基于扩展卡尔曼滤波的无人地面车辆网络位置估计

基于扩展卡尔曼滤波的无人地面车辆网络位置估计

无人地面车辆（UGV）的Ad hoc网络是一种进行间歇性连接的移动容延迟网络（DTN）。开发了一种位置估计算法，再加上协同的通信路由算法，用以在UGV 的DTN中提供实时的路径规划。位置估计算法的设计需要解决几个关键的问题：①运算任务的设定和物理条件的限制；②可用传感器测量和观察的变量；③适当的物理模型；④适当的性能指数或设定的性能参数；⑤适当的估计和跟踪算法。

建立了高斯-马尔科夫状态空间模型，用于每个节点（车辆）的动力学分析。用于测量的非线性信号是由固定位置的基站（BSs）发送的、恒定功率的接收信号强度指示器（RSSI）的信号。扩展卡尔曼滤波器（EKF）则是用于对车辆的位置、速度和加速度进行估计，目标车辆相当于在一个2维空间网格环境中建立的UGV网络节点。算法不需要对之前采样周期的信息进行额外的存储，所以单个UGV网络节点的资源存储空间被压缩至最小化。

在今后的工作中，还会对UGV容延迟网络中基于位置估计的路径规划功能进行扩展研究。使用了Matlab软件来模拟一个节点的移动，包括沿轨迹行驶、突然动作等。使用零均值化白度测试来对系统的估算性能进行量化，使用节点状态估计的序列、均方根误差（RSME）、加权残差平方（WSSRs）、后Cramer-Rao下限值（PCRLB）等进行评价。通过上述性能指标的评判，验证了所提出的位置估算算法的有效性。

刊名：Cognitive Methods in Situation Awareness and Decision Support（英）

刊期：2014年第3期

作者：Thulasiraman P et al

编译：陈鹏飞