基于标签伯努利滤波技术的多机器人随机组网协同导航

针对多机器人在间歇性观测或无绝对观测环境下的分布式协同导航问题,提出了一种基于标签伯努利滤波技术的多机器人随机组网协同导航算法(GS-EPF-LMB)。该算法通过时间更新、观测更新和显示通信3种状态更新策略,利用随机有限集对状态和观测进行建模,并生成标签化的多伯努利粒子。为了提高算法的一致性和定位精度,基于标签多伯努利粒子耦合相对观测和绝对观测,采用粒子滤波器优化带有标签的粒子状态,并利用历史信息对状态估计进行约束。此外,利用概率数据关联实现导航系统状态估计,并通过分层高斯模型和变分贝叶斯方法实现全局最优状态估计。实验结果表明,算法的定位精度达到0.11 m,相较于全局状态-协方差交(GS-CI)算法,定位状态协方差收敛性提高了48.6%,精度提高了11%。