SA-EKF协同定位算法

城市峡谷定位更准

结合TOA与模拟退火扩展卡尔曼滤波的多车协同定位算法，用启发式全局优化避免局部最优，并以自适应加权修正提升城市峡谷中的定位精度与鲁棒性。

Duhao, Li · Deng, Heng · Tianhong, Yu · 张利国

IEEE Internet of Things Journal 2025

技术优势

避开局部最优

模拟退火策略帮助滤波估计跳出局部最小值，实现全局优化，提升定位解的质量。

噪声下更稳

自适应加权滤波修正机制根据噪声情况动态调整权重，增强估计精度和系统稳定性。

实测验证

在SUMO仿真平台和真实场景中均进行了实验，表明该方法在复杂噪声环境下具有优势。

应用场景

• 自动驾驶定位：在城市峡谷中为自动驾驶车辆提供高精度、抗多径的协同定位，减少对GNSS的依赖。
• 无人机集群协同：通过防局部最优和自适应滤波，提升无人机集群在复杂环境中的相对定位一致性和协同精度。
• 车联网：利用车车间TOA测距和分布式EKF，为车联网节点提供鲁棒的相对定位，支撑协作式应用。