CN108427656B - 一种基于矩阵加权一致性-卡尔曼滤波器的多目标包围控制方法 - Google Patents

Abstract

一种基于矩阵加权一致性‑卡尔曼滤波器的多目标包围控制方法，包括：(1)设置通信周期并进行初始化；(2)每个运动体测量各自观测目标，并用测量值更新对目标群体系统的后验估计信息矩阵和状态值、系统矩阵和噪声协方差估计值，并进行一致性信息融合的初始化；(3)运动体与其他运动体交互信息，利用一致性协议更新对目标群体系统的后验估计信息矩阵、后验估计状态值、系统矩阵估计值和输入噪声协方差估计值，并利用估计值更新包围控制器；(4)经过多次通信后，运动体基于卡尔曼信息滤波算法估计出目标群体的先验估计信息矩阵和状态值，并暂时停止通信，控制器保持不变；(5)到达下一测量时刻时，返回第(2)步。

Description

一种基于矩阵加权一致性-卡尔曼滤波器的多目标包围控制 方法

技术领域

本发明属于多运动体编队包围控制领域，特别涉及了多传感器-多目标的分布式滤波与多运动体对多目标的包围控制方法。

背景技术

多个运动体对单个/多个运动目标的编队包围控制在目标拦截、目标搜救、目标保护等领域中具有广泛的应用，并且引起越来越多研究者的关注。例如，在监控区域内有几个外来目标(人或车)入侵，监控方派出多个移动机器人，自主地将多个目标组成的目标群包围在一定的编队队形中。

目前关于多运动体对目标的编队包围控制研究已经有不少结果。包围控制方法可以分成以下两个方面。第一，基于相对测量的轨道编队控制。主要利用反步法、一致性协议等设计编队控制器包围单个目标。其局限性在于要求每个运动体能获得目标的测量信息和动态信息，在设计控制器时要求运动体已知运动体间的通信拓扑信息。第二，基于Laplacian矩阵的多目标包围控制。主要利用一致性协议、Laplacian特征值设计编队控制器使得运动体趋同于多个目标形成的一个凸包状态或者包围多个目标形成的一个凸包状态。Laplacian矩阵特征值包含了通信拓扑的全局信息，所以该控制方法不是完全分布式的；而且该方法仅适用于多个目标具有相同动态系统，并且所有运动体都已知目标动态方程的情形。考虑到在实际应用中多个目标通常具有时变且不相同的动态系统，每个运动体由于测量能力有限只能集中测量一个目标、获取测量目标的动态方程信息，而对其他目标的信息完全未知，而且运动体只能获得通信邻居的信息而无法获得全局拓扑信息，已有的编队包围控制器无法适用。

本发明旨在设计一种完全分布式的多目标编队包围控制方法，从而多个运动体可以把多个具体不同动态方程的运动目标包围在以目标群体重心为中心的期望编队队形内。由于每个运动体最多可以获得一个目标的测量和系统矩阵信息，所以在设计控制器时还要设计观测器。目前一致性协议被广泛应用到分布式滤波算法中，针对单个目标的一致性卡尔曼滤波算法已有不少，主要可以分成以下两大类。第一，节点在测量目标后就与邻居进行通信，利用一致性协议对目标的测量信息和邻居的信息进行一次卡尔曼滤波。这种算法通信能耗低，但局限性在于通常要求单个传感节点对目标是完全可观或者节点和它的邻居组合在一起对目标可观，不适用于多目标的估计。此外在设计滤波器增益的同时还需要利用全局拓扑信息设计网络权重，算法不是完全分布式的。第二，节点在一次测量后，利用一致性协议对节点和邻居的测量新息、卡尔曼信息矩阵等进行多次融合。这种算法仅要求所有传感器对目标是协同可观的。然而目前算法采用的一致性协议无法保证在有限步内一致性收敛，或者估计精度差、或者对通信能耗要求。实际应用需要一种既是完全分布式的、可扩展的，又同时具有较好的估计精度和较少通信能耗的分布式滤波算法。

发明内容

为了解决现有技术中的不足，本申请发明一种基于矩阵加权一致性-卡尔曼滤波器的多目标包围控制方法，其技术方案如下：

一种基于矩阵加权一致性-卡尔曼滤波器的多目标包围控制方法，其步骤如下：

步骤1：设置通信周期并进行初始化；

步骤2：运动体测量并更新估计值，进行一致性迭代的初始化；

步骤3：每个运动体通过通信网络与其他运动体通信，并利用基于矩阵加权平均的一致性协议更新对目标群体系统的后验估计信息矩阵、后验估计状态值、系统矩阵估计值和输入噪声协方差估计值；运动体利用目标群体重心估计值、后验估计状态值、以及目标系统矩阵估计值设计包围控制器；

步骤4：经过多次通信后，运动体基于卡尔曼信息滤波算法估计出目标群体的先验估计信息矩阵和状态值；并且暂时停止通信，控制器保持不变；。

步骤5：到下一次测量时刻时，返回步骤2，直到包围结束。

优选为：所述步骤1进一步包括：(1a)对于给定的测量周期，设置网络通信周期使得它与网络拓扑直径的乘积不大于测量周期；(1b)初始化时每个运动体对所有目标组成的目标群体系统的先验估计信息矩阵为对角块正定矩阵、先验估计状态值任意、目标群体系统矩阵估计值和目标输入噪声协方差估计值都为任意的对角块矩阵。

优选为：所述步骤2进一步包括：(2a)在测量时刻，运动体测量其观测目标，如果能测量到目标，那么利用测量信息和卡尔曼信息滤波算法计算对目标群体系统的后验估计信息矩阵、后验估计状态值，利用被测量目标的系统矩阵和噪声协方差对目标群体系统中对应的矩阵估计值和噪声协方差估计值进行赋值，而其余对角块的估计值保持不变；如果无法测量到目标，那么后验信息矩阵和后验估计状态值与先验值保持一致，目标群体系统矩阵估计值和噪声协方差估计值保持不变；(2b)引入一个维数与目标个数相等的向量，向量中第s个元素等于后验信息矩阵中第s个对角块矩阵的迹减去一个随机生成数，表示运动体对第s个目标的估计置信度。

优选为：所述步骤3进一步包括：(3a)计算矩阵权重，在每个运动体利用其邻居的信息进行加权平均时，权重是一个对角线矩阵，第s个对角线元素的取值取决于运动体和其邻居对目标s的估计置信度；如果运动体某个邻居对目标s的置信度在它的邻居中不是最高的，那么该邻居的矩阵权重中的第s个对角线元素为0；如果运动体某个邻居对目标s的置信度在它的邻居中是最高的并且运动体有n_s个邻居具有相同最高的置信度，那么该邻居的矩阵权重中的第s个对角线元素为1/n_s；(3b)利用计算出来的矩阵权重和邻居的后验估计信息矩阵、后验估计状态值、系统矩阵估计值、输入噪声协方差估计值、以及估计置信度向量进行加权平均，分别更新后验估计信息矩阵、后验估计状态值、系统矩阵估计值、输入噪声协方差估计值、以及估计置信度向量；(3c)运动体计算所有目标状态的后验估计值的平均值，估计目标群体的重心，再利用系统矩阵估计值与后验估计状态相乘，计算目标群体下一测量时刻的重心预测值；利用运动体状态减去目标群体的估计重心和期望编队位置速度向量得到包围偏差状态，利用目标群体的重心估计值减去目标群体下一测量时刻的重心预测值得到目标群体重心变化量；以包围偏差状态和目标群体重心变化为反馈量设计反馈控制器，其中以包围偏差状态为反馈量的反馈增益K₁是使得F-BK₁谱半径都小于1的增益，

和

分别是运动体按通信周期T进行离散化的系统矩阵和输入矩阵，以目标群体重心变化为反馈量的反馈增益是K₂＝[0 1/TI_p]，I_p表示维数为p的单位矩阵，p是运动体运动空间的维数，0表示适当维数的零矩阵。

优选为：所述步骤4进一步包括：经过d次通信和一致性信息融合后，运动体利用一致性更新后的后验估计信息矩阵、状态值、系统矩阵估计值和噪声协方差估计值，基于卡尔曼信息滤波算法估计出目标群体系统的先验估计信息矩阵和先验估计状态值；同时暂时停止通信，控制器保持不变。其中d表示通信网络拓扑的直径，即拓扑中从任意一个点到另外任意一个点的最长路径长度。

有益效果：本发明能够在运动体测量能力和通信能力有限，并且对目标群体状态信息和通信拓扑未知的情况下，只要所有运动体协同起来对所有目标可测，就能精确的、完全分布式的实现对所有目标的状态估计与对目标群体的包围。特别适用于空间内多个运动目标具有不一样的并且时变的运动方程，每个运动体最多只能获取一个目标的信息，对其他目标的任何信息以及对运动体之间的通信拓扑一无所知时，多个运动体把目标群体包围在以目标群体重心为中心的期望编队队形内。整个过程是完全分布式的，并且控制效果接近于集中式的估计和控制方法，能够使系统输入噪声和测量噪声对包围的影响接近最小。

附图说明

图1是本发明的方法流程图；

图2是实施例中目标运动轨迹图；

图3是6个运动体的通信拓扑图；

图4是目标群体系统的实际中心及估计中心

图5是包围控制结果图。

具体实施方式

以下将结合附图，对本发明的技术方案进行详细说明。

假设空间内有N个运动目标，目标s(1≤s≤N)的离散化运动方程为

其中

和

分别表示目标s在kh时刻的状态和系统矩阵，h是给定的测量周期，v^(s)(kh)表示协方差为

的输入白噪声。

中包含空间中的位移和速度分量，

p表示空间的维数，I_p表示维数为p的单位矩阵，0表示适当维数的零矩阵。

空间中n个运动体(n≥N)按动力学模型运动。运动体i的连续时间运动方程为：

其中z_i表示运动体i的状态(包含位移和速度分量)，u_i表示控制器输入，t表示时间。

每个运动体只在kh(k＝0，1，2，...)时刻测量目标，并只安排测量一个运动目标、获取该目标的运动方程和输入噪声协方差，但对其他目标的任何信息一无所知。对每一个目标来说，至少指派一个运动体去监测它。假设运动体i(1≤i≤n)指定测量目标T_i，则在第k个测量时刻，测量方程为

其中，y_i(kh)表示运动体i在kh时刻获取的测量值，H_i表示测量矩阵，w_i(kh)是协方差为W_i(kh)的测量白噪声。

由于运动体上传感器测量能力有限，运动体i有时能测量到目标T_i，获得目标T_i的测量输出值，但有时无法测量到目标T_i。运动体i对其他目标的状态、系统矩阵、噪声方差等信息完全未知。此外，运动体由于通信能力有限，只能与通信范围内的邻居进行通信，而无法获取所有运动体的信息，对所有运动体组成的通信拓扑连接情况也未知。在整个系统里面，每个运动体都是自主地工作，没有中央控制器去控制它。

运动体的目标是自主地设计控制器，使得目标群体被包围在多个运动体组成的以该目标群体重心为中心的期望编队队形内，即

有界且尽可能小。其中

表示目标群体在t时刻的重心；h_i＝[θ_i 0]，θ_i是运动体i在空间期望队形中的位置。

为此，本发明提出了一种基于矩阵加权一致性-卡尔曼滤波器的多目标包围控制方法，具体设计步骤如下。

步骤1：设置通信周期T＞0，满足h≥dT，h是给定的测量周期，d(d≤n)是网络通信拓扑的直径，即拓扑中从任意一个节点到另外任意一个节点的最大路径长度。

在控制器和滤波器设计之前首先进行初始化。取运动体i对所有目标的先验估计信息矩阵为

为任意2p维正定矩阵；对目标群体系统的先验估计状态值为任意2p维向量

系统矩阵估计值

为任意2p维矩阵；输入噪声协方差估计值

为任意2p维矩阵。其中diag{X^(s)，1≤s≤N}表示对角块为X⁽¹⁾，...，X^(N)的对角块矩阵。

步骤2：运动体i测量目标T_i。接下来分两小步执行。

第一小步，利用测量信息生成对所有目标状态的后验估计值

后验估计信息矩阵

对目标群体系统矩阵和输入噪声协方差矩阵的估计值A_i(kh)，R_i(kh)。

在第k个测量时刻，如果运动体i(1≤i≤n)能观测到指定的测量目标T_i(1≤T_i≤N)时，有

否则为

其中C_i＝[0…0 H_i 0…0]表示第T_i块是H_i其余为0的矩阵。

第二小步，运动体i进行一致性迭代的初始化。引入N维向量

其中

表示运动体i对目标s的估计置信度，并且在一致性信息融合之前取初始值

其中

是一个充分小的随机生成数，以使得对任意i≠j，

tr(P)表示矩阵P的迹，即矩阵P的对角线元素之和。

步骤3：运动体按周期T与其他运动体通信，并收发包括

A_i(kh)，R_i(kh)以及q_i在内的数据。在第l次通信后(1≤l≤d)，运动体i利用接收到的邻居的信息进行一次一致性信息融合和控制器更新。具体包含以下三小步。

第一小步，运动体i计算一致性信息融合的矩阵权重。其与邻居j的协作权重设计为

其中N_i＝{j：i能收到j的信息}表示运动体i的邻居集合，

表示运动体i的邻居中对目标s估计置信度最高的邻居组成的集合，

表示集合

中的节点个数。因为每个运动体必定能利用自已的信息，所以i∈N_i。

第二小步，运动体i更新后验估计信息矩阵

后验估计状态值

目标群体系统矩阵估计值A_i、输入噪声协方差估计值R_i、以及估计置信度q_i如下：

第三小步，运动体对目标群体的包围控制器设计为

其中

和

分别表示运动体i在l步一致性迭代后对目标s的状态后验估计值和系统矩阵估计值，直接从

中可以得到；

表示运动体对目标群体重心的估计值；

表示运动体对目标群体在(k+1)h时刻重心的预测值；K₁是满足使得F-BK₁ Schur稳定的增益，

是运动体离散化系统矩阵，

是运动体离散化输入矩阵；K₂＝[0 1/TI_p]。

步骤4：在d步通信结束后，运动体i利用卡尔曼信息滤波算法估计出所有目标的先验估计信息矩阵和先验估计状态值如下：

步骤5：当t＝(k+1)h时，进行第k+1次测量，返回步骤2。直到包围结束。

下面通过实例来说明本发明。平面内有3个运动的目标，目标s的离散化运动方程如下：

其中，h＝1(s)表示测量周期，

和

为输入白噪声，协方差均为1。初始状态分别为

3个目标在2维平面内运动的轨迹如图2所示。

平面内有6个运动体对目标进行测量和包围。运动体之间的通信拓扑如图3所示。该通信拓扑的直径为4。运动体1和4测量目标1，运动体2和5测量目标2，运动体3和6测量目标3。所有运动体都测量目标的位移，即

测量噪声协方差为W_i＝0.01I₂。

1)网络参数设置和初始化。

选择网络通信周期为0.1(s)。初始化时取运动体i对目标群体系统的状态估计先验值为随机12维向量，先验信息矩阵P_i(0)＝2I₁₂，系统矩阵估计值A_i(0)＝I₁₂，噪声协方差估计值R_i(0)＝diag{0.1I₄，0.2I₄，0.3I₄}。

2)当t＝kh时(k≥0)，运动体i测量目标并更新后验估计如下：

如果i＝1 or 4，C_i＝[H_i 0 0]并且

如果i＝2or 5，C_i＝[0 H_i 0]；并且

如果i＝3or 6，C_i＝[0 0 H_i]，并且

一致性迭代初始化时，取

是一个充分小的随机生成数，

3)运动体按通信周期0.1(s)通信。在kh后的第l个通信时刻(o＜l＜5)，每个运动体i将自身信息数据

发送给邻居节点，同时接收邻居节点j∈N_i发送的信息

根据(7)-(8)式设计矩阵权重；然后根据(9)式进行一致性信息融合，更新

最后按照(10)式更新该时刻的包围控制器

其中

K₂＝[0 10I₂]，h_i＝[rcos(iπ/3) rsin(iπ/3) 0 0]，r等于估计重心到各目标的最大距离的1.5倍。

4)到t＝kh+4T时，运动体停止通信和一致性信息融合。利用(11)式计算先验估计状态值和先验信息矩阵。

5)当t＝(k+1)h时，运动体再次进行测量和通信，返回2)；直到包围结束。

在整个包围过程中，目标群体的真实中心和运动体一致性滤波后估计得到的中心如图4所示，重心估计值近似接近于真实值。取四个时刻的包围效果如图5所示，目标被6个运动体包围在以目标群体中心为圆心的圆形编队内。

本发明是一种基于矩阵加权一致性-卡尔曼滤波器的多目标包围控制方法，特别适用于多个目标具有不相同的动力学系统、每个运动体最多只能获得一个目标信息、只能利用通信邻居的传输信息并对整个网络拓扑未知的情况下的自主编队包围。基于滤波器的包围控制方法的设计思想是每个运动体通过分布式滤波器将所有目标的状态估计出来，然后利用各目标状态和系统矩阵估计值估计并预测出目标群体的重心，再利用重心估计值、重心预测值、以及期望编队向量设计状态反馈控制器，以实现目标群体被包围在多个运动体组成的以目标群体重心为中心的期望编队队形内(如图5所示，平面上三个运动目标被包围在多个运动体组成的以目标群体中心为圆心的圆形编队内)。矩阵加权一致性-卡尔曼滤波器是结合一致性协议和卡尔曼滤波算法的滤波器，其设计思想是当一个运动体测量目标后，先利用测量信息基于卡尔曼信息滤波算法生成目标群体系统的后验估计值、后验信息矩阵、系统矩阵和噪声协方差估计值；然后通过通信网络与其他运动体通信，每次通信后利用邻居的信息执行一次一致性信息融合算法，运动体利用一致性协议更新对目标的状态估计、信息矩阵、系统矩阵和噪声协方差估计；通信有限步后暂时停止通信，并且利用卡尔曼滤波算法预测目标群体下一测量时刻的状态和信息矩阵。直到到达下次测量时刻，运动体再次测量并通信。在使用一致性协议的时候，特别地设计了矩阵加权一致性协议，其设计思想是在与邻居进行一致性信息融合过程中不是无区分度地采用标量形式的权重，而是根据运动体对每个目标的测量能力来分配在信息融合时对各目标估计的贡献程度，采用矩阵形式的权重；同时，权重是根据信息矩阵的迹按最大迹原则进行自适应设计的。

在以上的描述中阐述了很多具体细节以便于充分理解本发明。但是以上描述仅是本发明的较佳实施例而已，本发明能够以很多不同于在此描述的其它方式来实施，因此本发明不受上面公开的具体实施的限制。同时任何熟悉本领域技术人员在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。

Claims (5)

1.一种基于矩阵加权一致性-卡尔曼滤波器的多目标包围控制方法，其特征为：包括如下步骤：

步骤1：设置通信周期并进行初始化，测量周期包含若干个通信周期，初始化每个运动体对所有目标组成的目标群体系统的先验估计信息矩阵、对目标群体系统的先验估计状态值、目标群体系统矩阵估计值和输入噪声协方差估计值，其中，运动目标满足线性离散时间动态方程并带有输入白噪声，运动体i满足动力学模型并且被指定测量运动目标T_i，所述动力学模型为所述运动体i的连续时间运动方程，测量产生白噪声，在第k个测量时刻，测量方程为

y_i(kh)表示运动体i在kh时刻获取的测量值，H_i表示测量矩阵，w_i(kh)是协方差为W_i(kh)的测量白噪声，h是给定的测量周期，

为运动目标T_i在kh时刻的状态，对所有运动目标的状态进行增广即为目标群体系统状态；

步骤2：在每个测量周期到期即为测量时刻，在测量时刻运动体测量其观测目标，更新目标群体系统的后验估计信息矩阵、后验估计状态值、目标群体系统矩阵估计值、输入噪声协方差估计值；估计置信度向量在一致性信息融合之前取初始值，其中，估计置信度向量中包含每个运动体i对目标s的估计置信度，每个运动体i对目标s的估计置信度为其后验估计信息矩阵中第s个对角块矩阵的迹减去一个随机生成数得到的值，在每个通信时刻运动体和其邻居的信息取加权平均即为一致性信息融合；

步骤3：每个运动体按通信周期与其他运动体通信，每个运动体利用其邻居的信息进行加权平均时计算矩阵权重；利用矩阵权重分别更新后验估计信息矩阵、后验估计状态值、目标群体系统矩阵估计值、输入噪声协方差估计值、估计置信度向量；运动体利用更新后的后验估计状态值按所有目标取平均计算更新目标群体重心估计值，结合更新后的目标群体系统矩阵估计值计算更新目标群体中心在下一个测量时刻的预测值，进而更新包围控制器；

步骤4：经过多次通信后，运动体基于卡尔曼信息滤波算法估计出目标群体的先验估计信息矩阵和先验估计状态值；并且暂时停止通信，包围控制器保持不变；

步骤5：到下一次测量时刻时，返回步骤2，直到包围结束。

2.根据权利要求1所述的一种基于矩阵加权一致性-卡尔曼滤波器的多目标包围控制方法，其特征为：所述步骤1进一步包括：(1a)对于给定的测量周期，设置网络通信周期使得它与网络拓扑直径的乘积不大于测量周期；其中，网络拓扑直径为网络拓扑中从任意一个点到另外任意一个点的最长路径长度；(1b)初始化时每个运动体对所有目标组成的目标群体系统的先验估计信息矩阵为对角块正定矩阵、先验估计状态值任意、目标群体系统矩阵估计值和输入噪声协方差估计值都为任意的对角块矩阵。

3.根据权利要求1所述的一种基于矩阵加权一致性-卡尔曼滤波器的多目标包围控制方法，其特征为：所述步骤2进一步包括：(2a)在测量时刻，运动体测量其观测目标，如果能测量到目标，那么利用测量信息和卡尔曼信息滤波算法计算对目标群体系统的后验估计信息矩阵、后验估计状态值，利用被测量目标的系统矩阵和噪声协方差对目标群体系统中对应的目标群体系统矩阵估计值和输入噪声协方差估计值进行赋值，而其余对角块的估计值保持不变；如果无法测量到目标，那么目标群体系统的后验信息矩阵和后验估计状态值与先验值保持一致，目标群体系统矩阵估计值和输入噪声协方差估计值保持不变；(2b)引入一个维数与目标个数相等的向量，向量中第s个元素等于后验估计信息矩阵中第s个对角块矩阵的迹减去一个随机生成数，表示运动体对第s个目标的估计置信度；其中s是介于1和目标个数之间的数。

4.根据权利要求1所述的一种基于矩阵加权一致性-卡尔曼滤波器的多目标包围控制方法，其特征为：所述步骤3进一步包括：运动体每通信一次，执行以下三小步：(3a)计算矩阵权重，在每个运动体利用其邻居的信息进行加权平均时，权重是一个对角线矩阵，第s个对角线元素的取值取决于运动体和其邻居对目标s的估计置信度；如果运动体某个邻居对目标s的估计置信度在它的邻居中不是最高的，那么该邻居的矩阵权重中的第s个对角线元素为0；如果运动体某个邻居对目标s的估计置信度在它的邻居中是最高的并且运动体有n_s个邻居具有相同最高的估计置信度，那么该邻居的矩阵权重中的第s个对角线元素为1/n_s；(3b)利用计算出来的矩阵权重和邻居的后验估计信息矩阵、后验估计状态值、目标群体系统矩阵估计值、输入噪声协方差估计值、以及估计置信度向量进行加权平均，分别更新后验估计信息矩阵、后验估计状态值、目标群体系统矩阵估计值、输入噪声协方差估计值、以及估计置信度向量；(3c)运动体计算对所有目标的后验估计状态值的平均值，估计目标群体的重心，再利用对每个目标的系统矩阵估计值与其后验估计状态值相乘，计算目标群体下一测量时刻的重心预测值；利用运动体状态减去目标群体的重心估计值和期望编队位置速度向量得到包围偏差状态，利用目标群体的重心估计值减去目标群体下一测量时刻的重心预测值得到目标群体重心变化量；以包围偏差状态和目标群体重心变化为反馈量计算更新包围控制器，其中以包围偏差状态为反馈量的反馈增益K₁是使得F-BK₁谱半径都小于1的增益，

和

分别是运动体按通信周期T进行离散化的系统矩阵和输入矩阵，以目标群体重心变化为反馈量的反馈增益是K₂＝[0 1/TI_p]，I_p表示维数为p的单位矩阵，p是运动体运动空间的维数，0表示适当维数的零矩阵。

5.根据权利要求1所述的基于矩阵加权一致性-卡尔曼滤波器的多目标包围控制方法，其特征在于在步骤(4)中，经过d次通信和一致性信息融合后，运动体利用一致性信息融合后的后验估计信息矩阵、后验估计状态值、目标群体系统矩阵估计值和输入噪声协方差估计值，基于卡尔曼信息滤波算法估计出目标群体系统的先验估计信息矩阵和先验估计状态值；同时暂时停止通信，包围控制器保持不变；其中d表示通信网络拓扑的直径，即网络拓扑中从任意一个点到另外任意一个点的最长路径长度。

Images