[发明专利]一种多移动智能体群的多个丢失位置智能体递推位置找寻方法

权利要求书

1.一种多移动智能体群的多个丢失位置智能体递推位置找寻方法，其特征在于：

多移动智能体群是指多个移动智能体组成的集合，实现多个移动智能体间的实时数据通信、多机编队、协同行动，组成移动体群的每个个体都具有一定的自主能力，包括一定程度的自我运动控制、局部范围内的信息传感、处理和通信能力等，由于天气或地理原因造成多个移动智能体丢失位置，对于某个丢失位置移动智能体采用邻近检测、接收信息强度指示(RSSI)、到达时间(TOA)、到达时间差(TDOA)、到达角度(AOA)等几种方式，再结合优化的三边定位算法和三角角度测量上的算法，实现对该丢失位置智能体位置找寻，采用扩展卡尔曼滤波算法和埃特金加速收敛方法递推实现全部丢失位置的移动智能体位置找寻。

2.根据权利要求1所述的方法，其特征在于：

对于多个移动智能体丢失位置找寻采用信号与噪声的状态空间模型，利用其它移动智能体的估计值和现时刻的观测值来更新对状态变量的估计，求丢失位置移动智能体的的估计值。由量测值重构系统的状态向量，测量值往往在任何时候都有噪声。卡尔曼滤波利用目标的动态信息，设法去掉噪声的影响，得到一个关于目标位置的好的估计。这个估计可以是对当前目标位置的估计(滤波)，也可以是对于将来位置的估计(预测)，也可以是对过去位置的估计(插值或平滑)。它以“预测-实测-修正”的顺序递推，根据系统的量测值来消除随机干扰，再现系统的状态，或根据系统的量测值从被污染的系统中恢复系统的本来面目。扩展卡尔曼滤波算法用非线性得到了更精准的状态预测值、映射后的测量值；线性变换通过线性变换使得变换后的仍满足高斯分布的假设。

3.根据权利要求1所述的方法，其特征在于：

对于多个移动智能体丢失位置找寻采用埃特金加速式的多步估计算法和预报校正式估计算法，提高迭代法收敛速度的有效途径。递推是计算机数值计算重一个重要算法。思想是通过数学推导，将复杂的运算化解为若干重复的简单运算，以充分发挥计算机擅长重复处理的特点。根据方程构造一个迭代函数，根据埃特金方法基本原理和公式进行迭代，设迭代序列为xk+1＝g(xk)，并已算出x1＝g(x0)，x2＝g(x1)，若x0与所求解x充分接近，x1应是比x0更好的近似，因此可对x-g(x)＝0应用弦截法，用y0表示用弦截法得到的近似值，则有从y0出发，重复上述过程又可得到新的近似，如此继续下去得到的序列y0，y1，…，yn就称为扩加速过程，即.这个迭代过程不管原迭代过程xk+1＝g(xk)是否收敛，只要f(x)在其根x附近充分光滑，|f’(x)|＜1，则序列{Yk}都收敛，若{xk}为(p-1)阶收敛，则{y1)为(2p-1)阶收敛，最终得到结果。