摘要：根据飞行器集群中各节点的惯性测量以及节点间数据链给出的相对距离测量,利用集中式卡尔曼滤波可以实现集群节点间的相对定位,包括相对位置和相对姿态的估计。集中式算法将集群内全部数据汇聚到中心节点集中处理,系统的可扩展性和可靠性受到制约。以信念传播为代表的分布式相对定位算法,通过集群各节点对局部信息的处理以及相邻结点间的信息交互,可实现节点间相对位置和相对姿态的全局估计。然而,在集群相对定位问题中,数据链拓扑包含大量环状结构,此时信念传播算法存在收敛性问题。本文提出一种集群相对定位分布式精确推理方法,可适用于任意集群拓扑结构。分别在高斯标准型和规范型描述下,设计集群各节点误差状态的分布式时间更新和量测更新算法,基于路径和原理给出标准型和规范型参数的分布式转换算法。在线性高斯模型假设下,本文方法等价于集中式卡尔曼滤波,可实现相对定位的最优估计。设计基于集群分解的分布式近似推理算法,进一步提升算法运行速度。在六自由度长航时仿真数据上的计算结果表明,基于路径和的分布式近似推理的相对定位精度与集中式卡尔曼滤波接近,明显优于现有的分布式高斯信念传播算法。