常用的系统导航定位方法目前已经在军事及民用等各个领域得到了广泛应用，但在某些恶劣场景如峡谷(包括自然峡 谷与城市峡谷)、植被覆盖严重地区、室内及地下停车场等，常用的导航定位技术仍无法满足应用需求，为弥补上述不足，传统做法是建立各种陆基、星基、机载增强系统、铺设专用设备以及组合导航系统等。即使在无线传感器网络技术已经取得很大进步的前提下，其利用也有相应的特殊性，同时在很多应用场景下常用的定位基础设施无法全面使用。而临时布设基础设施也存在很大难度或者无法全面覆盖所有的传感器节点，难以为每个传感器节点提供位置，因此各传感器节点难以全部依靠外部设置支持来获得位置信息。

面对这些问题，常用的方法已无法满足高精度导航定位的要求，因此亟需对导航定位算法进行改进。

基于协同作用下的非线性系统导航定位是当前系统导航定位的发展趋势，可以实现平台间角度、距离甚至距离向量的测量。通过协同，可以提高导航服务精度和可用性，较好地解决城区环境中的信号衰落和多径问题。

其常见的应用如下：

在协同定位场景中，一般将定位算法分为线性定位算法和非线性定位算法。要实现高精度的系统导航及定位，仅仅依靠线性定位算法是不能满足要求的。本文提出一种基于有限时间一致的分布式无迹Kalman滤波定位算法。借助离散多智能体系统有限时间平均一致算法的思想，利用多个传感器，针对无向通信和有向通信非线性系统分别设计了两种不同的滤波算法。

对于无向连通的非线性系统，利用节点存储的一致性算法的迭代值构造差向量，由该差向量构成的 Hankel 矩阵的核来得到分布式无迹 Kalman 滤波器，并通过利用误差协方差矩阵的逆来构造 Lyapunov 函数，从而进一步得出具有相对高精度的目标位置。对于有向强连通的非线性系统，结合比率一致和 Hankel 矩阵的核来设计分布式无迹 Kalman 滤波器，同样可以达到比较满意的跟踪效果。

目前，在系统导航定位算法领域已经有许多研究。本文利用分布式思想，让各个节点根据自身的观测值以及通过协同获得的观测值或其它信息自主完成滤波计算，然后各个节点将自身滤波计算的结果播发至全网。在分布式定位中，不需要功能强大的中心节点，避免了关键节点的存在对系统鲁棒性的潜在威胁，同时具有较好的可扩展性。在此基础上，通过仿真例子验证了所提滤波算法的跟踪效果。