基于无迹卡尔曼滤波的分布式BP协同定位算法

协同定位是智慧城市和万物互联的核心基础,为解决复杂非线性高斯环境下传统协同定位方法通信开销大、定位效果差的问题,文章研究了基于无迹卡尔曼滤波(Unscented Kalman Filter, UKF)的分布式置信度传递(Belief propagation,BP)协同定位算法。该算法结合无迹变换(Unscented transform,UT)理论和参数化BP策略,利用一系列样本点对移动协同网络中待定位节点位置变量的概率密度分布进行近似,并在此基础上重新推导了置信度信息传递与更新的计算公式。节点仅需传递概率密度函数参数即可实现信息交互,通信开销减小明显。计算机仿真结果表明,方法有效降低协同定位系统计算复杂度的同时,提升了协同定位的精度,有效增强了协同定位系统性能。