无人机的GPS观测，相邻无人机之间的相对距离观测，以及无人机加速度计的输出，对每个无人机的位置和速度状态进行分布式在线估计。首先用因子图模型描述多无人机的联合信念状态，接着给出一种混合动态信念传播推理算法计算图模型中的每个变量节点(对应于每个无人机)状态的边缘后验分布。推理过程仅包括每个无人机对自身局部信息的处理以及相邻无人机之间的信息交互，因此该算法可完全分布式实现。通过仿真实验以及与传统协同定位算法的比较，表明了本文算法的有效性。关键词：多无人机；协同定位；图模型；信念传播；分布式算法中图分类号：V279文献标识码：A文

3、章编号：1001-5965(2016)05m934．11无人机(UAV)是一种有动力、可控制、能携带多种任务设备、执行多种任务，并能重复使用的无人驾驶航空器。其独有的低成本、低损耗、零伤亡，具有良好的灵活机动性和隐蔽性、可重复使用和高机动等诸多优势，其使用范围已拓宽到军事、民用和科学研究三大领域⋯。由多架小型低功耗无人机组成的无人机群可以完成多种飞行任务，而完成这些任务的基本前提之一是能够对无人机群中的每个成员进行准确的定位¨1。传统的定位方法中，惯性导航系统(INS)自主性强，功能完备，但其误差随时间积累而增大；全球定位系统(GPS)提供24h、全球、全天候的高

4、精度的测速定位服务，但其不足之处在于自主性和可靠性差，易受干扰"1。在复杂的飞行环境中，例如建筑物、植物、丘陵地带或者GPS接收器故障都可能导致无人机GPS观测的丢失，从而导致定位失败。在无人机编队中。不同的无人机成员之间的相对距离可以通过超宽带(UWB)无线电技术或者光学系统测得H’，有效地利用相对距离消息可以弥补INS和GPS定位的不足，从而实现无人机群的协同定位。近年来，无人机群的协同定位问题得到了广泛的关注。文献[5]采用改进最小二乘算法进行三维空间中的协同定位，以参考节点为球心，以参考节点至待定节点的距离为半径的各球面相交于一点，从而能得到唯一的定位消息

5、。但由于测距误差的存在，会使得球面交叠为一个区域或者出现不相交的情况，表现为多解或者无解¨11。此外，最dx--乘算法的每个时刻之间独立定位，没有充分利用INS的观测信息。协同扩展卡尔曼滤波(EKF)可以充分利用INS的观测，但由于相对距离测量模型具有很强的非线性，而协同扩展卡尔曼滤波在估计中对非线性模型进行了线性化，这样就不可避免地引入了较大的线性化误差。无迹卡尔曼滤波(UKF)能以更高的精度估计非线性系统中的后验均值和协方差，因此能减少由非线收稿日期：2015-05-20；录用日期：2015-08-20；网络出版时间：2015-10-1415：40网络出版地址

6、：WWW．cnki．net／kcms／detail／11．2625．V．20151014．1540．006．html基金项目：国家自然科学基金(61174020)女通讯作者：Tel．：010-82338041E·mail：wanjiuqing@buaa．edu．cn弓l用格式：万九卿，寿少聪．钟丽萍．基于混合动态信念传播的多无人机协同赶位算法【J1．北京航空航天大学学报，2016．42(5)：934—944．WANJQ，BUSC，ZHONGLP．Cooperativelocalizationalgorithmofmulti—UAVsbasedondynamichy

7、bridbeliefprop—agation￡

8、1．JournalofBeijingUniversityofAeronauticsandAstronautics．2016．42(5)：934—944(inChinese)．第5期万九卿，等：基于混合动态信念传播的多无人机协同定位算法935性模型引起的近似误差对目标跟踪性能的影响。但是无迹卡尔曼滤波对所有高斯输入量的非线性函数进行近似，只能精确到三阶项；对于非高斯输入的近似，至少可以精确到二阶项¨1。文献[9]采用非参数信念传播算法进行定位，适用于非线性非高斯系统模型，但本身计算量非常大，主要用于二维空间的定位中。文

9、献[10]