买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：基于缩放因子的分布式无人机群EKF协同定位方法及系统，涉及无人机定位技术领域，为解决现有的卡尔曼滤波算法难以直接构建过程噪声与卡尔曼滤波估计的误差之间的线性关系，使滤波器的性能下降的问题。包括：S1、构建状态方程；S2、构建主无人机与从无人机i之间的绝对量测方程及从无人机i与从无人机j之间的相对量测值方程，并计算绝对量测方程及相对量测方程的雅可比矩阵Hi和Di；S3、构建缩放因子α；S4、利用缩放因子更新系统误差协方差矩阵S5、计算绝对量测值的系统增益矩阵和相对量测的系统增益矩阵S6、计算相对量测值，对状态估计值及系统误差协方差矩阵进行更新。本发明引入缩放因子的分布式扩展卡尔曼滤波器，提高了无人机群的定位精度。

主权项：1.基于缩放因子的分布式无人机群EKF协同定位方法，其特征在于，包括如下步骤：S1、选取无人机的状态变量，构建状态方程，初始化状态变量和协方差矩阵；S2、构建主无人机与从无人机i之间的绝对量测方程及从无人机i与从无人机j之间的相对量测值方程，并计算绝对量测方程及相对量测方程的雅可比矩阵Hi和Di；S3、构建缩放因子α；S4、利用缩放因子更新系统误差协方差矩阵S5、计算绝对量测值的系统增益矩阵和相对量测的系统增益矩阵S6、计算相对量测值，对状态估计值及系统误差协方差矩阵进行更新，实现对无人机群的协同定位；S2中构建主无人机与从无人机i之间的绝对量测方程为： 其中，为主无人机与从无人机i之间的绝对量测值，为从无人机i的绝对量测矩阵，构建从无人机i与从无人机j之间的相对量测值方程为： 其中，为从无人机i与从无人机j之间的相对量测值，为从无人机i与从无人机j之间的相对量测矩阵，和均为高斯白噪声；S3中所述构建缩放因子，具体为：在EKF滤波的过程更新和量测更新阶段，定义系统的新息误差序列 将公式2带入公式6，可得到： 取公式7两侧方差，且由于量测误差与过程误差之间具有正交性，可得： 其中，为t时刻相对于t-1时刻的预测误差协方差矩阵，Wti为的方差，即与t-1时刻的预测误差协方矩阵的关系为： 其中，为由外界干扰造成的无人机的过程噪声；根据公式8估计观测误差的协方差，使用有限数量的新息值样本对进行计算，即： 式中，m为估计窗口的大小，为了使式10有效，序列必须在m个步骤上平稳遍历；对于滤波器，假设： 其中，为对预测误差协方差矩阵的估计值；定义缩放因子为： 其中，trace表示矩阵的迹，缩放因子α意味着计算的新息误差序列和预测的新息误差序列之间的粗略比率；将式9代入式12得到： 其中，为对的预测估计值。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学(威海) 基于缩放因子的分布式无人机群EKF协同定位方法及系统