多无人机协同观测的分布式无色信息滤波算法：复杂通信条件下的高精度解决方案

本文针对多无人机协同观测在复杂通信条件下的挑战，提出了一种基于多智能体一致性理论的分布式无色信息滤波方法。首先，面对松散的通信结构和通信环境的不确定性，作者设计了一种双时窗机制，包括预测/更新时间窗和一致性融合时间窗，以优化分布式系统的性能，提升滤波精度，适应实时性和可靠性要求。 一致性融合算法是核心，它利用分布式系统中的局部信息通过迭代过程达到全局一致性，从而实现对目标状态的联合估计。作者深入分析了这一算法的收敛性对其估计精度的影响，指出与集中式方法相比，分布式方法的估计协方差可能会稍逊，这是因为分布式环境中信息的分散和不完全同步导致了一定程度的信息损失。 通过蒙特卡洛仿真实验，验证了所提方法在复杂通信条件下的稳健性。实验结果显示出，该方法在平均估计误差、平均一致性误差以及平均协方差矩阵迹等多个性能指标上表现出优异性能，特别是在非线性目标模型的状态实时估计方面，能够满足多无人机系统在复杂通信环境下的需求。因此，该方法对于实现多无人机协作观测任务，尤其是在通信受限或不稳定的情况下，具有重要的实际应用价值。 关键词包括：一致性、分布式无色信息滤波、目标跟踪、复杂通信条件。整体而言，这篇文章的研究不仅理论基础扎实，而且实践意义显著，为多无人机系统的协同工作提供了有效的状态估计策略，对于未来无人航空器领域的协同感知和决策有着积极的推动作用。