多源信息融合的分布式一致性协同被动定位

doi:10.7527/S1000-6893.2026.32859

封面文章

本期目录 | 过刊浏览 | 高级检索

前一篇 |

多源信息融合的分布式一致性协同被动定位

杨光宇¹, 符文星²(), 朱苏朋³, 张通²

^1.西北工业大学航海学院，西安 710072
^2.西北工业大学无人系统技术研究院，西安 710072
^3.西北工业大学航天学院，西安 710072

收稿日期:2025-09-30 修回日期:2026-01-09 接受日期:2026-01-12 出版日期:2026-01-29 发布日期:2026-01-21
通讯作者: 符文星 E-mail:wenxingfu@nwpu.edu.cn
基金资助:
国家级项目

Distributed consensus-based cooperative passive positioning with multi-source information fusion

Guangyu YANG¹, Wenxing FU²(), Supeng ZHU³, Tong ZHANG²

^1.School of Marine Science and Technology，Northwestern Polytechnical University，Xi’an 710072，China
^2.Unmanned System Research Institute，Northwestern Polytechnical University，Xi’an 710072，China
^3.School of Astronautics，Northwestern Polytechnical University，Xi’an 710072，China

Received:2025-09-30 Revised:2026-01-09 Accepted:2026-01-12 Online:2026-01-29 Published:2026-01-21
Contact: Wenxing FU E-mail:wenxingfu@nwpu.edu.cn
Supported by:
National Level Project

摘要/Abstract

摘要：

针对分布式协同被动定位跟踪中多源异构传感器估计值不相同的问题，提出一种基于快速协方差交互的分布式一致性算法。首先，基于泰勒公式和自适应密度聚类理论构建多传感器时间配准模型，以解决多源异步采样带来的时间不同步问题，随后各个传感器结合邻居的信息贡献完成局部估计。然后，通过给定的一致性稳态误差，理论推导迭代次数与一致性误差之间的关系，从而确保信息组在有限迭代次数内收敛到一致。在此基础上，每个传感器仅需进行一次全局的快速协方差交互即可完成信息融合，显著提升融合的效率和精度。最后，将其应用到多源分布式协同被动定位系统，仿真结果表明所提出的算法可以在完成时间配准同时，能够在有限迭代次数内有效完成一致性融合定位。

关键词: 多源信息融合, 分布式一致性状态估计, 协同被动定位, 快速协方差交互, 时间配准

Abstract:

To address the issue of difference estimates from multi-source sensors in distributed cooperative passive localization and tracking， this paper proposes a distributed consensus algorithm based on fast covariance intersection. First， a multi-sensor temporal alignment model is constructed using Taylor formula and adaptive density clustering theory to resolve temporal asynchrony caused by multi-source asynchronous sampling. Subsequently， each sensor performs local estimation by integrating information contributions from neighboring sensors. Next， a theoretical relationship between the iteration number and the consensus error is derived based on a given steady-state consensus error， ensuring that the information group converges to consensus within a finite number of iterations. On this basis， each sensor only needs to perform one global fast covariance intersection to complete information fusion， significantly improving the efficiency and accuracy of fusion. Finally， the algorithm is applied to a multi-source distributed collaborative passive positioning system. Simulation results demonstrate that the proposed method can effectively achieve consensus fusion positioning within a finite number of iterations while simultaneously completing temporal alignment.

Key words: multi-source information fusion, distributed consensus state estimation, cooperative passive localization, fast covariance intersection, temporal alignment

中图分类号:

V249.31

杨光宇, 符文星, 朱苏朋, 张通. 多源信息融合的分布式一致性协同被动定位[J]. 航空学报, 2026, 47(12): 332859.

Guangyu YANG, Wenxing FU, Supeng ZHU, Tong ZHANG. Distributed consensus-based cooperative passive positioning with multi-source information fusion[J]. Acta Aeronautica et Astronautica Sinica, 2026, 47(12): 332859.

图/表 15

图 1

图 2

图 3

表1

传感器探测性能

类别	测角精度/（ $°$ ）	量测周期/s	量测距离/km
1类	0.1	0.01	100
2类	0.5	0.04	300
3类	0.067	5.00	1 000

表1

表2

图 4

图 5

表3

图 6

图 7

图 8

表4

图 9

图 10

表5

参考文献 32

[1]	HAO H J， DUAN Z S. Periodic acoustic source tracking using propagation delayed measurements［J］. Chinese Journal of Aeronautics， 2022， 35（4）： 390-399.
[2]	YANG X， LI S Y， YU J T， et al. GF-KCF： Aerial infrared target tracking algorithm based on kernel correlation filters under complex interference environment［J］. Infrared Physics Technology， 2021， 119： 103958.
[3]	胡云鹏，黎克波，陈磊，等. 面向空间态势感知的天基可见光空间目标自主跟踪方法［J］. 中国科学：技术科学， 2021， 51（4）： 424-434.
	HU Y P， LI K B， CHEN L， et al. Toward space situational awareness： A space-based autonomous optical tracking method for space objects［J］. Scientia Sinica （Technologica）， 2021， 51（4）： 424-434 （in Chinese）.
[4]	CHANG D C， FANG M W. Bearing-only maneuvering mobile tracking with nonlinear filtering algorithms in wireless sensor networks［J］. IEEE Systems Journal， 2014， 8（1）： 160-170.
[5]	LI W， LEUNG H， ZHOU Y F. Space-time registration of radar and ESM using unscented Kalman filter［J］. IEEE Transactions on Aerospace and Electronic Systems， 2004， 40（3）： 824-836.
[6]	YANG G， FU W， ZHU S， et al. Online spatial-temporal alignment method in bearing-only sensors for maneuvering target tracking［J］. IEEE Sensors Journal， 2025， 25（4）： 7028-7042.
[7]	雍霄驹，方洋旺，高翔，等. 自适应变长滑窗曲线拟合时间配准算法［J］. 西安电子科技大学学报， 2014， 41（3）： 209-213.
	YONG X J， FANG Y W， GAO X， et al. Time registration using the curve fitting algorithm of the adaptive changed length moving window［J］ Journal of Xidian University， 2014， 41（3）： 209-213 （in Chinese）.
[8]	LI S， CHENG Y， BROWN D， et al. Comprehensive time-offset estimation for multisensor target tracking［J］. IEEE Transactions on Aerospace and Electronic Systems， 2020， 56（3）： 2351-2373.
[9]	BU S Z， KIRUBARAJAN T， ZHOU G J. Online sequential spatiotemporal bias compensation using multisensor multitarget measurements［J］. Aerospace Science and Technology， 2021， 108： 106407.
[10]	BU S， ZHOU G. Sequential spatiotemporal bias compensation and data fusion for maneuvering target tracking［J］. IEEE Transactions on Aerospace and Electronic Systems， 2023， 59（1）： 241-257.
[11]	ZHU G， ZHOU F， XIE L， et al. Sequential asynchronous filters for target tracking in wireless sensor networks［J］. IEEE Sensors Journal， 2014， 14（9）： 3174-3182.
[12]	梅武军，郑军，金杰，等. 基于滑动聚类的多传感器异步信息融合方法［J］. 仪器仪表学报， 2022， 43（6）： 109-117.
	MEI W J， ZHENG J， JIN J， et al. A sliding-clustering-based method for multi-sensor asynchronous information fusion， Chinese Journal of Scientific Instrument， 2022， 43（6）： 109-117 （in Chinese）.
[13]	卢虎，蒋小强，闵欢. 具有通信约束的分布式SOR多智能体轨迹估计算法［J］. 航空学报， 2019， 40（10）： 171-183.
	LU H， JIANG X Q， MIN H. Distributed SOR multi-agent trajectory estimation method with communication constraints［J］. Acta Aeronautica et Astronautica Sinica， 2019， 40（10）： 171-183 （in Chinese）.
[14]	吴亚妃，张民，贾大成，等. 基于IMM-UIF的多无人机纯角度机动目标跟踪［J］. 导航定位与授时， 2024， 11（2）：111-121.
	WU Y F， ZHANG M， JIA D C， et al. Angle-only maneuvering target tracking by multi-UAV based on IMM-UIF［J］. Navigation Positioning and Timing， 2024， 11（2）： 111-121 （in Chinese）.
[15]	苏炳志，何权荣，曹晞，等. 基于自适应容积信息滤波的无人机相对导航方法［J］. 中国惯性技术学报， 2022， 30（4）：492-500.
	SU B Z， HE Q R， CAO X， et al. A relative navigation method for UAV based on adaptive cubature information filtering［J］. Journal of Chinese Inertial Technology， 2022， 30（4）： 492-500 （in Chinese）.
[16]	CHANDRA K P B， GU D W， POSTLETHWAITE I. Square root cubature information filter［J］. IEEE Sensors Journal， 2013， 13（2）： 750-758.
[17]	ZHANG Q， XIE Y F， SONG T L. Distributed multi-target tracking with Y-shaped passive linear array sonars for effective ghost track elimination［J］. Information Sciences， 2018， 433-434： 163-187.
[18]	HUANG S T， LI Y Z， WU J F. Distributed state estimation for linear time-invariant dynamical systems： A review of theories and algorithms［J］. Chinese Journal of Aeronautics， 2022， 35（6）： 1-17.
[19]	JULIER S J， UHLMANN J K. A non-divergent estimation algorithm in the presence of unknown correlations［C］∥1997 American Control Conference， 1997： 2369-2373.
[20]	WANG S， REN W. On the convergence conditions of distributed dynamic state estimation using sensor networks： A unified framework［J］. IEEE Transactions on Control Systems Technology， 2018， 26（4）： 1300-1316.
[21]	杨静，魏若愚. 星座分布式自主定轨中信息融合方法比较研究［J］. 北京航空航天大学学报， 2020， 46（7）：1345-1353.
	YANG J， WEI R Y. Comparative study on information fusion methods in constellation distributed autonomous orbit determination［J］. Journal of Beijing University of Aeronautics and Astronautics， 2020， 46（7）： 1345-1353 （in Chinese）.
[22]	NIEHSEN W. Information fusion based on fast covariance intersection filtering［C］∥Fifth International Conference on Information Fusion， 2002： 901-904.
[23]	CATTIVELLI F S， SAYED A H. Diffusion strategies for distributed Kalman filtering and smoothing［J］. IEEE Transactions on Automatic Control， 2010， 55（9）： 2069-2084.
[24]	XIAO L， BOYD S， LALL S. A scheme for robust distributed sensor fusion based on average consensus［C］∥Fourth International Symposium on Information Processing in Sensor Networks， 2005： 63-70.
[25]	LI W， WEI G， HAN F， et al. Weighted average consensus-based unscented Kalman filtering［J］. IEEE Transactions on Cybernetics， 2016， 46（2）： 558-567.
[26]	ZHANG Z， DONG X W， YU J L， et al. Finite-time distributed state estimation for maneuvering target with switching directed topologies［J］. Journal of the Franklin Institute， 2024， 361（6）： 106695.
[27]	刘增力，张文，曹奇宏，等. 面向三维目标跟踪的状态转换卡尔曼滤波方法［J］. 兵工学报， 2024， 45（11）： 3998-4010.
	LIU Z L， ZHANG W， CAO Q H， et al. Converted state equation Kalman filter for three-dimensional target tracking［J］. Acta Armamentarii， 2024， 45（11）： 3998-4010 （in Chinese）.
[28]	BIRANT D， KUT A. ST-DBSCAN： An algorithm for clustering spatial-temporal data［J］. Data Knowledge Engineering， 2007， 60（1）： 208-221.
[29]	LIGGINS M E， CHONG C Y， KADAR I， et al. Distributed fusion architectures and algorithms for target tracking［J］. Proceedings of the IEEE， 1997， 85（1）： 95-107.
[30]	OLFATI-SABER R. Distributed Kalman filtering for sensor networks［C］∥46th IEEE Conference on Decision and Control. Piscataway： IEEE Press， 2007： 5492-5498.
[31]	XIAO L， BOYD S. Fast linear iterations for distributed averaging［C］∥42nd IEEE International Conference on Decision and Control. Piscataway： IEEE Press， 2003： 4997-5002.
[32]	石晓航，梁青阳，张庆杰，等. 面向分布式融合估计的快速一致性算法［J］. 电光与控制， 2014， 21（6）： 38-42.
	SHI X H， LIANG Q Y， ZHANG Q J， et al. Fast consensus algorithm for distributed fusion estimation ［J］. Electronics Optics Control， 2014， 21（6）： 38-42 （in Chinese）.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

编号	初始位置/km	所属类别
1	（-0.43，-0.89，1.49）	2类
2	（5.25，-7.04，3.88）	2类
3	（3.20，1.02，2.26）	1类
4	（-7.29，2.36，2.73）	2类
5	（1.80，-1.96，4.82）	2类
6	（0.83，3.40，3.04）	1类
7	（-0.84，-8.45，2.50）	1类
8	（5.42，-6.52，1.97）	2类
9	（-1 600，0，400）	3类

类别	误差/rad
类别	对比算法	聚类算法
第1类	0.000 138	0.000 105
第2类	0.000 703	0.000 326
第3类	0.000 761	0.000 750

方法	位置/m	速度/（m·s^-1）
Local	1 007.43	25.51
Central	466.59	14.71
Dif-FCI	709.03	20.91
DC-FCI	567.05	18.73

方法	参数	仿真实验3		仿真实验2
方法	参数	0~100 s	100~200 s	100~200 s
Local	位置/m	1 377.59	685.11	806.66
	速度/（m·s^-1）	35.49	12.73	14.36
Central	位置/m	687.74	303.40	304.94
	速度/（m·s^-1）	24.32	5.24	5.30
Dif-FCI	位置/m	1 003.91	418.13	545.32
	速度/（m·s^-1）	30.01	9.14	11.06
DC-FCI	位置/m	833.37	408.91	414.73
	速度/（m·s^-1）	27.66	8.81	9.40

多源信息融合的分布式一致性协同被动定位

Distributed consensus-based cooperative passive positioning with multi-source information fusion

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 32

相关文章 4

编辑推荐

Metrics

本文评价

[1]	王涛, 高雪峰, 祝景萍, 董松, 孙连军, 郑侃. 机器人纵扭超声铣边颤振在线监测方法[J]. 航空学报, 2023, 44(13): 262-272.
[2]	尹东亮, 黄晓颖, 吴艳杰, 何有宸, 谢经伟. 基于云模型和改进D-S证据理论的目标识别决策方法[J]. 航空学报, 2021, 42(12): 324768-324768.
[3]	王巍, 邢朝洋, 冯文帅. 自主导航技术发展现状与趋势[J]. 航空学报, 2021, 42(11): 525049-525049.
[4]	周锐;申功勋;房建成;祝世平. 多传感器融合目标跟踪[J]. 航空学报, 1998, 19(5): 536-540.