具有通信约束的分布式SOR多智能体轨迹估计算法

针对传统多智能体轨迹估计算法信息交换量大，计算量随群规模指数增长，可扩展性差等诸多不足，提出了一种基于超松弛迭代（SOR）的分布式多智能体轨迹估计算法，通过将最大似然（ML）准则下的轨迹估计转化为两级线性优化问题，并综合利用分布式超松弛迭代（Distributed SOR）和标记初始化方法，加快求解速度并简化信息交换流程，最终实现了多智能体位姿轨迹优化和协作定位。实验表明，所提的分布式方法能达到集中式算法的精度水平，在49个智能体规模条件下，位置估计误差小于0.15 m，姿态估计误差小于0.03°，且数据交换量仅到现有主流分布式方法DDF-SAM的0.06%，能很好用于大规模集群的场景。     

基于云计算的广域差分增强系统研究

研究利用云计算技术提升现有导航定位系统功能,给出云计算技术支持下的导航定位云系统的基本原理和网络拓扑,将云计算引入广域差分增强系统进行导航定位信息的实时播发研究,提出一种基于节点异构性的分层混合组播云结构的广域差分增强系统,并对其进行性能分析。结果表明,该云系统网络配置简单,可扩展性强,实时性较好,可以很好地满足导航增强信息在互联网上大规模实时播发的应用需求。