1、隨著科學(xué)技術(shù)的發(fā)展，機(jī)器人應(yīng)用的領(lǐng)域越來(lái)越廣，無(wú)線傳感器網(wǎng)絡(luò)與移動(dòng)機(jī)器人協(xié)同定位以其定位精度高的優(yōu)點(diǎn)而受到了廣泛關(guān)注。本文以提升移動(dòng)機(jī)器人與無(wú)線傳感器網(wǎng)絡(luò)協(xié)同定位的精度為主要出發(fā)點(diǎn)，設(shè)計(jì)融入最新觀測(cè)信息到提議分布中去的改進(jìn)邊緣粒子濾波算法，并將其用于機(jī)器人與傳感器網(wǎng)絡(luò)的協(xié)同定位求解。內(nèi)容可概括如下：
　　首先，介紹了課題背景及意義，并對(duì)當(dāng)前機(jī)器人定位及SLAM問(wèn)題的發(fā)展現(xiàn)狀進(jìn)行了描述，明確了課題的目的。
　　其次，闡述了課題

2、所需了解的一些原理及算法。針對(duì)粒子濾波的狀態(tài)空間維數(shù)不斷隨時(shí)間增長(zhǎng)，粒子重要性權(quán)值方差大的缺點(diǎn)，引入了邊緣粒子濾波，直接在低維的狀態(tài)空間作濾波估計(jì)，降低了粒子重要性權(quán)值方差。
　　再次，狀態(tài)估計(jì)的好壞，很大程度上由重要性概率密度函數(shù)與真實(shí)后驗(yàn)概率密度函數(shù)的接近程度決定。為了使提議分布函數(shù)更接近于真實(shí)的后驗(yàn)分布函數(shù)，在MPF的基礎(chǔ)上，將最新的觀測(cè)信息融入到提議分布函數(shù)中，使提議分布更接近系統(tǒng)狀態(tài)的后驗(yàn)概率密度函數(shù)，從而提高定位精度。