多传感器融合状态估计方法综述

随着传感器网络技术的发展，多传感器融合状态估计凭借其鲁棒性、灵活性、可扩展性以及便于故障检测等优点，长期受到国内外学者的广泛关注，并取得了大量研究成果。数据融合的方法为融合状态估计奠定了理论基础，也是早期研究的主要方向，从20世纪70年代到20世纪末，相继发展出了集中式和分散式滤波架构及相应算法。无线通信技术的成熟以及一致性算法的出现使得分布式状态估计的研究进入了快车道，自2005年以来，大量基于一致性的分布式滤波算法被提出，其中不乏实用的经典方法和优秀的开创性方法。旨在梳理多传感器融合状态估计的发展，探究从数据融合到分布式滤波的内在联系，并对一些经典方法进行了总结。     

切换拓扑下异构无人集群编队-合围跟踪控制

针对异构无人集群存在层内不同协同控制目标以及层间协同耦合的控制问题，提出了“编队-合围跟踪”控制的定义与框架，采用具有时变输入的跟踪-领导者来生成集群系统的整体参考轨迹，克服了现有编队-合围控制中无法有效控制集群整体宏观运动的缺陷。对于存在切换拓扑的高阶异构集群系统，基于分布式鲁棒自适应估计技术以及预先定义的合围控制策略，利用邻居局部信息交互构造了分布式编队-合围跟踪控制器，给出了分层耦合情况下控制器的多步设计方法。采用共同李雅普诺夫稳定性理论，证明了切换拓扑条件下异构集群实现输出编队-合围跟踪的充分条件。通过无人机-无人车异构集群的仿真例子，验证了所提出的编队-合围跟踪控制方法的有效性。