第10卷第1期 智能系统学报 Vol.10 No.1 2015年2月 CAAI Transactions on Intelligent Systems Feb.2015 D0I:10.3969/j.issn.1673-4785.201310067 网络出版地址：http://www.cnki.net/kcms/doi/10.3969/j.issn.1673-4785.201310067.html 无线传感器环境下粒子群优化的 多机器人协同定位研究 程磊2，周明达，吴怀宇，李杰，王永骥 (1.武汉科技大学冶金自动化与检测技术教育部工程研究中心，湖北武汉430081；2.北京大学工学院，北京 100871:3.华中科技大学自动化学院，湖北武汉430074) 摘要：协同定位是多机器人自主行为的一项重要技术，重点描述了无线传感器网络环境下结合粒子群优化提出多 机器人协同定位算法。该算法引入重采样，解决了粒子耗尽问题，扩大了解空间的范围，保证了种群的多样性，并且 引入了惯性权重解决了粒子退化的问题。仿真结果表明，利用无线传感器网络进行辅助导航，采用粒子群优化算 法，综合无线传感器网络进行辅助导航，融合各个机器人观测信息，可以降低求解问题的空间维数，在高斯噪声下能 有效提高移动机器人定位精度。 关键词：粒子群优化：多机器人：协同定位：无线传感器网络：重采样：惯性权重：多信息融合：适应度函数 中图分类号：TP31文献标志码：A文章编号：1673-4785(2015)01-0138-05 中文引用格式：程磊，周明达，吴怀宇，等.无线传感器环境下粒子群优化的多机器人协同定位研究[J].智能系统学报，2015,10 (1):138-142. 英文引用格式：CHENG Lei,ZHOU Mingda,WU Huaiyu,Li Jie,Wang Yong-ji.Cooperative multi-robot localization based on particle swarm optimization in the environment of wireless sensor[J].CAAI Transactions on Intelligent Systems,2015,10(1): 138-142. Cooperative multi-robot localization based on particle swarm optimization in the environment of wireless sensor CHENG Lei'2,ZHOU Mingda',WU Huaiyu',LI Jie',WANG Yongji (1.Engineering Research Center of Metallurgical Automation and Measurement Technology of Ministry of Education,Wuhan University of Science and Technology,Wuhan 430081,China;2.College of Engineering,Peking University,Beijing 100871,China;3.School of Automation,Huazhong University of Science and Technology,Wuhan 430074,China) Abstract:Cooperative localization is an important technique of multi-robot's autonomous behavior.In this paper, the multi-robot cooperative localization algorithm based on the optimization of particle swarm optimization under wireless sensor network environment is described.The resampling algorithm is introduced to solve the problem of particle depletion,enlarge the scope of solution space and guarantee the diversity of population.The introduction of inertia weight provides a solution for the particle degradation.Simulation results showed that by using the particle swarm optimization algorithm,which is supported by wireless sensor network to assist navigation and integrating ro- bots'observation information,the spatial dimensions of the problem can be reduced.In addition,the accuracy of robot localization can be improved effectively under the background of Gaussian noise. Keywords:particle swarm optimization;multi-robot;cooperative localization;wireless sensor network;resampling; inertia weight;multiple information fusion;fitness function 协同定位是多机器人导航领域的一项关键技 收稿日期：2013-10-24.网络出版日期：2015-01-13. 术，也是多机器人进行其他行为的前提，它是指一群 基金项目：国家自然科学基金资助项目(60705035,61075087,61203331)：湖北 省重点实验室开放基金重点资助项目(Z201102):河南省高等学 机器人在共同的环境下，通过共享环境信息，融合不 校控制工程重点学科开放基金资助项目(KG2011-01):湖北省教同机器人的观测信息，逐步消除累计误差，实现在共 育厅科研计划重点资助项目(D20131105):湖北省科技计划自然 科学基金重点资助项目(2010CDA005). 同环境下确定各自机器人的位姿信息。与单个机器 通信作者：程磊.E-mail:chengleic@wust.edu.cn 人定位相比，协同定位拥有更多的观测信息，故具有
第 员园 卷第 员 期摇摇摇摇摇摇摇摇摇摇摇 摇摇摇 智 能 系 统 学 报摇摇摇摇摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 灾燥造援员园 翼援员 圆园员缘 年 圆 月摇摇摇摇摇摇摇摇摇摇摇 悦粤粤陨 栽则葬灶泽葬糟贼蚤燥灶泽 燥灶 陨灶贼藻造造蚤早藻灶贼 杂赠泽贼藻皂泽 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 云藻遭援 圆园员缘 阅韵陨院员园援猿怨远怨 辕 躁援蚤泽泽灶援员远苑猿鄄源苑愿缘援圆园员猿员园园远苑 网络出版地址院澡贼贼责院 辕 辕 憎憎憎援糟灶噪蚤援灶藻贼 辕 噪糟皂泽 辕 凿燥蚤 辕 员园援猿怨远怨 辕 躁援蚤泽泽灶援员远苑猿原源苑愿缘援圆园员猿员园园远苑援澡贼皂造 无线传感器环境下粒子群优化的 多机器人协同定位研究 程磊员袁圆 袁 周明达员 袁 吴怀宇员 袁李杰员 袁王永骥猿 渊员援武汉科技大学 冶金自动化与检测技术教育部工程研究中心袁 湖北 武汉 源猿园园愿员曰 圆援北京大学 工学院袁 北京 员园园愿苑员曰 猿援华中科技大学 自动化学院袁 湖北 武汉 源猿园园苑源冤 摘 要院协同定位是多机器人自主行为的一项重要技术袁重点描述了无线传感器网络环境下结合粒子群优化提出多 机器人协同定位算法遥 该算法引入重采样袁解决了粒子耗尽问题袁扩大了解空间的范围袁保证了种群的多样性袁并且 引入了惯性权重解决了粒子退化的问题遥 仿真结果表明袁利用无线传感器网络进行辅助导航袁采用粒子群优化算 法袁综合无线传感器网络进行辅助导航袁融合各个机器人观测信息袁可以降低求解问题的空间维数袁在高斯噪声下能 有效提高移动机器人定位精度遥 关键词院粒子群优化曰多机器人曰协同定位曰无线传感器网络曰重采样曰惯性权重曰多信息融合曰适应度函数 中图分类号院 栽孕猿员 摇 文献标志码院粤摇 文章编号院员远苑猿鄄源苑愿缘渊圆园员缘冤园员鄄园员猿愿鄄园缘 中文引用格式院程磊袁 周明达袁 吴怀宇袁等援 无线传感器环境下粒子群优化的多机器人协同定位研究咱 允暂援 智能系统学报袁 圆园员缘袁 员园 渊员冤 院 员猿愿鄄员源圆援 英文引用格式院悦匀耘晕郧 蕴藻蚤袁 在匀韵哉 酝蚤灶早凿葬袁 宰哉 匀怎葬蚤赠怎袁 蕴蚤 允蚤藻袁 宰葬灶早 再燥灶早鄄躁蚤援 悦燥燥责藻则葬贼蚤增藻 皂怎造贼蚤原则燥遭燥贼 造燥糟葬造蚤扎葬贼蚤燥灶 遭葬泽藻凿 燥灶 责葬则贼蚤糟造藻 泽憎葬则皂 燥责贼蚤皂蚤扎葬贼蚤燥灶 蚤灶 贼澡藻 藻灶增蚤则燥灶皂藻灶贼 燥枣 憎蚤则藻造藻泽泽 泽藻灶泽燥则咱 允暂援 悦粤粤陨 栽则葬灶泽葬糟贼蚤燥灶泽 燥灶 陨灶贼藻造造蚤早藻灶贼 杂赠泽贼藻皂泽袁 圆园员缘袁 员园渊 员冤 院 员猿愿鄄员源圆援 悦燥燥责藻则葬贼蚤增藻 皂怎造贼蚤鄄则燥遭燥贼 造燥糟葬造蚤扎葬贼蚤燥灶 遭葬泽藻凿 燥灶 责葬则贼蚤糟造藻 泽憎葬则皂 燥责贼蚤皂蚤扎葬贼蚤燥灶 蚤灶 贼澡藻 藻灶增蚤则燥灶皂藻灶贼 燥枣 憎蚤则藻造藻泽泽 泽藻灶泽燥则 悦匀耘晕郧 蕴藻蚤员袁圆 袁 在匀韵哉 酝蚤灶早凿葬员 袁 宰哉 匀怎葬蚤赠怎员 袁 蕴陨 允蚤藻员 袁 宰粤晕郧 再燥灶早躁蚤猿 渊 员援 耘灶早蚤灶藻藻则蚤灶早 砸藻泽藻葬则糟澡 悦藻灶贼藻则 燥枣 酝藻贼葬造造怎则早蚤糟葬造 粤怎贼燥皂葬贼蚤燥灶 葬灶凿 酝藻葬泽怎则藻皂藻灶贼 栽藻糟澡灶燥造燥早赠 燥枣 酝蚤灶蚤泽贼则赠 燥枣 耘凿怎糟葬贼蚤燥灶袁 宰怎澡葬灶 哉灶蚤增藻则泽蚤贼赠 燥枣 杂糟蚤藻灶糟藻 葬灶凿 栽藻糟澡灶燥造燥早赠袁宰怎澡葬灶 源猿园园愿员袁 悦澡蚤灶葬曰 圆援 悦燥造造藻早藻 燥枣 耘灶早蚤灶藻藻则蚤灶早袁 孕藻噪蚤灶早 哉灶蚤增藻则泽蚤贼赠袁 月藻蚤躁蚤灶早 员园园愿苑员袁 悦澡蚤灶葬曰猿援 杂糟澡燥燥造 燥枣 粤怎贼燥皂葬贼蚤燥灶袁 匀怎葬扎澡燥灶早 哉灶蚤增藻则泽蚤贼赠 燥枣 杂糟蚤藻灶糟藻 葬灶凿 栽藻糟澡灶燥造燥早赠袁 宰怎澡葬灶 源猿园园苑源袁 悦澡蚤灶葬冤 粤遭泽贼则葬糟贼院悦燥燥责藻则葬贼蚤增藻 造燥糟葬造蚤扎葬贼蚤燥灶 蚤泽 葬灶 蚤皂责燥则贼葬灶贼 贼藻糟澡灶蚤择怎藻 燥枣 皂怎造贼蚤鄄则燥遭燥贼爷 泽 葬怎贼燥灶燥皂燥怎泽 遭藻澡葬增蚤燥则援 陨灶 贼澡蚤泽 责葬责藻则袁 贼澡藻 皂怎造贼蚤鄄则燥遭燥贼 糟燥燥责藻则葬贼蚤增藻 造燥糟葬造蚤扎葬贼蚤燥灶 葬造早燥则蚤贼澡皂 遭葬泽藻凿 燥灶 贼澡藻 燥责贼蚤皂蚤扎葬贼蚤燥灶 燥枣 责葬则贼蚤糟造藻 泽憎葬则皂 燥责贼蚤皂蚤扎葬贼蚤燥灶 怎灶凿藻则 憎蚤则藻造藻泽泽 泽藻灶泽燥则 灶藻贼憎燥则噪 藻灶增蚤则燥灶皂藻灶贼 蚤泽 凿藻泽糟则蚤遭藻凿援 栽澡藻 则藻泽葬皂责造蚤灶早 葬造早燥则蚤贼澡皂 蚤泽 蚤灶贼则燥凿怎糟藻凿 贼燥 泽燥造增藻 贼澡藻 责则燥遭造藻皂 燥枣 责葬则贼蚤糟造藻 凿藻责造藻贼蚤燥灶袁 藻灶造葬则早藻 贼澡藻 泽糟燥责藻 燥枣 泽燥造怎贼蚤燥灶 泽责葬糟藻 葬灶凿 早怎葬则葬灶贼藻藻 贼澡藻 凿蚤增藻则泽蚤贼赠 燥枣 责燥责怎造葬贼蚤燥灶援 栽澡藻 蚤灶贼则燥凿怎糟贼蚤燥灶 燥枣 蚤灶藻则贼蚤葬 憎藻蚤早澡贼 责则燥增蚤凿藻泽 葬 泽燥造怎贼蚤燥灶 枣燥则 贼澡藻 责葬则贼蚤糟造藻 凿藻早则葬凿葬贼蚤燥灶援 杂蚤皂怎造葬贼蚤燥灶 则藻泽怎造贼泽 泽澡燥憎藻凿 贼澡葬贼 遭赠 怎泽蚤灶早 贼澡藻 责葬则贼蚤糟造藻 泽憎葬则皂 燥责贼蚤皂蚤扎葬贼蚤燥灶 葬造早燥则蚤贼澡皂袁 憎澡蚤糟澡 蚤泽 泽怎责责燥则贼藻凿 遭赠 憎蚤则藻造藻泽泽 泽藻灶泽燥则 灶藻贼憎燥则噪 贼燥 葬泽泽蚤泽贼 灶葬增蚤早葬贼蚤燥灶 葬灶凿 蚤灶贼藻早则葬贼蚤灶早 则燥鄄 遭燥贼泽爷 燥遭泽藻则增葬贼蚤燥灶 蚤灶枣燥则皂葬贼蚤燥灶袁 贼澡藻 泽责葬贼蚤葬造 凿蚤皂藻灶泽蚤燥灶泽 燥枣 贼澡藻 责则燥遭造藻皂 糟葬灶 遭藻 则藻凿怎糟藻凿援 陨灶 葬凿凿蚤贼蚤燥灶袁 贼澡藻 葬糟糟怎则葬糟赠 燥枣 则燥遭燥贼 造燥糟葬造蚤扎葬贼蚤燥灶 糟葬灶 遭藻 蚤皂责则燥增藻凿 藻枣枣藻糟贼蚤增藻造赠 怎灶凿藻则 贼澡藻 遭葬糟噪早则燥怎灶凿 燥枣 郧葬怎泽泽蚤葬灶 灶燥蚤泽藻援 运藻赠憎燥则凿泽院责葬则贼蚤糟造藻 泽憎葬则皂 燥责贼蚤皂蚤扎葬贼蚤燥灶曰 皂怎造贼蚤鄄则燥遭燥贼曰 糟燥燥责藻则葬贼蚤增藻 造燥糟葬造蚤扎葬贼蚤燥灶曰 憎蚤则藻造藻泽泽 泽藻灶泽燥则 灶藻贼憎燥则噪曰 则藻泽葬皂责造蚤灶早曰 蚤灶藻则贼蚤葬 憎藻蚤早澡贼曰 皂怎造贼蚤责造藻 蚤灶枣燥则皂葬贼蚤燥灶 枣怎泽蚤燥灶曰 枣蚤贼灶藻泽泽 枣怎灶糟贼蚤燥灶 收稿日期院圆园员猿鄄员园鄄圆源援 摇 网络出版日期院圆园员缘鄄园员鄄员猿援 基金项目院国家自然科学基金资助项目渊远园苑园缘园猿缘袁远员园苑缘园愿苑袁远员圆园猿猿猿员冤曰湖北 省重点实验室开放基金重点资助项目渊在圆园员员园圆冤曰河南省高等学 校控制工程重点学科开放基金资助项目渊运郧圆园员员鄄园员冤曰湖北省教 育厅科研计划重点资助项目渊阅圆园员猿员员园缘冤曰湖北省科技计划自然 科学基金重点资助项目渊圆园员园悦阅粤园园缘冤援 通信作者院程磊援 耘鄄皂葬蚤造院糟澡藻灶早造藻蚤岳 憎怎泽贼援藻凿怎援糟灶援 摇 摇 协同定位是多机器人导航领域的一项关键技 术袁也是多机器人进行其他行为的前提袁它是指一群 机器人在共同的环境下袁通过共享环境信息袁融合不 同机器人的观测信息袁逐步消除累计误差袁实现在共 同环境下确定各自机器人的位姿信息遥 与单个机器 人定位相比袁协同定位拥有更多的观测信息袁故具有
第1期 程磊，等：无线传感器环境下基于粒子群优化的多机器人协同定位研究 ·139· 更好的定位精度。文献[1]运用卡尔曼滤波器 随着迭代次数的增多，粒子逐渐逼近机器人的 (Kalman filter,KF)及粒子滤波器(particle filter), 真实位置，由于希望算法的局部搜索能力强，因此惯 通过增量评估机器人位姿和环境特征位置后验概率 性权重以递减的形式设计，惯性权重的计算与多传 的方法使机器人在探索未知环境中，能够递增地建 感器信息融合相结合，借助无线传感器网络节点的 立地图同时对路标进行定位，但此算法复杂性高，实 观测模型来更新每个粒子的权重，实现多传感器的 时性不强。文中将无线传感器网络(wireless sensor 信息融合。假设每个机器人身上放置一个无线传感 network,WSN)应用于多机器人协同定位系统，无线 器节点，在k时刻，第i个机器人(x,y,)在移 传感器网络即是计算机通信和传感器多领域技术相 动的过程中，周围有n个无线传感器节点被激活 结合的产物，也是将信息获取（传感）、信息传递与 (包括周围机器人身上的节点)，只在机器人到达周 信息处理相结合的产物，它是将部署在监测区域的 围无线传感器网络感知范围时节点才被激活，如图 大量具有有限计算能力的微型传感器节点相互协作 1所示。 构成的一个多跳自组织网络，因其能在复杂环境下 实时检测和远程监控而广泛应用于工业控制、安全 监测、仓库管理和空间搜索等领域[)。文中应用无 d 线传感器网络节点作为机器人定位的特定标识，利 用WSN环境下粒子群优化的多机器人协同定位算 法，使用带有权重的的粒子多次迭代估计出机器人 运动的位置。 1 WSN环境粒子群优化协同定位算法 1.1粒子群优化原理 粒子群优化算法源自鸟群捕食行为原理，每个 鸟可以看成是空间里面的一个不计体积和质量的微 图1机器人系统状态 粒，初始化的微粒位置为待优化问题的潜在解，也就 Fig.1 The state of the robot 是待解决目标函数的解，粒子在空间移动时能记录 图1中虚线圆为无线通信节点的通信范围，设 个体最优值P=和全局最优值gt,每一次迭代后， 第i个机器人周围被激活的这n个节点的观测模型 粒子改变移动的位置和速度，从而更新全体及个体 用Zx={,异，…，}表示，设第j个节点对应的坐 最优值，最终全体最优值为目标函数的解。文中粒 标为(，，Z),其对应的观测模型为 子全体最优解为机器人真实位置。 p(Xi)= -(slu(di))2/(2(d)2) 此法假设搜索空间为D维，随机初始化粒子的 σ(d)2m 位置及速度。设粒子群中第i个粒子的位置表示为 k,第i个粒子的速度表示为x:=[xax2 (2) xa],第i个粒子的速度表示为v:=[a2 式中：u(d4)和σ(d)分别为观测到的机器人X和 D],第i个粒子迄今为止搜索的最好位置记为p:= 节点j之间距离的均值和方差，式(2)确定了机器人 [PiP2·Po],整个粒子迄今为止搜索到的最 与节点之间的关系。实际中无线传感器测的节点与 节点之前的观测距离误差较大，所以本文加入粒子 好位置记为w4xwk-p(X)。评价每个粒子的适 群优化及多传感器信息融合的思想，以弥补这种缺 应度，将当前各粒子的位置和适应度存储在各微粒 陷并实现多机器人协同定位的精度要求。 的P中，将所有的P中适应值最优个体的位置和 适应值存储于g中，对于每一个粒子，在 u(d)= 立g-功+(-为+（么-到八 {wik,w24,…,w}维(1≤d≤D)空间下，速度与位置 σ(d)=E{[d-u(d)]2} 方程对粒子新的预测位置进行更新[6。根据等式 由此可得这n个节点对应的似然度为 (1)进行变化： v(t+1)=wv(t)+c(Pa-x(t))+cr2(Pad-x(t)) p(Zi)=IIp() (3) xa(t+1)=xa(t)+a(t+1) (1) 文中借鉴序贯蒙特卡洛方法[]，利用一组带有 式中：c1c2为正的学习因子；1、r2表示(0,1)之间 权重的采样点来趋近状态的后验概率密度函数。粒 均匀分布的随机数；Ua∈[一Ux,vnm],vmm是先前设 子的权重表示为 定的最大移动速度；为惯性权重，实验过程中线性 p(Xo-k I Zo.) 地递减0的值。 π(X41Zo.4) =1》1X) π(X1X-1,Z) 1.2多传感器信息融合及惯性权重的计算 (4) 实际实验中惯性权重值大的适用于全局粒子搜 式中：(X|X-1,Z1k),i∈[1，N]为重要性分布 索，权重值小的适用于局部搜索。 函数，粒子数目i属于粒子的采样范围，式(4)建立
更好的定位精度遥 文献 咱员暂 运用卡尔曼滤波器 渊运葬造皂葬灶 枣蚤造贼藻则袁 运云冤 及粒子滤波器渊 责葬则贼蚤糟造藻 枣蚤造贼藻则冤 袁 通过增量评估机器人位姿和环境特征位置后验概率 的方法使机器人在探索未知环境中袁能够递增地建 立地图同时对路标进行定位袁但此算法复杂性高袁实 时性不强遥 文中将无线传感器网络渊 憎蚤则藻造藻泽泽 泽藻灶泽燥则 灶藻贼憎燥则噪袁宰杂晕冤应用于多机器人协同定位系统袁无线 传感器网络即是计算机通信和传感器多领域技术相 结合的产物袁也是将信息获取渊传感冤 尧信息传递与 信息处理相结合的产物袁它是将部署在监测区域的 大量具有有限计算能力的微型传感器节点相互协作 构成的一个多跳自组织网络袁因其能在复杂环境下 实时检测和远程监控而广泛应用于工业控制尧安全 监测尧仓库管理和空间搜索等领域咱源暂 遥 文中应用无 线传感器网络节点作为机器人定位的特定标识袁利 用 宰杂晕 环境下粒子群优化的多机器人协同定位算 法袁使用带有权重的的粒子多次迭代估计出机器人 运动的位置遥 员摇 宰杂晕 环境粒子群优化协同定位算法 员援员摇 粒子群优化原理 粒子群优化算法源自鸟群捕食行为原理袁每个 鸟可以看成是空间里面的一个不计体积和质量的微 粒袁初始化的微粒位置为待优化问题的潜在解袁也就 是待解决目标函数的解袁粒子在空间移动时能记录 个体最优值 责遭藻泽贼和全局最优值 早遭藻泽贼袁每一次迭代后袁 粒子改变移动的位置和速度袁从而更新全体及个体 最优值袁最终全体最优值为目标函数的解遥 文中粒 子全体最优解为机器人真实位置遥 此法假设搜索空间为 阅 维袁随机初始化粒子的 位置及速度遥 设粒子群中第 蚤 个粒子的位置表示为 噪袁第 蚤 个粒子的速度表示为 曾蚤 越 咱 曾蚤员 曾蚤圆 摇 噎摇 曾蚤凿 暂 袁第 蚤 个粒子的速度表示为 增蚤 越 咱 增蚤员 增蚤圆 摇 噎摇 增蚤阅暂 袁第 蚤 个粒子迄今为止搜索的最好位置记为 责蚤 越 咱责蚤员 责蚤圆 摇 噎摇 责蚤阅暂 袁整个粒子迄今为止搜索到的最 好位置记为憎蚤 躁噪邑憎蚤 躁噪原员 责 扎躁 噪 渣 载蚤 噪 ( ) 遥 评价每个粒子的适 应度袁将当前各粒子的位置和适应度存储在各微粒 的 责遭藻泽贼中袁将所有的 责遭藻泽贼中适应值最优个体的位置和 适应值存储于 早遭藻泽贼 中袁 对于每一个粒子袁 在 憎蚤 员噪袁憎蚤 圆噪袁噎袁憎蚤 灶噪 { }维渊员臆凿臆阅冤空间下袁速度与位置 方程对粒子新的预测位置进行更新咱远暂 遥 根据等式 渊员冤进行变化院 增蚤凿渊贼 垣 员冤越 憎增蚤凿渊贼冤 垣 糟员则员 渊责蚤凿 原 曾蚤凿渊贼冤冤 垣 糟圆则圆 渊责早凿 原 曾蚤凿渊贼冤冤 曾蚤凿渊贼 垣 员冤 越 曾蚤凿渊贼冤 垣 增蚤凿渊贼 垣 员冤 渊员冤 式中院糟员 尧糟圆 为正的学习因子曰则员 尧则圆 表示渊园袁员冤之间 均匀分布的随机数曰增蚤凿沂咱 原增皂葬曾袁增皂葬曾 暂 袁增皂葬曾是先前设 定的最大移动速度曰蚤 为惯性权重袁实验过程中线性 地递减 憎 的值遥 员援圆摇 多传感器信息融合及惯性权重的计算 实际实验中惯性权重值大的适用于全局粒子搜 索袁权重值小的适用于局部搜索遥 随着迭代次数的增多袁粒子逐渐逼近机器人的 真实位置袁由于希望算法的局部搜索能力强袁因此惯 性权重以递减的形式设计袁惯性权重的计算与多传 感器信息融合相结合袁借助无线传感器网络节点的 观测模型来更新每个粒子的权重袁实现多传感器的 信息融合遥 假设每个机器人身上放置一个无线传感 器节点袁在 噪 时刻袁第 蚤 个机器人 载蚤 噪 曾蚤 噪袁赠蚤 噪袁扎 蚤 噪 ( ) 在移 动的过程中袁周围有 灶 个无线传感器节点被激活 渊包括周围机器人身上的节点冤 袁只在机器人到达周 围无线传感器网络感知范围时节点才被激活袁如图 员 所示遥 图 员摇 机器人系统状态 云蚤早援员摇 栽澡藻 泽贼葬贼藻 燥枣 贼澡藻 则燥遭燥贼 图 员 中虚线圆为无线通信节点的通信范围袁设 第 蚤 个机器人周围被激活的这 灶 个节点的观测模型 用 在运 越 扎 员 噪袁扎 圆 噪袁噎袁扎 灶 噪 { } 表示袁设第 躁 个节点对应的坐 标为 载躁 运 袁再躁 运 袁在躁 运 ( ) 袁其对应的观测模型为 责 扎躁 噪 渣 载蚤 噪 ( ) 越 员 滓 凿蚤 噪 ( ) 圆仔藻 原渊砸杂杂陨躁 原怎 凿蚤 噪 ( ) 冤圆辕 渊圆滓渊凿蚤 噪冤 圆冤 渊圆冤 式中院怎 凿蚤 噪 ( ) 和 滓 凿蚤 噪 ( ) 分别为观测到的机器人 载蚤 噪 和 节点 躁 之间距离的均值和方差袁式渊圆冤确定了机器人 与节点之间的关系遥 实际中无线传感器测的节点与 节点之前的观测距离误差较大袁所以本文加入粒子 群优化及多传感器信息融合的思想袁以弥补这种缺 陷并实现多机器人协同定位的精度要求遥 怎 凿蚤 噪 ( ) 越 移 晕 蚤 越员 载躁 运 原 曾 蚤 噪 ( ) 圆 垣 再躁 运 原 赠 蚤 噪 ( ) 圆 垣 在躁 运 原 扎 蚤 噪 ( ) 圆 辕 晕 滓 凿蚤 噪 ( ) 越 耘 咱凿蚤 噪 原 怎 凿蚤 噪 ( ) 暂圆 { } 摇 摇 由此可得这 灶 个节点对应的似然度为 责 在噪 渣 载蚤 噪 ( ) 越 装 灶 躁 越 员 责 扎躁 噪 渣 载蚤 噪 ( ) 渊猿冤 摇 摇 文中借鉴序贯蒙特卡洛方法咱愿暂 袁利用一组带有 权重的采样点来趋近状态的后验概率密度函数遥 粒 子的权重表示为 憎蚤 噪 邑 责 载蚤 园窑噪 渣 在园窑噪 ( ) 仔渊载蚤 园院噪 渣 在园院噪冤 越 憎蚤 噪原员 责 在噪 渣 载蚤 噪 ( ) 责 载蚤 噪 渣 载蚤 噪原员 ( ) 仔 载蚤 噪 渣 载蚤 噪原员 袁在员院噪 ( ) 渊源冤 式中院 仔 载蚤 运 渣 载蚤 噪原员 袁在员窑噪 ( ) 袁 蚤沂 咱员袁晕暂 为重要性分布 函数袁粒子数目 蚤 属于粒子的采样范围袁式渊源冤建立 第 员 期摇摇摇摇摇摇摇摇摇摇 程磊袁等院无线传感器环境下基于粒子群优化的多机器人协同定位研究 窑员猿怨窑
·140 智能系统学报 第10卷 了粒子群优化中粒子权重与机器人空间位置及节点 验中采用的观测噪声和状态噪声均为高斯噪声，噪 观测模型的关系，并将式(3)代入式(4)，可知激活 声的通带截止频率为0，=(2.5E6,3.5E6),阻带截止 的节点更新粒子的权重表示为 频率为0，=(2E6,4E6),通带最大衰减1dB和阻带 w4cw4-p(1X),i∈[1，N](5) 最小衰减60B由一个巴特沃斯滤波器产生，滤波 总共选取n个节点，每个节点都对粒子产生影 后的噪声分布及频谱图如图3所示。 响，那么每个粒子得到一组权重{wi,w2k,…,w}。 开始 1.3重采样 更新完粒子的权重后，很多粒子的权值过小，这 全局粒子预测及 结束 些权值过小的粒子在计算中增加了计算时间且对结 优化 果无益，故希望通过重采样的方式将权重较大的粒 全局粒子预测及 子留下来，舍去权重较小的粒子，实际上重采样是为 到达终点 优化 了集中粒子到高似然区域，以提高对将来状态的估 计，实际应用中往往不能对后验分布 N p(Xo。|Zon)进行采样，文中使用一种简单的方法 多传感器信 、息融合 如式(6)： 自适应值<门限 1 N= (6) 粒子群优化的状态 估计 N 式中：N为粒子的个数，0为粒子权重的归一化 是否重采样 更新全局粒子的权值W 结果，将此式与设定的阈值N进行比较，如果此 式比阈值大则不需进行重采样，如果此式比阈值小 图2实验算法流程图 (Nm≤N/2),则进行重采样。算法选定的采样函数 Fig.2 Flow chart of the algorithm C,()=0p(N,=1,2,…,)用来对粒子进行重采 15 60 样，为粒子序号，重采样后粒子的权值都设定为 1/N. 1.0 1.4适应度函数 当高权重粒子在多次迭代过程中逐步趋近高似 0.5 然区域的时候，需要有一个函数来判断趋近真实位 置的程度，文中选用适应度函数来判断粒子群优化 算法对移动机器人预测位置的优化程度)，适应度 0.5 函数如式(7)： Fitness=exp{-sqpt[(zk-4)·R·(z4-4)'/c3]} (7) ×10 -15 500 1000 4 式中：R表示机器人的观测噪声协方差矩阵，4表 6 频率 频率 示j时刻机器人对粒子i观测值的预测，可通过预 (a)滤波后噪声信号 (b)射频声干扰信号频谱图 测位置值和已经观测到的粒子位置m:计算得到， 在估计移动机器人位置x”·的基础上，计算出该 图3系统产生的高斯噪声及对应的频谱图 Fig.3 Spectrum Gauss noise and the corresponding system 特征相对于预估计位置x①·的预测观测值，设 三维环境的创建借鉴MATLAB7.0中改进的 定一个阈值δ：当Fitness≥δ，则可以判断更新后的 位置x”·已经在机器人的真实位置附近：若it- peaks函数，应用此函数便于仿真时在三维环境下直 ness≤δ，则表明预估计的位置偏离机器人的真实位 观地观测节点和机器人的位置。 置，需要再次优化粒子的权重。 z=(1-x)3.e-)-+9-10·(x/3)-x3-y)· 1.5 WSN下粒子群优化的协同定位算法流程 e-3.…+(1/7)·e-+03·e3-3e-20 无线传感器环境下粒子群优化的多机器人协同 (8) 定位算法，通过多传感器信息融合、更新粒子权重、 对于多机器人定位，只需得到单机器人位置，以 重采样、以及自适应函数判断最终位置来实现多机 同样的方式就能得到其他机器人的位置。假定3个 器人协同定位，其算法的流程图如图2所示。 机器人位置（也是节点的位置）分别为(-0.1,1.6， 6.5),(1.0,-0.1,3.0),(0.21,0.71,0),地图上放 2 实验分析 置6个无线传感器节点(0,0，-15)，(-3.5,6， 采用MATLAB7.0对本实验进行仿真，在仿真实 0.5),(-3.5,-6,0.5),(3.5,-6,0.5),(3.5,6, 0.5),(0,0,10)。其通信距离为4m,以第一个机
了粒子群优化中粒子权重与机器人空间位置及节点 观测模型的关系袁并将式渊猿冤代入式渊源冤袁可知激活 的节点更新粒子的权重表示为 憎蚤 躁噪 邑 憎蚤 躁噪原员 责 扎躁 噪 渣 载蚤 噪 ( ) 袁蚤 沂 咱员袁晕暂 渊缘冤 摇 摇 总共选取 灶 个节点袁每个节点都对粒子产生影 响袁那么每个粒子得到一组权重 憎蚤 员噪袁憎蚤 圆噪袁噎袁憎蚤 灶噪 { } 遥 员援猿摇 重采样 更新完粒子的权重后袁很多粒子的权值过小袁这 些权值过小的粒子在计算中增加了计算时间且对结 果无益袁故希望通过重采样的方式将权重较大的粒 子留下来袁舍去权重较小的粒子袁实际上重采样是为 了集中粒子到高似然区域袁以提高对将来状态的估 计袁 实际应用中往往不能对后验分布 责 载园院灶 渣 在园院灶 ( ) 进行采样袁文中使用一种简单的方法 如式渊远冤院 晕藻枣枣 越 员 移晕 晕蚤 越 员 憎 耀 晕蚤 ( ) ( ) 圆 渊远冤 式中院 晕 为粒子的个数袁憎 耀 晕蚤 ( ) 为粒子权重的归一化 结果袁将此式与设定的阈值 晕 藻枣枣进行比较袁 如果此 式比阈值大则不需进行重采样袁 如果此式比阈值小 渊晕藻枣枣臆晕 辕 圆冤袁 则进行重采样遥 算法选定的采样函数 悦则( )蚤 越憎 耀 晕蚤 ( ) 晕蚤 ( ) 越 员袁圆袁噎袁晕 用来对粒子进行重采 样袁 蚤 为粒子序号袁 重采样后粒子的权值都设定为 员 辕 晕遥 员援源摇 适应度函数 当高权重粒子在多次迭代过程中逐步趋近高似 然区域的时候袁需要有一个函数来判断趋近真实位 置的程度袁文中选用适应度函数来判断粒子群优化 算法对移动机器人预测位置的优化程度咱怨暂 袁适应度 函数如式渊苑冤院 云蚤贼灶藻泽泽 越 藻曾责喳 原 泽择则贼咱渊扎噪 原 扎 躁 蚤噪冤窑砸原员 噪 窑渊扎噪 原 扎 躁 蚤噪冤栽 辕 糟猿暂札 渊苑冤 式中院砸噪 表示机器人的观测噪声协方差矩阵袁扎 躁 蚤噪表 示 躁 时刻机器人对粒子 蚤 观测值的预测袁扎 躁 蚤噪可通过预 测位置值和已经观测到的粒子位置 皂噪 计算得到袁 在估计移动机器人位置 曾( )蚤 鄢 噪 的基础上袁计算出该 特征相对于预估计位置 曾( )蚤 鄢 噪 的预测观测值 扎 躁 蚤噪袁设 定一个阈值 啄院当 云蚤贼灶藻泽泽逸啄袁则可以判断更新后的 位置 曾( )蚤 鄢 噪 已经在机器人的真实位置附近曰若 云蚤贼鄄 灶藻泽泽臆啄袁则表明预估计的位置偏离机器人的真实位 置袁需要再次优化粒子的权重遥 员援缘摇 宰杂晕 下粒子群优化的协同定位算法流程 无线传感器环境下粒子群优化的多机器人协同 定位算法袁通过多传感器信息融合尧更新粒子权重尧 重采样尧以及自适应函数判断最终位置来实现多机 器人协同定位袁其算法的流程图如图 圆 所示遥 圆摇 实验分析 采用 酝粤栽蕴粤月苑援园 对本实验进行仿真袁在仿真实 验中采用的观测噪声和状态噪声均为高斯噪声袁噪 声的通带截止频率为 憎责 越 ( ) 圆援缘耘远袁猿援缘耘远 袁阻带截止 频率为 憎泽 越 ( ) 圆耘远袁源耘远 袁通带最大衰减 员 凿月 和阻带 最小衰减 远园 凿月 由一个巴特沃斯滤波器产生袁滤波 后的噪声分布及频谱图如图 猿 所示遥 图 圆摇 实验算法流程图 云蚤早援圆摇 云造燥憎 糟澡葬则贼 燥枣 贼澡藻 葬造早燥则蚤贼澡皂 图 猿摇 系统产生的高斯噪声及对应的频谱图 云蚤早援猿摇 杂责藻糟贼则怎皂 郧葬怎泽泽 灶燥蚤泽藻 葬灶凿 贼澡藻 糟燥则则藻泽责燥灶凿蚤灶早 泽赠泽贼藻皂 三维环境的创建借鉴 酝粤栽蕴粤月苑援 园 中改进的 责藻葬噪泽 函数袁应用此函数便于仿真时在三维环境下直 观地观测节点和机器人的位置遥 扎 越 渊员 原 曾冤猿 窑藻渊 原渊曾猿冤 原渊赠垣员源冤猿冤 原 员园窑渊渊曾 辕 猿冤 原 曾 缘 原 赠 缘 冤窑 藻 渊 原曾猿原赠圆冤 噎 垣 渊员辕 苑冤窑藻渊 原渊曾垣员园冤远原赠圆冤 窑藻渊 原曾猿原赠圆冤 原 猿藻渊 原渊曾圆冤冤 渊愿冤 摇 摇 对于多机器人定位袁只需得到单机器人位置袁以 同样的方式就能得到其他机器人的位置遥 假定 猿 个 机器人位置渊也是节点的位置冤分别为渊 原园援员袁 员援远袁 远援缘冤袁渊员援园袁 原园援员袁 猿援园冤 袁渊园援圆员袁 园援苑员袁 园冤 袁地图上放 置 远 个无线传感器节点渊 园袁 园袁 原 员缘冤 袁 渊 原 猿援 缘袁 远袁 园援缘冤袁渊原猿援缘袁 原远袁 园援缘冤袁渊猿援缘袁 原远袁 园援缘冤 袁渊猿援缘袁 远袁 园援缘冤 袁渊园袁 园袁 员园冤 遥 其通信距离为 源 皂袁以第一个机 窑员源园窑 智 能 系 统 学 报摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇 第 员园 卷
第1期 程磊，等：无线传感器环境下基于粒子群优化的多机器人协同定位研究 ·141. 器人的位置为例，为了让粒子估计迅速收敛到真实 的位置附近，需经多次实验验证，实验采用的重要参 X:-0.1 网格 Y:1.6 粒子 数为：c1=2,c2=2,种群大小pop_size=40,最大迭 10 Z6.5 。机器人1 代次数ma_gen=80,权系数最大值0.9，最小为0.4， S/ 机器人2 如图4所示，图4是在迭代次数40及80次的时候 0 机器人3 。节点1 粒子位姿状态，圆表示机器人，星号表示粒子，菱形 5 。节点2 表示无线传感器节点。 -10 节点3 -15 。节点4 10 。节点5 5 0 cm 0 。节点6 2 0 x/cm -10 图5迭代80次粒子估计的位置 15 Fig.5 80 iterative estimation of the particle position 0 -2 S环境下基于粒子群优化的多机器人协同定位算法误差仿真图 x/em 20m ·算法估计位置 ·机器人真实位置 (a)迭代40次时粒子分布 15A 4 106 24 ￥2021 107 X:24 -5 5 Y:0.6273 -10 -15 -204 -10 -25 -15 0 10 30 0 50 2 第几次算法的运行 0 0 y/cm 2 x/cm 图6多移动机器人协同定位误差 Fig.6 Multi-robot cooperative localization error (b)迭代80次时粒子分布 图4迭代时的粒子分布 多机器人协同定位算法实验误差分析如表1。 Fig.4 The particle distribution of iteration 表1多机器人协同定位算法实验误差分析 Table 1 Experimental analysis on Multi-robot cooper- 当迭代次数达到80时，粒子各自找到自己的最 ative localization algorithm 优位姿并且集中收敛在一个位姿附近，假定80%的 粒子数迭代50次迭代55次迭代60次迭代70次 粒子处于一个最小空间球中（除开边界的少数不合 理的粒子)，这80%粒子的三维坐标值的均值就设 0.378m 0.314m 0.316m 0.318m 定为团体最优值（即估计的机器人的位置）。经过 (9.34s) (9.45s) (10.34s)(11.32s) 实验仿真计算，团体最优值为g=(-0.0085, 0.314m 0.232m 0.226m 0.216m 1.5823,6.4798),由图5所示，使用MATLAB7.0, 30 (10.23s)(11.658)(12.43s) (13.23s) Figure-Tools-Date Cursor操作粗略估计机器人的位 0.243m 0.221m 0.207m 置为(-0.1,1.6,6.5)。下面介绍一个机器人在Z、 40 0.317m (12.34s)(13.45s)(14.76s) (15.01s) X坐标不变的时候（另外2个机器人不变），Y坐标动 态发生变化的情况，实验进行了50次，如图6所示。 0.234m 0.216m 0.206m 50 0.327m 横坐标为运算的次数，纵坐标为Y轴方向的机器人 (14.568)(15.67s)(16.78s)(17.69s) 真实位置（黑色小点表示）和估计位置（黑色星号表 为进一步验证算法的实时性能以及定位精度， 示)，实验中选定一个位置(24,2.021)，发现对应的 将此算法在机器人位置固定不变时，以不同粒子数 预估计的位置为(24,0.6273)，Y轴误差为 和迭代次数进行实验，对应求出算法运行时间(s) 1.3937m,其他的点可由图形上观测，可见WSN环 和定位精度(m)如表1所示。由表1可知，迭代次 境下移动机器人的节点定位误差在机器人移动时存 数越大、粒子数越多，相应的定位精度也越准确，可 在且不稳定，但相对误差较好，误差程度较平稳，系 是相应的时间也增大，算法的时效性不够，为满足不 统冗余度、可靠性较好，基本上解决了粒子重采样时 同的定位要求，可适当调整相应的参数以满足实验 出现的粒子退化现象。 要求
器人的位置为例袁为了让粒子估计迅速收敛到真实 的位置附近袁需经多次实验验证袁实验采用的重要参 数为 院糟员 越 圆袁糟圆 越 圆袁 种群大小 责燥责赃泽蚤扎藻 越 源园袁最大迭 代次数 皂葬赃早藻灶 越 愿园袁权系数最大值 园援怨袁最小为 园援源袁 如图 源 所示袁图 源 是在迭代次数 源园 及 愿园 次的时候 粒子位姿状态袁圆表示机器人袁星号表示粒子袁菱形 表示无线传感器节点遥 渊葬冤迭代 源园 次时粒子分布 渊遭冤迭代 愿园 次时粒子分布 图 源摇 迭代时的粒子分布 云蚤早援源摇 栽澡藻 责葬则贼蚤糟造藻 凿蚤泽贼则蚤遭怎贼蚤燥灶 燥枣 蚤贼藻则葬贼蚤燥灶 当迭代次数达到 愿园 时袁粒子各自找到自己的最 优位姿并且集中收敛在一个位姿附近袁假定 愿园豫的 粒子处于一个最小空间球中渊除开边界的少数不合 理的粒子冤 袁这 愿园豫粒子的三维坐标值的均值就设 定为团体最优值渊即估计的机器人的位置冤 遥 经过 实验仿真计算袁团体最优值为 早遭藻泽贼 越 渊 原 园援 园园愿 缘袁 员援缘愿圆 猿袁远援源苑怨 愿冤 袁由图 缘 所示袁使用 酝粤栽蕴粤月苑援 园袁 云蚤早怎则藻鄄栽燥燥造泽鄄阅葬贼藻 悦怎则泽燥则 操作粗略估计机器人的位 置为渊原园援员袁 员援远袁 远援缘冤遥 下面介绍一个机器人在 在尧 载 坐标不变的时候渊另外圆 个机器人不变冤 袁再 坐标动 态发生变化的情况袁实验进行了缘园次袁如图远所示遥 横坐标为运算的次数袁纵坐标为 再 轴方向的机器人 真实位置渊黑色小点表示冤 和估计位置渊黑色星号表 示冤 袁实验中选定一个位置渊圆源袁圆援园圆员冤 袁发现对应的 预估计的位置为 渊圆源袁园援远圆苑 猿冤袁 再 轴误差为 员援猿怨猿 苑 皂袁其他的点可由图形上观测袁可见 宰杂晕 环 境下移动机器人的节点定位误差在机器人移动时存 在且不稳定袁但相对误差较好袁误差程度较平稳袁系 统冗余度尧可靠性较好袁基本上解决了粒子重采样时 出现的粒子退化现象遥 图 缘摇 迭代 愿园 次粒子估计的位置 云蚤早援缘摇 愿园 蚤贼藻则葬贼蚤增藻 藻泽贼蚤皂葬贼蚤燥灶 燥枣 贼澡藻 责葬则贼蚤糟造藻 责燥泽蚤贼蚤燥灶 图 远摇 多移动机器人协同定位误差 云蚤早援 远摇 酝怎造贼蚤鄄则燥遭燥贼 糟燥燥责藻则葬贼蚤增藻 造燥糟葬造蚤扎葬贼蚤燥灶 藻则则燥则 摇 摇 多机器人协同定位算法实验误差分析如表 员遥 表 员摇 多机器人协同定位算法实验误差分析 栽葬遭造藻 员摇 耘曾责藻则蚤皂藻灶贼葬造 葬灶葬造赠泽蚤泽 燥灶 酝怎造贼蚤鄄则燥遭燥贼 糟燥燥责藻则鄄 葬贼蚤增藻 造燥糟葬造蚤扎葬贼蚤燥灶 葬造早燥则蚤贼澡皂 粒子数 迭代 缘园 次 迭代 缘缘 次 迭代 远园 次 迭代 苑园 次 圆园 园援猿苑愿 皂 渊怨援猿源 泽冤 园援猿员源 皂 渊怨援源缘 泽冤 园援猿员远 皂 渊员园援猿源 泽冤 园援猿员愿 皂 渊员员援猿圆 泽冤 猿园 园援猿员源 皂 渊员园援圆猿 泽冤 园援圆猿圆 皂 渊员员援远缘 泽冤 园援圆圆远 皂 渊员圆援源猿 泽冤 园援圆员远 皂 渊员猿援圆猿 泽冤 源园 园援猿员苑 皂 渊员圆援猿源 泽冤 园援圆源猿 皂 渊员猿援源缘 泽冤 园援圆圆员 皂 渊员源援苑远 泽冤 园援圆园苑 皂 渊员缘援园员 泽冤 缘园 园援猿圆苑 皂 渊员源援缘远 泽冤 园援圆猿源 皂 渊员缘援远苑 泽冤 园援圆员远 皂 渊员远援苑愿 泽冤 园援圆园远 皂 渊员苑援远怨 泽冤 摇 摇 为进一步验证算法的实时性能以及定位精度袁 将此算法在机器人位置固定不变时袁以不同粒子数 和迭代次数进行实验袁对应求出算法运行时间渊泽冤 和定位精度渊皂冤如表 员 所示遥 由表 员 可知袁迭代次 数越大尧粒子数越多袁相应的定位精度也越准确袁可 是相应的时间也增大袁算法的时效性不够袁为满足不 同的定位要求袁可适当调整相应的参数以满足实验 要求遥 第 员 期摇摇摇摇摇摇摇摇摇摇 程磊袁等院无线传感器环境下基于粒子群优化的多机器人协同定位研究 窑员源员窑
·142 智能系统学报 第10卷 line based map for autonomous mobile robot[C]//IEEE 4 结论 Workshop on Advanced Roboties and its Social im Pacts, 2008:1-6. 文中将无线传感器系统与粒子群优化算法相结 [13]XIA Y M,YANG Y M.A new particle filter and its ap- 合以实现多机器人协同定位。无线传感器网络辅助 plieation in mobile robot localization C1//International 机器人定位，实现了节点间的信息融合，在定位中引 Conference on Fuzzy Systems and Knowledge Diseovery.Ji- 入重采样，多次迭代更新粒子状态，减少了冗余节点 nan,China,2008:522-525. 的影响。仿真结果表明，本方法能够有效地进行定 [14]GUIVANT J,NEBOT E.Optimization of the simultaneous 位，满足了定位精度要求，今后将研究算法的时效性 localization and map building algorithm for real time imPle- 问题以满足快速定位的要求。 mentation[].IEEE Transactions on Robotics and Automa- tiom,2001,17(3):242-257. 参考文献： [15 KIM C.SAKTHIVEL R,CHUNG W K.Unscented FastSLAM:a robust and efficient solution to the SLAM [1]SAYED H,TARIGHAT A,KHAJEHNOUR N.New work Problem[J].IEEE Transactions on Robotics,2008,24 based wireless location [J].IEEE Signal Processing Maga- (4):808-820. zine,2005.22(4):24-40. [16]FOX D,KO J.Distributed multirobot exploration and map- [2]海丹，李勇，张辉，等.无线传感器网络环境下基于粒子 ping[J].Proceeedings of the IEEE,2006,94(7):1325- 滤波器的移动机器人SLAM算法[J].智能系统学报， 1339 2010,5(5):1673-4785. [17]BARSHAN B,DURRANT W H.Inertial navigation sys- HAN Dan,LI Yong,ZHANG Hui,et al.Wireless sensor tems for mobile robots[J].IEEE Trans Robot Autom, network environment of mobile robot SLAM algorithm based 1995,11(3):328-42. on particle filter[J].Journal of Intelligent Systems,2010,5 [18]DISSANAYAKE M,NEWMAN P,CLARK S,et al.A so- (5)：1673-4785. lution to the simultaneous localization and map building [3]李会荣，高岳林.粒子群优化的速度方程改进与自适应 (SLAM)problem[J].IEEE Trans Robot Autom,2001, 变异策略[J].计算机工程与应用，2010(13)，13：47- 17(3):22-41. 50 [19]DURRANT W H,BAILEY T.Simultaneous localization LI Huiyong,GAO Yuelin.Particle swarm optimization im- and mapping (SLAM):part I[J].IEEE Robot Autom proved velocity and adaptive mutation strategy[].Computer Mag,2006,13(2):99-110. Engineering and Application,2010(13):47-50. [20]ARULAMPALAM M,MASKELL S,GORDON N,et al.A 「4]刘利枚，蔡自兴.基于改进的粒子群优化的FastSLAM方 tutorial on particle filters for online nonlinear Bayesian 法[J].高技术通讯，2011,21(4)：422-427 tracking[J].IEEE Trans Signal Process,2002,50(2): LIU Limei,CAI Zixin.FastSLAM method based on im- 174-88 proved particle swarm optimization[J].High Technology 作者简介： Communication,2011,21(4):422-427. 程磊，男，1976生，副教授，中国人 [5]SUN G L,CHEN J,GUO W.Signal processing techniques 工智能学会青年工作委员会常务委员！ in network-aided position[J].IEEE Signal Processing Mag- 中国人工智能学会智能机器人专业委 azine,2005,22(2):12-23. 员会委员，湖北省人工智能学会理事， [6]ROUMELIOTIS S,BEKEY G.Distributed multi-robot local- 主要研究方向为机器人及复杂系统。 ization[]]IEEE Transactions on Robotics and Automation, 主持包括国家自然科学基金项目在内 2002,18(5):781-795 的省部级以上项目9项，获国家教学成 [7]LI Z.GHOSH B.Line segment based map building and lo- 果二等奖1项，获学术论文奖6项，发表学术论文40余篇， calization using 2D laser Range finder[C]//IEEE Confer- 编著教材2部。 ence on Robotics and Automation,Karlsruhe,Germany, 周明达，男，1989生，主要研究方向 2000.2538-2543. 为机器人基础运动控制及其人工智能 [8]VLASSIS N,MOTOMURA Y,KROSE B.Supervised linear 控制。 feature extration for mobile robot Localization[C//IEEE Conference on Robotics and Automation.Karlsruhe,Germa- ny,2000:2979.2984. [9]MOMESNO L.GASPAR J,VICTOR J.Cooperative locali- zation by fusing vision-based bearing measurements and mo- tion C]//IEEE/RSJ International Conference on Intelli- 吴怀宇，男.1961生，教授，博士生 gent Robots and Systems.Edmonton,Canada,2005:19-24 导师，主要研究方向为服务机器人及其 [10]BERTALMIO M.Filling in by joint interpolation of vector 控制。国家及省部级基金7项，国际合 fields and grey levels [J].IEEE Transactions on Image 作项目3项以及横向课题8项，获省部 Processing,2001,10(8):1200-1210. 级科技进步一等奖2项；教育部科技成 [11]ALAMI R,FLEURY S,HERRB M,et al.Multi-robots 果鉴定2项，获湖北省自然科学优秀学 cooperation in the MARTHA project[J].IEEE Robotics 术论文一等奖1项，国家发明专利2项，实用新型专利2项， and Automation,1998,5(1):36-47. 发表学术论文50余篇，出版专著1部，主编教材3部。 [12]LUO R C,LI J X,CHEN C T.Indoor localization using
源摇 结 论 文中将无线传感器系统与粒子群优化算法相结 合以实现多机器人协同定位遥 无线传感器网络辅助 机器人定位袁实现了节点间的信息融合袁在定位中引 入重采样袁多次迭代更新粒子状态袁减少了冗余节点 的影响遥 仿真结果表明袁本方法能够有效地进行定 位袁满足了定位精度要求袁今后将研究算法的时效性 问题以满足快速定位的要求遥 参考文献院 咱员暂 杂粤再耘阅 匀袁 栽粤砸陨郧匀粤栽 粤袁 运匀粤允耘匀晕韵哉砸 晕援 晕藻憎 憎燥则噪 遭葬泽藻凿 憎蚤则藻造藻泽泽 造燥糟葬贼蚤燥灶 咱 允暂援 陨耘耘耘 杂蚤早灶葬造 孕则燥糟藻泽泽蚤灶早 酝葬早葬鄄 扎蚤灶藻袁 圆园园缘袁 圆圆渊源冤 院 圆源鄄源园援 咱圆暂海丹袁 李勇袁 张辉袁等援 无线传感器网络环境下基于粒子 滤波器的移动机器人 杂蕴粤酝 算法咱允暂援智能系统学报袁 圆园员园袁 缘渊缘冤 院 员远苑猿鄄源苑愿缘援 匀粤晕 阅葬灶袁 蕴陨 再燥灶早袁 在匀粤晕郧 匀怎蚤袁 藻贼 葬造援 宰蚤则藻造藻泽泽 泽藻灶泽燥则 灶藻贼憎燥则噪 藻灶增蚤则燥灶皂藻灶贼 燥枣 皂燥遭蚤造藻 则燥遭燥贼 杂蕴粤酝 葬造早燥则蚤贼澡皂 遭葬泽藻凿 燥灶 责葬则贼蚤糟造藻 枣蚤造贼藻则咱 允暂援 允燥怎则灶葬造 燥枣 陨灶贼藻造造蚤早藻灶贼 杂赠泽贼藻皂泽袁 圆园员园袁 缘 渊缘冤 院 员远苑猿鄄源苑愿缘援 咱猿暂李会荣袁 高岳林援 粒子群优化的速度方程改进与自适应 变异策略咱允暂援 计算机工程与应用袁 圆园员园渊 员猿冤 袁 员猿院 源苑鄄 缘园援 蕴陨 匀怎蚤赠燥灶早袁 郧粤韵 再怎藻造蚤灶援 孕葬则贼蚤糟造藻 泽憎葬则皂 燥责贼蚤皂蚤扎葬贼蚤燥灶 蚤皂鄄 责则燥增藻凿 增藻造燥糟蚤贼赠 葬灶凿 葬凿葬责贼蚤增藻 皂怎贼葬贼蚤燥灶 泽贼则葬贼藻早赠咱 允暂援 悦燥皂责怎贼藻则 耘灶早蚤灶藻藻则蚤灶早 葬灶凿 粤责责造蚤糟葬贼蚤燥灶袁 圆园员园渊员猿冤 院 源苑鄄缘园援 咱源暂刘利枚袁 蔡自兴援 基于改进的粒子群优化的 云葬泽贼杂蕴粤酝 方 法咱允暂援 高技术通讯袁 圆园员员袁 圆员渊源冤 院 源圆圆鄄源圆苑援 蕴陨哉 蕴蚤皂藻蚤袁 悦粤陨 在蚤曾蚤灶援 云葬泽贼杂蕴粤酝 皂藻贼澡燥凿 遭葬泽藻凿 燥灶 蚤皂鄄 责则燥增藻凿 责葬则贼蚤糟造藻 泽憎葬则皂 燥责贼蚤皂蚤扎葬贼蚤燥灶 咱 允 暂援 匀蚤早澡 栽藻糟澡灶燥造燥早赠 悦燥皂皂怎灶蚤糟葬贼蚤燥灶袁 圆园员员袁 圆员渊源冤 院 源圆圆原源圆苑援 咱缘暂 杂哉晕 郧 蕴袁 悦匀耘晕 允袁 郧哉韵 宰援 杂蚤早灶葬造 责则燥糟藻泽泽蚤灶早 贼藻糟澡灶蚤择怎藻泽 蚤灶 灶藻贼憎燥则噪鄄葬蚤凿藻凿 责燥泽蚤贼蚤燥灶咱 允暂援 陨耘耘耘 杂蚤早灶葬造 孕则燥糟藻泽泽蚤灶早 酝葬早鄄 葬扎蚤灶藻袁 圆园园缘袁 圆圆渊圆冤院 员圆鄄圆猿援 咱 远暂砸韵哉酝耘蕴陨韵栽陨杂 杂袁 月耘运耘再 郧援 阅蚤泽贼则蚤遭怎贼藻凿 皂怎造贼蚤鄄则燥遭燥贼 造燥糟葬造鄄 蚤扎葬贼蚤燥灶咱 允暂援 陨耘耘耘 栽则葬灶泽葬糟贼蚤燥灶泽 燥灶 砸燥遭燥贼蚤糟泽 葬灶凿 粤怎贼燥皂葬贼蚤燥灶袁 圆园园圆袁 员愿渊缘冤 院 苑愿员鄄苑怨缘援 咱苑暂蕴陨 在袁 郧匀韵杂匀 月援 蕴蚤灶藻 泽藻早皂藻灶贼 遭葬泽藻凿 皂葬责 遭怎蚤造凿蚤灶早 葬灶凿 造燥鄄 糟葬造蚤扎葬贼蚤燥灶 怎泽蚤灶早 圆阅 造葬泽藻则 砸葬灶早藻 枣蚤灶凿藻则咱 悦暂 辕 辕 陨耘耘耘 悦燥灶枣藻则鄄 藻灶糟藻 燥灶 砸燥遭燥贼蚤糟泽 葬灶凿 粤怎贼燥皂葬贼蚤燥灶袁 运葬则造泽则怎澡藻袁 郧藻则皂葬灶赠袁 圆园园园院 圆缘猿愿鄄圆缘源猿援 咱愿暂灾蕴粤杂杂陨杂 晕袁 酝韵栽韵酝哉砸粤 再袁 运砸韵杂耘 月援 杂怎责藻则增蚤泽藻凿 造蚤灶藻葬则 枣藻葬贼怎则藻 藻曾贼则葬贼蚤燥灶 枣燥则 皂燥遭蚤造藻 则燥遭燥贼 蕴燥糟葬造蚤扎葬贼蚤燥灶 咱 悦暂 辕 辕 陨耘耘耘 悦燥灶枣藻则藻灶糟藻 燥灶 砸燥遭燥贼蚤糟泽 葬灶凿 粤怎贼燥皂葬贼蚤燥灶援 运葬则造泽则怎澡藻袁郧藻则皂葬鄄 灶赠袁 圆园园园院 圆怨苑怨鄄圆怨愿源援 咱怨暂酝韵酝耘杂晕韵 蕴袁 郧粤杂孕粤砸 允袁 灾陨悦栽韵砸 允援 悦燥燥责藻则葬贼蚤增藻 造燥糟葬造蚤鄄 扎葬贼蚤燥灶 遭赠 枣怎泽蚤灶早 增蚤泽蚤燥灶鄄遭葬泽藻凿 遭藻葬则蚤灶早 皂藻葬泽怎则藻皂藻灶贼泽 葬灶凿 皂燥鄄 贼蚤燥灶 咱 悦暂 辕 辕 陨耘耘耘 辕 砸杂允 陨灶贼藻则灶葬贼蚤燥灶葬造 悦燥灶枣藻则藻灶糟藻 燥灶 陨灶贼藻造造蚤鄄 早藻灶贼 砸燥遭燥贼泽 葬灶凿 杂赠泽贼藻皂泽援 耘凿皂燥灶贼燥灶袁 悦葬灶葬凿葬袁 圆园园缘院 员怨鄄圆源援 咱员园暂月耘砸栽粤蕴酝陨韵 酝援 云蚤造造蚤灶早 蚤灶 遭赠 躁燥蚤灶贼 蚤灶贼藻则责燥造葬贼蚤燥灶 燥枣 增藻糟贼燥则 枣蚤藻造凿泽 葬灶凿 早则藻赠 造藻增藻造泽 咱 允 暂援 陨耘耘耘 栽则葬灶泽葬糟贼蚤燥灶泽 燥灶 陨皂葬早藻 孕则燥糟藻泽泽蚤灶早袁 圆园园员袁 员园渊愿冤 院 员圆园园鄄员圆员园援 咱员员暂 粤蕴粤酝陨 砸袁 云蕴耘哉砸再 杂袁 匀耘砸砸月 酝袁 藻贼 葬造援 酝怎造贼蚤鄄则燥遭燥贼泽 糟燥燥责藻则葬贼蚤燥灶 蚤灶 贼澡藻 酝粤砸栽匀粤 责则燥躁藻糟贼 咱 允暂援 陨耘耘耘 砸燥遭燥贼蚤糟泽 葬灶凿 粤怎贼燥皂葬贼蚤燥灶袁 员怨怨愿袁 缘渊造冤 院 猿远鄄源苑援 咱员圆暂蕴哉韵 砸 悦袁 蕴陨 允 载袁 悦匀耘晕 悦 栽援 陨灶凿燥燥则 造燥糟葬造蚤扎葬贼蚤燥灶 怎泽蚤灶早 造蚤灶藻 遭葬泽藻凿 皂葬责 枣燥则 葬怎贼燥灶燥皂燥怎泽 皂燥遭蚤造藻 则燥遭燥贼 咱 悦暂 辕 辕 陨耘耘耘 宰燥则噪泽澡燥责 燥灶 粤凿增葬灶糟藻凿 砸燥遭燥贼蚤藻泽 葬灶凿 蚤贼泽 杂燥糟蚤葬造 蚤皂 孕葬糟贼泽袁 圆园园愿院 员鄄远援 咱员猿暂载陨粤 再 酝袁 再粤晕郧 再 酝援 粤 灶藻憎 责葬则贼蚤糟造藻 枣造造贼藻则 葬灶凿 蚤贼泽 葬责鄄 责造蚤藻葬贼蚤燥灶 蚤灶 皂燥遭蚤造藻 则燥遭燥贼 造燥糟葬造蚤扎葬贼蚤燥灶 咱 悦暂 辕 辕 陨灶贼藻则灶葬贼蚤燥灶葬造 悦燥灶枣藻则藻灶糟藻 燥灶 云怎扎扎赠 杂赠泽贼藻皂泽 葬灶凿 运灶燥憎造藻凿早藻 阅蚤泽藻燥增藻则赠援 允蚤鄄 灶葬灶袁 悦澡蚤灶葬袁 圆园园愿院 缘圆圆鄄缘圆缘援 咱员源暂郧哉陨灾粤晕栽 允袁 晕耘月韵栽 耘援 韵责贼蚤皂蚤扎葬贼蚤燥灶 燥枣 贼澡藻 泽蚤皂怎造贼葬灶藻燥怎泽 造燥糟葬造蚤扎葬贼蚤燥灶 葬灶凿 皂葬责 遭怎蚤造凿蚤灶早 葬造早燥则蚤贼澡皂 枣燥则 则藻葬造 贼蚤皂藻 蚤皂孕造藻鄄 皂藻灶贼葬贼蚤燥灶咱 允暂援 陨耘耘耘 栽则葬灶泽葬糟贼蚤燥灶泽 燥灶 砸燥遭燥贼蚤糟泽 葬灶凿 粤怎贼燥皂葬鄄 贼蚤燥灶袁 圆园园员袁 员苑渊猿冤 院 圆源圆鄄圆缘苑援 咱 员缘 暂 运陨酝 悦袁 杂粤运栽匀陨灾耘蕴 砸袁 悦匀哉晕郧 宰 运援 哉灶泽糟藻灶贼藻凿 云葬泽贼杂蕴粤酝院 葬 则燥遭怎泽贼 葬灶凿 藻枣枣蚤糟蚤藻灶贼 泽燥造怎贼蚤燥灶 贼燥 贼澡藻 杂蕴粤酝 孕则燥遭造藻皂咱 允暂援 陨耘耘耘 栽则葬灶泽葬糟贼蚤燥灶泽 燥灶 砸燥遭燥贼蚤糟泽袁 圆园园愿袁 圆源 渊源冤 院 愿园愿鄄愿圆园援 咱员远暂云韵载 阅袁 运韵 允援 阅蚤泽贼则蚤遭怎贼藻凿 皂怎造贼蚤则燥遭燥贼 藻曾责造燥则葬贼蚤燥灶 葬灶凿 皂葬责鄄 责蚤灶早咱 允暂援 孕则燥糟藻藻藻凿蚤灶早泽 燥枣 贼澡藻 陨耘耘耘袁 圆园园远袁 怨源渊苑冤 院 员猿圆缘鄄 员猿猿怨援 咱员苑暂 月粤砸杂匀粤晕 月袁 阅哉砸砸粤晕栽 宰 匀援 陨灶藻则贼蚤葬造 灶葬增蚤早葬贼蚤燥灶 泽赠泽鄄 贼藻皂泽 枣燥则 皂燥遭蚤造藻 则燥遭燥贼泽 咱 允 暂援 陨耘耘耘 栽则葬灶泽 砸燥遭燥贼 粤怎贼燥皂袁 员怨怨缘袁 员员渊猿冤 院 猿圆愿鄄源圆援 咱员愿暂阅陨杂杂粤晕粤再粤运耘 酝袁 晕耘宰酝粤晕 孕袁 悦蕴粤砸运 杂袁 藻贼 葬造援 粤 泽燥鄄 造怎贼蚤燥灶 贼燥 贼澡藻 泽蚤皂怎造贼葬灶藻燥怎泽 造燥糟葬造蚤扎葬贼蚤燥灶 葬灶凿 皂葬责 遭怎蚤造凿蚤灶早 渊 杂蕴粤酝冤 责则燥遭造藻皂 咱 允暂援 陨耘耘耘 栽则葬灶泽 砸燥遭燥贼 粤怎贼燥皂袁 圆园园员袁 员苑渊猿冤 院 圆圆鄄源员援 咱员怨暂 阅哉砸砸粤晕栽 宰 匀袁 月粤陨蕴耘再 栽援 杂蚤皂怎造贼葬灶藻燥怎泽 造燥糟葬造蚤扎葬贼蚤燥灶 葬灶凿 皂葬责责蚤灶早 渊 杂蕴粤酝冤 院 责葬则贼 陨 咱 允 暂援 陨耘耘耘 砸燥遭燥贼 粤怎贼燥皂 酝葬早袁 圆园园远袁 员猿渊圆冤 院 怨怨鄄员员园援 咱 圆园暂粤砸哉蕴粤酝孕粤蕴粤酝 酝袁 酝粤杂运耘蕴蕴 杂袁 郧韵砸阅韵晕 晕袁 藻贼 葬造援 粤 贼怎贼燥则蚤葬造 燥灶 责葬则贼蚤糟造藻 枣蚤造贼藻则泽 枣燥则 燥灶造蚤灶藻 灶燥灶造蚤灶藻葬则 月葬赠藻泽蚤葬灶 贼则葬糟噪蚤灶早咱 允暂援 陨耘耘耘 栽则葬灶泽 杂蚤早灶葬造 孕则燥糟藻泽泽袁 圆园园圆袁 缘园渊 圆冤 院 员苑源鄄愿愿援 作者简介院 程磊袁男袁员怨苑远 生袁副教授袁 中国人 工智能学会青年工作委员会常务委员袁 中国人工智能学会智能机器人专业委 员会委员袁湖北省人工智能学会理事袁 主要研究方向为机器人及复杂系统遥 主持包括国家自然科学基金项目在内 的省部级以上项目 怨 项袁获国家教学成 果二等奖 员 项袁获学术论文奖 远 项袁发表学术论文 源园 余篇袁 编著教材 圆 部遥 周明达袁男袁员怨愿怨 生袁主要研究方向 为机器人基础运动控制及其人工智能 控制遥 吴怀宇袁男袁员怨远员 生袁教授袁博士生 导师袁主要研究方向为服务机器人及其 控制遥 国家及省部级基金 苑 项袁国际合 作项目 猿 项以及横向课题 愿 项袁获省部 级科技进步一等奖 圆 项曰教育部科技成 果鉴定 圆 项袁获湖北省自然科学优秀学 术论文一等奖 员 项袁国家发明专利 圆 项袁实用新型专利 圆 项袁 发表学术论文 缘园 余篇袁出版专著 员 部袁主编教材 猿 部遥 窑员源圆窑 智 能 系 统 学 报摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇 第 员园 卷
