基于环上容错学习的异步分布式随机信标及其在异步共识中的应用

安全高效的异步分布式随机信标是异步共识协议能够快速终止的必要保障.2008年以来,比特币中区块链技术的成功促进了分布式应用的蓬勃发展,为分布式应用提供随机性来源的分布式随机信标也受到了学者的广泛研究.现有的分布式随机信标一般选取公开可验证秘密共享、可验证随机函数、可验证延迟函数之一作为基础结构进行设计,其中公开可验证秘密共享结构简单、模块清晰、实用性较强,是现有分布式随机信标协议中数量最多、分析最为透彻的类别,其它结构的协议研究开始时间较晚,设计方法并未固定,在形式化安全定义和安全分析中尚有较大空白等待填补.目前,只有少数基于公开可验证秘密共享的方案支持异步网络模型,并且这些方案都是利用不抗量子的离散对数问题构建的.因此,在后量子安全的异步网络模型下,现有异步共识成果不得不采用期望运行轮数为指数的本地抛币协议来保障全栈量子安全.本文主要研究抗量子安全假设下基于公开可验证秘密共享的方案,具体贡献如下:(1)本文首先基于抗量子困难假设环上容错学习和公开可验证秘密共享的结构范式,设计了具备O(N log N)证明及验证复杂度的公钥更新协议,其中N为多项式次数,该协议保证了节点在每一轮产生随机数份额的过程中采用了一致且正确的新公钥.(2)在此基础上,本文设计了计算复杂度为O(n),通信复杂度为O(n2)的异步分布式随机信标协议,其中n为节点规模.在相同的安全参数下,本文提出的随机信标协议相较于基于离散对数的协议运行时延减小约34%.(3)最后,本文给出了一种基于异步分布式随机信标的异步共识协议,并证明其满足标准的安全需求.

基于随机信标的水下SLAM导航方法

研究了基于随机信标的水下同时制图定位(simultaneous localization and mapping,SLAM)导航定位方法。信标导航是目前导航领域的研究热点,但往往需要提前对信标位置进行标定。对此文中提出一种无需位置标定的随机信标导航方法,即在信标随机散布的情况下,通过量测信标和航行器间的距离和方位,用SLAM方法对随机信标位置进行估计,从而实现对航行器的导航,并在不同的信标密度和观测误差下分析了其导航精度。仿真结果表明,该导航方法具有良好的收敛性和定位精度。

基于随机信标的因子图同时定位构图方法

针对卫星拒止环境下,战时或执行紧急任务时采用水声定位,但无法完成信标标定的问题,提出一种基于随机信标的因子图同时定位构图算法。建立DVL和罗经因子节点、信标因子节点数学模型,构建了基于因子图的融合架构,采用最大后验概率估计方法进行导航状态和信标位置的估计。数值仿真结果表明,因子图算法定位精度比传统EKF滤波算法在圆形运动轨迹和蛇形运动轨迹下分别提高37.6%和14.6%,验证了因子图同时定位构图算法是一种可行的导航方法。

移动机器人多信标SLAM技术

针对大型煤矿中的露天移动机器人自主行走问题,应用基于卡尔曼滤波的SLAM算法,研究了移动机器在不携带惯性导航设备,也无先验地图的情况下,通过自身携带的传感器与环境特征量进行应答式通信,建立环境地图,并利用该地图计算自身位置,从而实现自主导航与定位。仿真结果显示,SLAM算法的定位误差保持在±1 m以内,速度误差保持在±0.2 m/s以内,对环境特征量的定位误差随着机器人的移动逐渐减小,最终保持在±2 m以内。同时,通过对不同距离量测噪声与速度量测噪声的情况也进行了分析。仿真结果显示,当保持距离量测噪声不变,增大速度量测噪声时,或保持速度量测噪声不变,增大距离量测噪声时,SLAM算法的定位精度均会下降。研究表明,基于卡尔曼滤波的SLAM算法很好地控制了移动机器人在未知环境中的定位误差,保证了机器人的定位精度。