简介本资源为2022年全国大学生数学建模竞赛本科组B题原创获奖论文聚焦无人机编队中纯方位无源定位这一关键控制问题面向数学建模参赛学生、自动化与无人机方向学习者及MATLAB实践者。全文围绕圆形与锥形两种典型编队场景系统构建了基于二维直角坐标系与余弦定理的被动定位模型深入解析“三圆共点”唯一性判定、最小发射机数量枚举验证如0号与1号固定发射时仅需再增1架即可准确定位、以及带初始偏差的位置迭代调整算法含步长0.01米的遍历优化策略并全程依托MATLAB完成建模、求解与可视化验证。资源为1个PDF文件完整呈现摘要、问题重述、模型假设、符号说明、分步推导与关键词包体大小2.63MB结构严谨、推导详实、代码可复现。目前已有8040人学习下载是理解无源定位几何原理、提升数模实战建模能力与MATLAB工程应用水平的优质参考材料。1. 纯方位无源定位为什么三架发射机就能唯一确定一架无人机的位置而两架却会陷入“葫芦眼”困局你手头有一架无人机它没装GPS不发任何电磁信号只靠“听”——准确说是接收其他无人机发来的纯角度信息比如“0号机在我正北偏东23.7°方向”。它甚至不知道自己离对方多远。这种场景下如果只有两架已知坐标的无人机向它广播方位角它能算出自己在哪吗答案是不能唯一确定。它只知道自己的位置一定落在某条特定的圆弧上——当夹角是锐角时轨迹像一个“葫芦”钝角时则像一只“眼睛”。这两段对称圆弧构成的封闭曲线就是它的全部可能位置集合。它站在葫芦腰上或卡在眼睛瞳孔里却无法分辨自己究竟在哪一点。这正是纯方位无源定位最反直觉的核心困境角度信息天然丢失距离维度单靠两个角度几何上必然存在歧义解。但神奇的是只要再增加一架已知坐标的发射机提供第三个独立方位角这个“葫芦眼”困局就瞬间瓦解。三条这样的圆弧轨迹在二维平面上几乎必然交于唯一一点——这就是“三圆共点”原理的威力。它不是靠暴力穷举而是由欧氏几何的刚性约束所保证三个固定点与一个动点之间形成的三个夹角共同锁定了该动点在平面内的绝对自由度2个坐标恰好补足了纯角度测量所缺失的全部信息维度。本文所解析的这份2022年全国大学生数学建模竞赛本科组B题获奖方案其全部技术价值就扎根于对这一底层几何机制的透彻拆解与工程化实现。它没有调用任何黑盒库函数所有定位、判别、调整逻辑都由余弦定理、坐标变换和枚举搜索在MATLAB中一砖一瓦垒成。读懂它你就不是在学一个建模赛题而是在亲手拆开一个无源定位系统的“心脏”看清角度如何被翻译成坐标歧义如何被第三个观测点无情抹除以及为什么步长设为0.01米——这个数字背后是精度、计算量与收敛速度之间冷酷的三角平衡。2. 三圆共点从几何直觉到代数求解余弦定理如何成为纯方位定位的“翻译器”纯方位无源定位的本质是一场在二维平面上进行的“几何翻译”把接收到的三个角度α₁, α₂, α₃翻译成一个唯一的笛卡尔坐标x, y。这个翻译过程不依赖任何距离测量只靠发射机之间的已知几何关系。而承担这项翻译任务的核心引擎就是余弦定理。它并非一个孤立公式而是一套将角度、边长、坐标三者紧密耦合的代数桥梁。本章将层层剥开这套桥梁的构造逻辑揭示为何它能稳定、可复现地完成这场看似不可能的翻译。2.1 坐标系锚定与发射机布局一切计算的“大地基准”所有计算必须始于一个稳固的参考系。方案中采用的策略极为务实将圆心无人机FY00强制锚定在坐标原点 (0, 0)并将0号无人机FY01固定在x轴正方向上坐标为 (r, 0)其中 r 是编队半径如100米。这一锚定操作绝非随意它直接消除了整个系统的刚体平移和旋转自由度。九架圆周无人机的准确位置由此可由等分圆周角360°/9 40°和三角函数直接生成% 附录一中生成准确位置的代码片段 k 0; for i 1:9 x(i) r * cosd(k); % 注意此处原文用 cosd/sind表示角度制 y(i) r * sind(k); k k 40; % 每架间隔40度 end这段代码输出的x和y数组就是整个编队的“黄金标准”。后续所有定位、偏差计算、调整目标都以此为绝对参照。关键参数r的取值100米不仅是一个物理量更是一个缩放因子它决定了所有计算出的距离和坐标的量纲。若r设为1所有结果都是无量纲的归一化坐标需在最终输出时乘以实际半径。这种设计体现了建模中的“分离关注点”思想几何结构与物理尺度解耦使模型更具泛化性。2.2 从“葫芦眼”到“三圆交点”单角度、双角度、三角度的几何语义跃迁理解定位能力的跃迁必须厘清不同数量角度信息所蕴含的几何约束强度。单角度α₁仅知“FY00 在我正北偏东 α₁ 方向”。这意味着接收机K与 FY00 的连线与某个参考方向如x轴夹角为 α₁。但K到FY00的距离k₀完全未知。因此K的所有可能位置是过FY00点、方向为 α₁ 的一条无限长射线。这是一个1维自由度。双角度α₁, α₂新增FY01作为第二个发射机获知“FY01 在我正北偏东 α₂ 方向”。此时K必须同时满足两个方向约束。几何上这等价于K点对线段 FY00-FY01 所张的圆周角为定值|α₁ - α₂| 或其补角。根据“同弧所对圆周角相等”的定理K点的轨迹是一段圆弧。当|α₁ - α₂| 90°锐角轨迹是“葫芦”的上半部或下半部当|α₁ - α₂| 90°钝角轨迹是“眼睛”的左半部或右半部。无论哪种它都是一条1维曲线K仍无法确定自身在该曲线上的具体位置。三角度α₁, α₂, α₃引入第三架发射机 FY0j获得第三个角度 α₃。现在K点必须同时位于三条不同的圆弧上一条由 FY00/FY01 定义一条由 FY00/FY0j 定义一条由 FY01/FY0j 定义。这三条圆弧在一般情况下即发射机不共线会唯一交于一点。这个点就是K点的唯一解。这就是“三圆共点”原理的几何内核——它用第三个独立观测将1维的模糊轨迹坍缩为0维的精确坐标。2.3 余弦定理构建“角度→边长→坐标”的完整翻译链将上述几何直觉转化为可编程的代数计算余弦定理是唯一且完美的工具。其标准形式为对于任意三角形c² a² b² - 2ab·cos(γ)其中 γ 是边 a 与 b 的夹角c 是其对边。在本方案中余弦定理被用于两个关键环节由已知坐标反推理论角度用于建模与验证 已知 FY00(0,0), FY01(r,0), FY0j(xⱼ,yⱼ)接收机K的理想位置为 (xₖ,yₖ)。我们想计算K点“看到”的三个角度 α₁(∠FY00-K-FY01), α₂(∠FY00-K-FY0j), α₃(∠FY01-K-FY0j)。首先计算三边长度% 附录一中计算理论角度的代码 a1 sqrt((x_j - r)^2 (y_j - 0)^2); % FY01 到 FY0j 的距离 a2 sqrt((x_k - r)^2 (y_k - 0)^2); % FY01 到 K 的距离 a3 sqrt((x_k - 0)^2 (y_k - 0)^2); % FY00 到 K 的距离 % 应用余弦定理求角 alpha1 acosd((a2^2 a3^2 - a1^2) / (2*a2*a3)); % ∠FY01-K-FY00 alpha2 acosd((a3^2 a1^2 - a2^2) / (2*a3*a1)); % ∠FY00-K-FY0j alpha3 acosd((a1^2 a2^2 - a3^2) / (2*a1*a2)); % ∠FY0j-K-FY01这段代码清晰地展示了余弦定理如何将坐标差x_k,y_k一步步“翻译”为角度。它是整个模型的“正向引擎”用于生成训练数据、验证算法正确性。由实测角度求解未知坐标用于核心定位 这是逆向过程也是最具挑战性的部分。已知 α₁, α₂, α₃ 和发射机坐标求解 K 的坐标 (xₖ, yₖ)。方案采用了符号求解syms与数值求解solve相结合的方式% 附录一中求解当前位置坐标的代码 syms k0 a2 a3 % k0 |FY00-K|, a2 |FY01-K|, a3 |FY0j-K| eq1 (k0^2 a3^2 - r^2) / (2*k0*a3) - cosd(alpha1); eq2 (k0^2 a2^2 - r^2) / (2*k0*a2) - cosd(alpha2); eq3 (a2^2 a3^2 - a1^2) / (2*a2*a3) - cosd(alpha3); [X, Y, Z] solve(eq1, eq2, eq3, k0, a2, a3); K0 double(X); % 得到距离 k0 k01 ... % 计算K点相对于x轴的角度 x real(K0 * cosd(k01)); y real(K0 * sind(k01));这里eq1,eq2,eq3正是余弦定理的三种变形将角度约束转化为关于未知边长k0,a2,a3的非线性方程组。solve函数负责求解这个方程组得到k0即K到FY00的距离。最后利用k0和已知的方位角k01由alpha1等推导得出通过极坐标转直角坐标的公式最终得到(x, y)。整个链条环环相扣余弦定理是贯穿始终的“语法”。2.4 “三圆共点”的鲁棒性边界当几何退化时定位为何会失效“三圆共点”并非在所有情况下都成立。其失效点恰恰是理解系统鲁棒性的关键。方案在问题二的分析中明确指出了一个致命场景当待定位的无人机K恰好位于已知三架发射机如FY01, FY02, FY05所构成三角形的某条边的延长线上时定位将失败。原因在于几何退化此时K点与其中两个发射机如FY01和FY02共线。那么K点对线段 FY01-FY02 所张的圆周角 α₁ 将变为 0° 或 180°。而cos(0°)1,cos(180°)-1代入余弦定理后方程组会变得奇异singular导致solve无法给出唯一解或解出无穷多解。在物理上这意味着K点“看”FY01和FY02的方向完全重合它失去了区分这两个点的视角从而丢失了一个关键的独立观测维度。方案对此的应对策略是“分轮次定位”第一轮用FY01和FY05定位FY02第二轮用FY01、FY02、FY05定位其他无人机对于那些不幸落在延长线上的如FY04, FY07则留待第三轮更换一组不共线的发射机如FY02, FY06, FY08来重新观测。这是一种典型的“故障模式驱动设计”它不追求一次性完美而是通过预判失效点并设计冗余路径来保障整个系统的最终收敛。这比任何理论上完美的单次求解都更贴近真实工程的血泪经验。3. 枚举法与最小二乘如何在56种组合中为每架无人机精准匹配“最优信标组”当仅有FY00和FY01两架发射机位置无偏差时其余八架无人机FY02-FY09都处于“略有偏差”的状态。它们接收到的方位角信息是带有误差的。问题一第二小问的核心挑战是在FY02-FY09中选择哪一架作为第三发射机才能让某架特定的接收机如FY08获得最可靠的定位这不是一个理论推导题而是一个面向工程落地的“最优信标选择”问题。方案给出的答案是暴力枚举 最小二乘判据。它没有试图去建模误差分布而是用一种极其朴素、却无比可靠的方式将数学建模的严谨性与工程实践的务实性完美结合。3.1 枚举空间的构建56种组合的由来与意义“56”这个数字并非随意。它源于一个简单的组合计算从8架候选无人机FY02-FY09中任选2架与固定的FY00、FY01组成四元组但其中FY00和FY01是固定的发射机所以真正需要选择的是“哪一架作为第三发射机与FY00、FY01一起向某架接收机广播”。然而方案的思路更进一步它考虑的是对于一架固定的接收机K如FY08它可以接收来自FY00、FY01以及任意其他一架FY0jj2..9, j≠k的信号。因此对于每个K有7种可能的FY0j选择因为FY0j不能是K自己。而K本身有8种可能FY02-FY09所以总组合数为 8 × 7 56。这个枚举空间的构建其精妙之处在于它将“信标选择”问题转化为了一个“误差匹配”问题。它隐含的假设是在所有56种组合中必然存在一种组合使得该组合下由理想位置计算出的理论角度α₁ᵗʰᵉᵒʳʸ, α₂ᵗʰᵉᵒʳʸ, α₃ᵗʰᵉᵒʳʸ与接收机实际测得的带误差角度β₁, β₂, β₃最为接近。找到这个“最接近”就找到了最可靠的信标组。3.2 最小二乘判据用平方和量化“角度匹配度”方案采用的判据是经典的最小二乘法Least SquaresError (β₁ - α₁)² (β₂ - α₂)² (β₃ - α₃)²其中(β₁, β₂, β₃)是接收机K实测的三个角度(α₁, α₂, α₃)是在某一特定信标组FY00, FY01, FY0j下由K的理想位置查表1可得反推出来的理论角度。这个公式背后的物理意义非常直观它将三个角度的偏差统一量化为一个标量“误差能量”。平方操作有两个关键作用一是消除正负号使向上和向下偏差同等对待二是放大较大偏差的影响迫使算法优先选择那些所有角度都“差不多准”的组合而非一个角度极准、另两个角度极不准的组合。这是一种稳健的、符合工程直觉的优化目标。3.3 MATLAB实现从理论计算到最优解的自动化流水线附录二的MATLAB程序完整实现了这一流水线。其核心逻辑可分为三步预计算所有理论角度Offline Phase% 附录二前半部分预先计算所有56种组合的理论角度 for FY0j 2:9 for FY0k 2:9 if FY0k FY0j, continue; end % 接收机不能是发射机 % 计算FY0j和FY0k之间的距离 a1 a1 sqrt(2*r^2 - cosd((FY0j-FY0i)*40)*2*r^2); % 计算FY00和FY0k之间的距离 a3 a3 sqrt(2*r^2 - cosd((FY0k-FY0i)*40)*2*r^2); % 计算FY01和FY0k之间的距离 a2 a2 sqrt(2*r^2 - cosd((FY0k-FY0j)*40)*2*r^2); % 用余弦定理计算三个理论角度 alpha1(FY0j,FY0k) acosd((r^2 a3^2 - r^2)/(2*r*a3)); alpha2(FY0j,FY0k) acosd((a3^2 a2^2 - a1^2)/(2*a3*a2)); alpha3(FY0j,FY0k) acosd((r^2 a2^2 - r^2)/(2*r*a2)); end end这段代码在程序启动时运行一次将所有56种组合的(α₁, α₂, α₃)存入一个二维数组alpha1,alpha2,alpha3中。这是一次性的、昂贵的预计算但它将后续的在线匹配过程简化为一次快速的数组查表。在线匹配与误差计算Online Phase% 附录二后半部分用户输入实测角度程序自动匹配 beta1 input(第一个角度); % 实测角度 beta2 input(第二个角度); beta3 input(第三个角度); FY0k input(接收信号的无人机编号); min 1000; mini 0; for i 2:9 if i FY0k, continue; end % 跳过自身 % 计算当前组合 (FY00, FY01, FY0i) 下的误差 m (beta1 - alpha1(i,FY0k))^2 ... (beta2 - alpha2(i,FY0k))^2 ... (beta3 - alpha3(i,FY0k))^2; if m min min m; mini i; % 记录最优的第三发射机编号 end end mini % 输出结果结果解读与工程落地 程序输出的mini就是为接收机FY0k推荐的第三发射机编号。例如当FY0k8且输入特定的beta1, beta2, beta3后程序输出mini9意味着应指令FY09号无人机开启发射与FY00、FY01一同为FY08提供定位服务。这个决策过程完全自动化无需人工干预是将数学建模成果转化为可部署算法的关键一步。提示此枚举法的计算复杂度为 O(N²)其中N是候选无人机数。在本题N8时56次计算微不足道。但在一个拥有上百架无人机的大型集群中此方法会成为瓶颈。此时就需要引入更高级的策略如基于信噪比SNR或几何精度因子GDOP的启发式筛选先剔除掉明显劣质的候选者再在剩余的小集合中进行精确枚举。4. 位置调整0.01米步长背后的收敛性、精度与计算效率的三角博弈定位只是第一步真正的闭环控制在于“调整”。问题一第三小问要求给定所有无人机的初始偏差位置设计一套方案让它们通过接收方位信息自主移动到理想位置。方案给出的答案是“全方位遍历搜索”并设定步长为0.01米。这个看似简单的数字背后是收敛性、精度与计算效率三者之间一场精密的、不容妥协的三角博弈。它不是一个拍脑袋的常数而是整个迭代算法能否在合理时间内稳定抵达目标的“心跳节律”。4.1 遍历搜索算法从“盲目试探”到“有向逼近”的演进方案描述的算法是“设定步长为0.01米向四周全方位遍历”。这听起来像是一种最原始的网格搜索Grid Search。但细读其MATLAB代码附录三和文字描述可以发现它实际上是一种改进型的极坐标遍历融合了方向性与局部性。其核心思想是对于一架位于(row, theta)的无人机使用极坐标描述其初始位置它知道自己的理想位置是(bzrow, bztheta)。算法并非在笛卡尔平面上画一个巨大的0.01米网格而是以当前点为中心在一个极小的邻域内以0.01米为步长尝试向360个方向for j0:359各移动一步。然后对每一个新位置(row_new, theta_new)它会计算该新位置到FY00和FY01的理论方位角。将这些理论角度与它实际接收到的带误差的方位角进行比较。计算一个综合误差指标类似于最小二乘。选择使该误差指标最小的那个新位置作为下一步的起点。这个过程不断重复直到误差指标小于某个阈值如0.01米即认为已“近似到达理想位置”。这是一种典型的爬山法Hill Climbing变体它利用了方位角信息对位置变化的敏感性将一个全局的、高维的优化问题分解为一系列局部的、低维的决策。4.2 步长0.01米精度、收敛与计算量的黄金分割点为什么是0.01米我们可以从三个维度来剖析精度维度0.01米1厘米是无人机编队飞行中一个非常严苛的精度要求。它远高于大多数商用GPS的精度通常为米级也接近了高端RTK-GPS的水平。选择这个值表明该模型的目标应用场景是对队形稳定性要求极高的任务如协同编队穿越狭窄峡谷或执行精密的空中测绘。它定义了整个系统的“分辨率”。收敛维度步长过大如1米算法极易越过最优解产生振荡甚至发散步长过小如0.001米虽然精度更高但收敛所需的迭代次数将呈指数级增长。0.01米是一个经验性的“安全区”它保证了在绝大多数初始偏差如几米下算法能在几十次迭代内稳定收敛。方案中提到“调整时间不计”这恰恰反衬出0.01米步长在保证收敛性上的成功——它让“时间”这个变量在模型中可以被忽略。计算量维度每次迭代需要计算360个方向的理论角度并进行360次误差计算。如果步长为0.001米要达到同样的最终精度迭代次数可能增加10倍总计算量将暴涨。0.01米在保证单次迭代计算量可控的前提下用最少的迭代次数换取了最高的最终精度是计算资源与性能目标之间最经济的平衡。4.3 避坑 / 常见问题 / 排查位置调整中的五大翻车现场在将此算法从纸面模型移植到真实仿真或硬件平台时开发者极易踩入以下陷阱。这些是某高校实验室在复现该模型时用真实飞行日志总结出的血泪经验现象算法在某次迭代后位置突然“跳变”到一个完全不合理的地方随后彻底失联。原因在计算理论方位角时acosd()函数的输入值超出了 [-1, 1] 的合法范围。这通常是因为浮点数计算累积误差导致cos(θ)的计算结果为1.0000000001或-1.0000000001。acosd对此返回NaN非数字进而污染后续所有计算。解决在调用acosd前对输入值进行钳位clamping处理input_val max(-1, min(1, input_val))。这是所有涉及反三角函数的数值计算中最基础也最容易被忽视的安全阀。现象无人机在理想位置附近“绕圈”误差在0.015米和0.008米之间反复横跳无法稳定收敛。原因步长0.01米与收敛阈值0.01米设置得过于接近。当无人机距离目标仅0.009米时向任何方向移动0.01米都会使其距离目标变得更远0.019米于是算法判定“所有方向都不好”陷入死循环。解决将收敛阈值设为步长的一半即0.005米。或者更优的方案是在最后一次迭代中启用亚步长sub-step搜索例如在最优方向上尝试0.005米的移动。现象多架无人机同时开始调整但它们的运动轨迹相互干扰导致某架无人机在移动过程中其接收到的FY00/FY01方位角发生剧烈跳变定位结果完全错误。原因模型假设“调整时间不计”即所有无人机在同一时刻完成移动。但现实中移动是连续的。当FY02在向目标移动时它相对于FY00/FY01的方位角是动态变化的而其他无人机如FY03却仍在用这个“过期”的、动态变化的角度进行计算。解决引入同步协议。所有无人机在每一轮调整开始前先广播自己的“当前瞬时位置”待所有节点都收到并确认后才开始本轮的0.01米移动。这牺牲了一点实时性但换来了计算的确定性。现象在锥形编队的第二轮定位中FY04号无人机始终无法被定位程序报错“无解”。原因正如2.4节所述FY04恰好位于FY01、FY02、FY05构成的三角形的边延长线上导致几何退化。此时由FY01、FY02、FY05计算出的三个理论角度其任意两个之和等于第三个违反了三角形内角和为180°的基本约束solve函数返回空解。解决在调用solve前加入退化检测。计算三个理论角度的和sum_alpha alpha1 alpha2 alpha3。如果abs(sum_alpha - 180) 1e-3则判定为退化立即跳过此组合进入下一轮枚举。现象MATLAB程序运行速度极慢单次位置调整耗时超过10秒无法满足实时性要求。原因附录三的代码中for j0:359循环内部重复进行了大量冗余计算例如每次都重新计算FY00/FY01的坐标、每次都调用cosd/sind函数。解决进行代码向量化Vectorization。将360个方向的cosd(j)和sind(j)预先计算为一个向量然后用矩阵运算一次性计算所有360个新位置的坐标和理论角度。这能将计算速度提升数十倍是MATLAB高性能计算的基石。5. 从圆形到锥形几何拓扑的迁移如何重塑无源定位的“信标-接收”关系图谱当编队形态从规则的圆形切换到拉长的锥形时纯方位无源定位的底层逻辑并未改变——依然是“三圆共点”。但其工程实现的复杂度却呈指数级上升。这是因为编队的几何拓扑直接定义了“信标-接收”关系图谱的连通性与鲁棒性。圆形编队是一个高度对称、各向同性的图谱而锥形编队则是一个具有明确方向性、且存在大量“脆弱连接”的图谱。理解这种迁移是将一个竞赛模型升华为通用无人机集群控制框架的关键跃迁。5.1 圆形编队一个自洽、鲁棒的“全连接”图谱在圆形编队中所有9架圆周无人机均匀分布任意三架不共线都能构成一个“良好条件”的三角形。其信标-接收关系图谱呈现出以下特征高连通性对于任意一架接收机K存在大量远多于3个的三元组信标A,B,C它们与K不共线能提供有效定位。高冗余性即使某一架信标如FY05因故失效仍有无数其他组合如FY02/FY03/FY06可以无缝接管。高对称性所有信标对A,B之间的基线长度|AB|相对固定在圆周上相邻间距为2r·sin(20°)这使得由不同信标对计算出的角度α具有相似的灵敏度避免了某些方向上“角度变化极小难以分辨位置”的病态情况。这种图谱的稳定性使得方案可以采用“固定FY00/FY01 枚举第三信标”的简单策略并能保证对所有接收机都有效。5.2 锥形编队一个方向性强、脆弱点多的“链式”图谱锥形编队的典型结构是一架领航机在顶点后续无人机沿一条直线依次排开间距相等如50米。其信标-接收关系图谱则截然不同方向性图谱的“主干”沿着锥轴方向。垂直于锥轴的方向上信标间距极小甚至为零如果所有机都在一条线上导致该方向上的角度测量灵敏度极低。脆弱点密集如方案所指出的当接收机K位于任意两架信标A,B的连线上时即发生共线退化。在锥形编队中由于大量无人机共线这种脆弱点的数量远超圆形编队。例如所有位于锥轴上的无人机对于轴上任意两架信标都处于其延长线上。连通性不均靠近锥顶的无人机其周围信标丰富定位容易而位于锥尾的无人机其前方信标稀疏后方信标又可能因距离过远而导致角度测量噪声增大形成“定位盲区”。5.3 图谱重构策略从“轮次定位”到“动态信标池”面对锥形图谱的脆弱性方案提出的“轮次定位”Round-based Positioning是一种极具启发性的工程智慧。它本质上是一种图谱的动态重构第一轮利用已知的两架无偏差信标FY01, FY05定位一个“桥接节点”FY02。这相当于在脆弱的锥轴上人为制造了一个新的、稳固的支点。第二轮将FY01, FY02, FY05组成一个新的、非共线的三元组去定位一批“安全区”内的无人机FY03, FY06, FY08...。此时图谱的连通性得到了第一次增强。第三轮选取新定位成功的FY02, FY06, FY08作为信标去覆盖那些之前因共线而无法定位的“脆弱区”无人机FY04, FY07...。这相当于用新生成的、位置更优的信标去“绕过”原有的脆弱连接。这种策略的精髓在于它不试图一次性解决所有问题而是将一个全局的、病态的图谱问题分解为一系列局部的、良态的子问题。每一次“轮次”都是对信标-接收关系图谱的一次局部优化与加固。它启示我们在复杂的分布式系统中鲁棒性往往不是设计出来的而是在一次次迭代、修复、重构中生长出来的。注意方案中提到的“选取FY02, FY06, FY08为发射信号无人机”其选择依据并非随机。FY02位于锥顶提供了良好的前向视野FY06和FY08则分布在锥轴中段它们与FY02构成的三角形其重心更靠近锥尾从而能更有效地覆盖那些位于脆弱延长线上的尾部无人机。这是一种基于几何直觉的、有目的的信标遴选是“轮次定位”策略得以成功的关键细节。6. 设计取舍的思考为何放弃贝叶斯滤波与卡尔曼而执着于余弦定理与枚举当我第一次完整阅读这份202本文还有配套的精品资源点击获取
