第5期 海丹，等：无线传感器网络环境下基于粒子滤波的移动机器人SLAM算法 ·429· 为无法确定节点在环周向的分布规律，所以设定沿 M,机器人在区域内由X。处开始运动，经过4次运 环周向满足均值分布，如图3所示.节点粒子权系数 动到达X·假设系统为全连系统，即机器人可以得 和位置估计为 到所有节点的相对观测.机器人在到达每个状态X, B:o B-up(M,xn), 处可以与每个节点建立相对观测，获得机器人-节点 bel(M)B.bel(M). 以及节点机器人之间的相对距离测量： 100 10 在M 80 60 在M 40 M5女 20 -0-595105 X 9X 0 图3由初始观测得到的节点分布 020406080 Fig.3 Distribution of node according to initial measurement 2060-40-20 对于节点状态均值、方差的估计计算，在每次滤 ·要瓷皇⊙贸要脸x然整整湾携要 机器人 ·定位方差…实际路径 波过程结束后，可以根据粒子的分布计算节点的均 图4实验场景设置与航迹推算法定位效果 值和方差估计： Fig.4 Simulation environment and robot localization in dead reckoning 品=店Gg, 实验参数具体设置如下，节点位置：“，三 盟.=立B9(M四-u)(M-u息)月 (90.6,34.1),u42=（84.5,95.5),w,=(24, 为了判断节点的初始位置估计分布的收敛性， 99.5)w4=（-42.5,63),4,=（-21,27);机器 本文设定方差阈值Q.当估计方差四≤Q时，认为 人设置：机器人出发时不具有环境的任何先验知识， 当前估计收敛，并且假定节点初始位置估计符合高 因此将机器人初始出发点设为系统坐标原点，即初 斯分布N(M:,品)，此时设定节点取得初始 始位置x。=(0,0,0)；运动输出（前一维为运动距 位置估计.当>Q时，继续进行滤波直到判断符 离，后一维为旋转角度)：山1=(50,8)，山2=(41， 合为止、 123),=(43,-87),4=(60,123);机器人运动 2.4粒子重采样 测量误差：σ如为0.2m,旋转角度标准差04为 经过几次滤波计算，粒子分布的权重会集中到 0.6°；观测设置：机器人-节点观测误差Q=σ2，其中 少数粒子上，出现粒子退化现象.文献[10]指出随 距离测量标准差σ为5m. 着粒子的退化，大量计算会浪费在更新权重较小的 图4显示了实验设置与只使用航迹推算法获得 样本上，并且样本的方差也会随着更新不断增大.为 的机器人定位情况，本文使用概率为98%的方差椭 了避免粒子退化现象，需要对样本进行重新采样，衡 圆在图中表征方差的大小.由图4可以看到，仅使用 量是否进行重采样，通常是根据粒子权重的差异情 里程计信息推算机器人定位时，其估计结果与真实 况的大小来判定.本文采用了与文献[11]类似的方 值存在较大的偏差，而且估计方差呈发散趋势 法对文中用到的粒子滤波器进行重采样. 使用本文方法的仿真实验结果如图5所示，图 中显示了经过多次的观测、预测和更新得到的节点 3仿真试验验证与分析 位置和移动机器人定位估计结果.由图5可以看到， 为了验证提出的算法在基于无线传感器网络下的 使用本文方法获得的机器人定位精度比航迹推算法 移动机器人SLAM问题中的应用，下面将进行仿真实 高，而且获得的系统各单元定位估计方差范围均包 验验证.仿真软件为Matlab,在WinP环境下运行. 含真实值. 实验场景如图4所示，环境区域为160m× 图6分别显示了使用航迹推算法获得的机器人 150m,区域内分布有5个无线传感器节点M1~ 定位估计的角度偏差和位置偏差