[发明专利]一种基于时空域联合处理的分布式协作定位系统和方法

权利要求书

1.一种基于时空域联合处理的分布式协作定位系统的分布式协作定位方法，所述基于时空域联合处理的分布式协作定位系统中存在多个节点，每个节点通过与邻近节点的协作完成自身的定位；系统中的每个节点均包括多时间片观测信息缓存模块(101)、观测信息预测模块(102)、节点轨迹信息反演模块(103)、节点状态信息初估计模块(104)、时空域联合处理模块(105)；观测信息同时作为多时间片观测信息缓存模块(101)、节点状态信息初估计模块(104)的输入，多时间片观测信息缓存模块(101)的输出作为观测信息预测模块(102)的输入，当前时刻各节点状态变量作为节点轨迹信息反演模块(102)的输入，观测信息预测模块(102)、节点轨迹信息反演模块(103)、节点状态信息初估计模块(104)的输出同时作为时空域联合处理模块(105)的输入，时空域联合处理模块(105)的输出作为结果；

其特征在于，所述分布式协作定位方法包括如下步骤：

(1)在每个时间片，多时间片观测信息缓存模块缓存了目标节点若干跳范围内节点在当前时刻往前回溯的多个时间片内的所有观测信息，将这些观测信息送入到观测信息预测模块；

(2)在分布式网络中，目标节点需要经过中间节点进行多跳通信才能获得多跳节点的测量信息，也就是说目标节点并不能获得多跳节点在当前时刻的测量信息，观测信息预测模块基于多跳节点的历史测量信息，对这些节点到当前时刻为止的多个时间片内所有的测量信息进行预测，将历史测量信息和预测信息送入到时空域联合处理模块；

所述的步骤(2)具体为：

目标节点需要经过中间节点进行多跳通信才能获得多跳节点的测量信息，也就是说在当前时间片k，目标节点m只能获得一跳节点直到k时刻的位置信息以及这些节点所获得的直到k-1时刻的相对距离信息，也只能获得两跳节点直到k-1时刻的位置信息以及这些节点所获得的直到k-2时刻的相对距离信息，观测信息预测模块基于上述的历史测量信息，对ξ_m中所有节点到当前时刻k为止的K个时间片内所有的测量信息进行预测，将这些节点位置的历史测量信息和预测信息定义为节点间相对距离的历史测量信息和预测信息定义为其中，将这些信息送入到时空域联合处理模块；

(3)节点轨迹信息反演模块基于目标节点多跳范围内的所有节点在当前时刻的状态信息变量，推算出这些节点在往前回溯的多个时间片内的位置信息，得到这些节点在这些时间片内的轨迹信息，将轨迹信息送入到时空域联合处理模块；

所述的步骤(3)具体为：

基于节点n∈ξ_m在当前时刻位置变量结合节点的运动状态变量，推算出该节点在前K-1个时刻的位置信息；假定各个节点在这K个时间片内处于匀加速直线运动状态，基于k时刻节点的运动状态，定义节点n在时刻的位置信息为：

其中，表示节点n在k时刻的速度信息，表示加速度，ΔT_t＝(t-k)ΔT，ΔT表示时间片的长度；上式表示了节点n从τ时刻到k时刻的K个时刻的轨迹信息，定义节点的状态变量为

则节点n的轨迹信息可以表示为

其中，I₂表示2×2的单位矩阵，将这些节点的轨迹信息送入到时空域联合处理模块；

(4)节点状态信息初估计模块基于历史测量信息，利用基于单时间片测量信息的协作定位方法对目标节点若干跳范围内的所有节点在当前时刻的状态信息进行初估计；将这些状态信息初估计送入到时空域联合处理模块；

定义为t时刻节点n的待估计状态量，其中首先，基于t-1时刻的后验估计对当前时刻的进行预测

其中，矩阵F为

0₂表示2×2的全零矩阵，表示估计量的协方差矩阵，为系统建模噪声的协方差矩阵，然后计算出观测数据关于的雅克比矩阵：

接着，计算出测量余量及测量余量协方差矩阵：

其中

表示节点n的所有邻近节点，N_n表示节点n的邻近节点数目，矩阵是一个对角阵：

然后计算出卡尔曼增益：

最后，计算出的后验估计及其协方差矩阵：

考虑到在k时刻，目标节点m只能得到g_m,1中节点直到k-1时刻的历史测量信息，所以上述方法只能得到g_m,1中节点到k-1时刻的状态后验估计，为了得到k时刻的状态信息，基于k-1时刻状态后验估计做一个一步预测：

将一步预测值作为k时刻的状态估计值，同理，需要对g_m,2中节点做两步预测才能得到这些节点在k时刻的状态估计值，将这些估计信息作为节点状态信息的初始估计值，送入到时空域联合处理模块；

(5)时空域联合处理模块将节点状态信息初估计模块提供的节点状态信息估计作为解算的初值，利用运动轨迹约束对目标节点若干跳范围内所有节点在多时间片内的历史测量信息和预测信息进行时空域的联合处理，得到这些节点在当前时刻的状态估计，这其中就包括了目标节点位置的估计值；

所述的步骤(5)具体为：

时空域联合处理模块基于节点状态信息初估计模块提供的节点状态信息的初始估计值，利用节点的运动轨迹约束对多时间片的历史测量信息及预测信息进行融合，得到当前时刻ξ_m中所有节点的状态估计，这其中就包括了目标节点位置的估计值；具体来讲，定义基于多时间片的观测信息以及α^k的最大似然估计为

2.如权利要求1所述的分布式协作定位方法，其特征在于所述的步骤(1)具体为：

分布式协作定位中各个节点的定位由节点自身完成，定义m为待定位节点，称之为目标节点，ξ_m为在目标节点若干跳范围内所有节点的集合，在当前时间片k，多时间片观测信息缓存模块将ξ_m中所有节点在当前时刻往前回溯K个时间片的所有时间片内的观测数据缓存下来，这些观测信息包括了节点的位置估计信息以及所有这些节点间的相对距离信息；将这些观测信息送入观测信息预测模块。