| 致谢 | 第5-7页 |
| 摘要 | 第7-9页 |
| Abstract | 第9-11页 |
| 主要符号对照表 | 第15-16页 |
| 术语表 | 第16-20页 |
| 1 绪论 | 第20-30页 |
| 1.1 引言 | 第20-23页 |
| 1.2 多智能体系统协同定位与状态估计的研究 | 第23-26页 |
| 1.2.1 多智能体协同定位问题 | 第23-24页 |
| 1.2.2 分布式状态估计问题 | 第24-26页 |
| 1.3 本文的主要研究内容与结构安排 | 第26-30页 |
| 1.3.1 研究内容 | 第26-28页 |
| 1.3.2 结构安排 | 第28-30页 |
| 2 预备知识 | 第30-40页 |
| 2.1 引言 | 第30页 |
| 2.2 图论相关 | 第30-31页 |
| 2.2.1 无向图与生成树 | 第30-31页 |
| 2.2.2 有向图与并图 | 第31页 |
| 2.3 矩阵与相关性质 | 第31-32页 |
| 2.4 特殊函数介绍 | 第32-33页 |
| 2.5 几个相关引理 | 第33-34页 |
| 2.6 质点(Point-mass)模型和独轮车(Unicycle)模型 | 第34-37页 |
| 2.6.1 质点(Point-mass)模型 | 第34-36页 |
| 2.6.2 独轮车(Unicycle)模型和非完整性约束 | 第36-37页 |
| 2.7 卡尔曼滤波 | 第37-40页 |
| 3 基于到达角采样测量的质点模型分布式源点协同定位 | 第40-54页 |
| 3.1 引言 | 第40-41页 |
| 3.2 问题描述 | 第41-44页 |
| 3.3 多智能体源点定位算法 | 第44-50页 |
| 3.3.1 成对智能体相互定位算法 | 第44-47页 |
| 3.3.2 多智能体源点融合定位算法 | 第47-50页 |
| 3.4 仿真与讨论 | 第50-52页 |
| 3.5 结论 | 第52-54页 |
| 4 基于到达角测量的独轮车模型分布式源点协同定位 | 第54-76页 |
| 4.1 引言 | 第54-55页 |
| 4.2 预备知识 | 第55-56页 |
| 4.3 问题描述 | 第56-58页 |
| 4.4 分布式源点定位算法设计 | 第58-70页 |
| 4.4.1 相对运动动力学 | 第58-59页 |
| 4.4.2 节点之间成对定位算法 | 第59-67页 |
| 4.4.3 分布式源点融合定位算法 | 第67-70页 |
| 4.5 仿真与讨论 | 第70-73页 |
| 4.6 结论 | 第73-76页 |
| 5 基于相对测量网络的分布式状态估计研究 | 第76-98页 |
| 5.1 引言 | 第76-77页 |
| 5.2 预备知识 | 第77-78页 |
| 5.3 问题描述 | 第78-79页 |
| 5.4 集中式状态估计及系统能观性分析 | 第79-85页 |
| 5.4.1 集中式估计器的设计 | 第80-82页 |
| 5.4.2 全状态能观性研究 | 第82-85页 |
| 5.5 分布式估计算法设计与分析 | 第85-93页 |
| 5.5.1 分布式估计器的设计 | 第85-88页 |
| 5.5.2 收敛性分析 | 第88-93页 |
| 5.6 仿真与讨论 | 第93-95页 |
| 5.7 结论 | 第95-98页 |
| 6 总结与展望 | 第98-102页 |
| 6.1 全文总结 | 第98-99页 |
| 6.2 究展望 | 第99-102页 |
| 参考文献 | 第102-112页 |
| 攻读博士学位期间发表的学术成果(含录用) | 第112-113页 |
