长航时协同定位
首次将联邦学习引入多AUV协同定位，解决非线性融合误差分散与水下信息传输难题，实现长航时高精度实时定位。
赵万龙 · Shuyin, Zhao · Guoyao, Zhang · Liu, Gongliang · 孟维晓
IEEE Internet of Things Journal 2024
将联邦学习框架与EKF结合，在分布式融合中保留各艇局部估计优势，抑制非线性误差累计，实现高精度长航时定位。
联邦学习通过参数交换代替原始数据共享，适应水下通信带宽受限环境，降低协同定位对通信链路的依赖。
该算法在仿真和实验中均进行了验证，证实其在多AUV协同定位中的实用性。