随着科学技术的发展,机器人应用的领域越来越广,无线传感器网络与移动机器人协同定位以其定位精度高的优点而受到了广泛关注。本文以提升移动机器人与无线传感器网络协同定位的精度为主要出发点,设计融入最新观测信息到提议分布中去的改进边缘粒子滤波算法,并将其用于机器人与传感器网络的协同定位求解。内容可概括如下:首先,介绍了课题背景及意义,并对当前机器人定位及SLAM问题的发展现状进行了描述,明确了课题的目的。其次,阐述了课题所需了解的一些原理及算法。针对粒子滤波的状态空间维数不断随时间增长,粒子重要性权值方差大的缺点,引入了边缘粒子滤波,直接在低维的状态空间作滤波估计,降低了粒子重要性权值方差。再次,状态估计的好坏,很大程度上由重要性概率密度函数与真实后验概率密度函数的接近程度决定。为了使提议分布函数更接近于真实的后验分布函数,在MPF的基础上,将最新的观测信息融入到提议分布函数中,使提议分布更接近系统状态的后验概率密度函数,从而提高定位精度。最后,将移动机器人与无线传感器网络协同定位等效为SLAM问题,并将上面改进MPF应用于协同定位的求解。通过实验对比发现,改进算法降低了移动机器人与无线传感器网络的定位误差,结果验证了其有效性和优越性。