基于复杂网络模型的多无人机系统协同导航信息融合方法
收稿日期: 2025-06-17
修回日期: 2025-09-09
录用日期: 2025-09-29
网络出版日期: 2025-10-17
基金资助
航空科学基金(2024Z023077001)
A complex network-based information fusion approach for cooperative navigation of multi-UAV systems
Received date: 2025-06-17
Revised date: 2025-09-09
Accepted date: 2025-09-29
Online published: 2025-10-17
Supported by
Aeronautical Science Foundation of China(2024Z023077001)
针对多无人机系统协同导航信息精细化融合处理问题，提出了一种基于复杂网络模型的信息表示和融合推理新方法。该方法首先利用网络模型来描述无人机各个状态之间的耦合约束关系，其中网络节点表示无人机的状态，边或超边表示网络信息链，即系统的先验信息、测量信息和动力学约束等，从而将传统状态空间导航模型抽象为网络导航模型。然后，将系统非结构化导航信息转化为结构化的费歇耳信息矩阵和信息向量，基于克拉美-罗下界不等式推导集中式和分散式最优状态估计算法，获得网络节点状态的最小方差无偏估计。通过构建100架无人机在未知环境下的自主协同导航定位场景以及数值仿真分析，验证了所提模型和算法的可行性。
郭鹏 , 徐田来 , 郎安琪 , 崔祜涛 , 李子迪 . 基于复杂网络模型的多无人机系统协同导航信息融合方法[J]. 航空学报, 2026 , 47(5) : 332428 -332428 . DOI: 10.7527/S1000-6893.2025.32428
To address the problem of refined information fusion processing in multi-UAV cooperative navigation systems， a new method for information representation and fusion reasoning based on a complex network model is proposed. By leveraging graph theory， the conventional state-space navigation model is abstracted into a networked navigation model， where a （hyper）network captures the coupling constraints among UAV states. In this representation， nodes correspond to the states of UAVs， while edges or hyperedges embody information links， including prior knowledge， measurement data， and system dynamics. The unstructured navigation information is systematically transformed into a structured form via the Fisher information matrix and information vector. Based on the Cramér-Rao lower bound inequality， both centralized and decentralized optimal state estimation algorithms are derived to achieve minimum variance unbiased estimation for network nodes. The feasibility and effectiveness of the proposed model and algorithms are validated through numerical simulations in an autonomous cooperative navigation and positioning scenario involving 100 UAVs operating in an unknown environment.
| [1] | 周泽波， 张泽亮， 彭鑫， 等. 基于记忆融合模式的多无人机分散式协同导航方法［J］. 航空学报， 2023， 44（20）： 628440. |
| ZHOU Z B， ZHANG Z L， PENG X， et al. Multi-UAV decentralized cooperative navigation method based on memory-fusion［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（20）： 628440 （in Chinese）. | |
| [2] | 张国良， 汤文俊， 孙一杰， 等. 多无人平台协同导航与控制方法［M］. 北京： 国防工业出版社， 2020. |
| ZHANG G L， TANG W J， SUN Y J， et al. Autonomous collaborative navigation and control for multi-unmanned platform［M］. Beijing： National Defense Industry Press， 2020 （in Chinese）. | |
| [3] | 徐博， 白金磊， 郝燕玲， 等. 多AUV协同导航问题的研究现状与进展［J］. 自动化学报， 2015， 41（3）： 445-461. |
| XU B， BAI J L， HAO Y L， et al. The research status and progress of cooperative navigation for multiple AUVs［J］. Acta Automatica Sinica， 2015， 41（3）： 445-461 （in Chinese）. | |
| [4] | 刘明雍. 水下航行器协同导航技术［M］. 北京： 国防工业出版社， 2014. |
| LIU M Y. Cooperative navigation technology for underwater vehicles［M］. Beijing： National Defense Industry Press， 2014 （in Chinese）. | |
| [5] | 张立川， 王永召， 屈俊琪. 基于等价Fisher信息矩阵的AUV集群网络导航精度分析［J］. 水下无人系统学报， 2019， 27（3）： 254-259， 276. |
| ZHANG L C， WANG Y Z， QU J Q. Network navigation accuracy analysis of AUV swarm based on equivalent fisher information matrix［J］. Journal of Unmanned Undersea Systems， 2019， 27（3）： 254-259， 276 （in Chinese）. | |
| [6] | 许晓伟， 赖际舟， 吕品， 等. 多无人机协同导航技术研究现状及进展［J］. 导航定位与授时， 2017， 4（4）： 1-9. |
| XU X W， LAI J Z， LV P， et al. A literature review on the research status and progress of cooperative navigation technology for multiple UAVs［J］. Navigation Positioning and Timing， 2017， 4（4）： 1-9 （in Chinese）. | |
| [7] | 陈明星， 熊智， 刘建业， 等. 基于因子图的无人机集群分布式协同导航方法［J］. 中国惯性技术学报， 2020， 28（4）： 456-461. |
| CHEN M X， XIONG Z， LIU J Y， et al. Distributed cooperative navigation method of UAV swarm based on factor graph［J］. Journal of Chinese Inertial Technology， 2020， 28（4）： 456-461 （in Chinese）. | |
| [8] | 董希旺， 于江龙， 化永朝， 等. 集群系统智能协同IOODA技术体系架构与关键技术［J］. 航空学报， 2025， 46（4）： 030911. |
| DONG X W， YU J L， HUA Y Z， et al. Architecture and key technologies of intelligent cooperative IOODA technology system for swarm systems［J］. Acta Aeronautica et Astronautica Sinica， 2025， 46（4）： 030911 （in Chinese）. | |
| [9] | 王忠立， 赵杰， 蔡鹤皋. 大规模环境下基于图优化SLAM的后端优化方法［J］. 哈尔滨工业大学学报， 2015， 47（7）： 20-25. |
| WANG Z L， ZHAO J， CAI H G. A survey of back-end optimization method for graph-based SLAM under large-scale environment［J］. Journal of Harbin Institute of Technology， 2015， 47（7）： 20-25 （in Chinese）. | |
| [10] | 姜霞， 曾宪琳， 孙健， 等. 多飞行器的分布式优化研究现状与展望［J］. 航空学报， 2021， 42（4）： 524551. |
| JIANG X， ZENG X L， SUN J， et al. Research status and prospect of distributed optimization for multiple aircraft［J］. Acta Aeronautica et Astronautica Sinica， 2021， 42（4）： 524551 （in Chinese）. | |
| [11] | MADSEN K， NIELSEN H B， TINGLEFF O. Methods for non-linear least squares problems［M］. 2nd ed. Copenhagen：Technical University of Denmark， 2004. |
| [12] | BURGARD W， BROCK O， STACHNISS C. Map-based precision vehicle localization in urban environments ［M］∥Robotics： Science and Systems Ⅲ. Cambridge：MIT Press， 2008： 121-128. |
| [13] | KOLLER D， FRIEDMAN N. Probabilistic graphical models： Principles and techniques［M］. Cambridge： The MIT Press. 2009. |
| [14] | DELLAERT F， KAESS M. Factor graphs for robot perception ［J］. Foundation and Trends in Robotics， 2017， 6（1-2）： 1-139. |
| [15] | KAESS M， RANGANATHAN A， DELLAERT F. iSAM： Incremental smoothing and mapping［J］. IEEE Transactions on Robotics， 2008， 24（6）： 1365-1378. |
| [16] | KAESS M， JOHANNSSON H， ROBERTS R， et al. iSAM2： Incremental smoothing and mapping using the Bayes tree［J］. International Journal of Robotics Research， 2012， 31（2）： 216-235. |
| [17] | GRISETTI G， KüMMERLE R， STACHNISS C， et al. A tutorial on graph-based SLAM［J］. IEEE Intelligent Transportation Systems Magazine， 2010， 2（4）： 31-43. |
| [18] | KüMMERLE R， GRISETTI G， STRASDAT H， et al. G2o： A general framework for graph optimization［C］∥2011 IEEE International Conference on Robotics and Automation. Piscataway： IEEE Press， 2011： 3607-3613. |
| [19] | SHEN Y， WIN M Z. Fundamental limits of wideband localization： PartⅠ： A general framework［J］. IEEE Transactions on Information Theory， 2010， 56（10）： 4956-4980. |
| [20] | SHEN Y， WYMEERSCH H， WIN M Z. Fundamental limits of wideband localization： Part Ⅱ： Cooperative networks［J］. IEEE Transactions on Information Theory， 2010， 56（10）： 4981-5000. |
| [21] | WIN M Z， CONTI A， MAZUELAS S， et al. Network localization and navigation via cooperation［J］. IEEE Communications Magazine， 2011， 49（5）： 56-62. |
| [22] | MAZUELAS S， SHEN Y， WIN M Z. Information coupling in cooperative localization［J］. IEEE Communications Letters， 2011， 15（7）： 737-739. |
| [23] | SHEN Y， MAZUELAS S， WIN M Z. Network navigation： Theory and interpretation［J］. IEEE Journal on Selected Areas in Communications， 2012， 30（9）： 1823-1834. |
| [24] | WIN M Z， SHEN Y， DAI W H. A theoretical foundation of network localization and navigation［J］. Proceedings of the IEEE， 2018， 106（7）： 1136-1165. |
| [25] | WIN M Z， DAI W H， SHEN Y， et al. Network operation strategies for efficient localization and navigation［J］. Proceedings of the IEEE， 2018， 106（7）： 1224-1254. |
| [26] | MAZUELAS S， SHEN Y， WIN M Z. Spatiotemporal information coupling in network navigation［J］. IEEE Transactions on Information Theory， 2018， 64（12）： 7759-7779. |
| [27] | 郭鹏， 崔祜涛， 张泽旭， 等. 一种高阶费歇耳信息矩阵分布式求逆方法［J］. 哈尔滨工业大学学报， 2023， 55（4）： 1-7. |
| GUO P， CUI H T， ZHANG Z X， et al. A distributed inversion method for higher-order Fisher information matrices［J］. Journal of Harbin Institute of Technology， 2023， 55（4）： 1-7 （in Chinese）. |
/
| 〈 |
|
〉 |
CJA