1.一种基于CKF的混合一致性无人船编队协同定位方法，其特征在于，包括：S1构建无人船编队的状态方程与观测方程；

S2执行第一阶段，无人船编队内各个无人船采用自身观测值进行独立局部滤波，得到两组局部滤波信息对；

S3执行第二阶段，无人船编队内各无人船与自身相邻的无人船进行局部滤波信息对交换，通过观测与自身相邻的无人船之间的距离和相对角度，对两组局部滤波信息对中的位置信息进行归算；

S4将归算后的位置信息与局部滤波信息对进行融合，融合完成后更新局部滤波信息对，计算融合后的状态向量，得到基于全局观测的定位信息；

无人船编队的状态方程包括：

；

式中， 是 时刻的无人船 的状态向量， 是状态转移矩阵， 是 时刻的无人船 的状态向量， 是 时刻无人船 的系统噪声矩阵， 和 分别是 时刻无人船 在轴和 轴上的位置坐标， 和 分别是 时刻无人船 在 轴和 轴上的速度， 是 时刻无人船 的航向，是无人船的编号， 是无人船的总数， 是采样周期；

无人船编队的观测方程包括：

；

式中， 时刻无人船 的传感器的量测信息， 和 分别是 时刻无人船 在轴和 轴上的位置坐标， 时刻无人船 的观测噪声， 时刻无人船 和无人船之间的距离， 时刻无人船 和无人船 之间的相对角度， 无人船编队的非线性观测方程， 是与无人船 自身相邻的无人船，是与无人船自身相邻的无人船的编号；

两组局部滤波信息对分别为 和 ：

；

；

式中， 是由无人船 在 时刻向 时刻预测的原始信息状态向量 和原始信息矩阵 组成的一组原始信息对， 是由无人船 在时刻的原始信息状态贡献向量 和原始相关信息矩阵 组成的一组原始信息对， 是点的总取值个数的一半， 是无人船 在 时刻向 时刻预测的第 个点， 是无人船 在 时刻向 时刻预测的状态向量， 是无人船 在 时刻的系统噪声协方差矩阵， 是无人船 在 时刻向 时刻预测的交叉协方差矩阵， 是无人船 在 时刻的观测噪声协方差矩阵， 是无人船 在 时刻向 时刻预测的量测误差。

2.根据权利要求1所述的一种基于CKF的混合一致性无人船编队协同定位方法，其特征在于，无人船 在 时刻向 时刻预测的第 个 点为：； ；

式中， 是单位 点， 是 次融合后的状态向量， 是无人船在 时刻经过的 次融合后的信息矩阵， 是第 个 点在协方差坐标轴对应的第 个轴方向上的单位矢量，是融合总次数；

无人船 在 时刻向 时刻预测的状态向量为：。

3.根据权利要求2所述的一种基于CKF的混合一致性无人船编队协同定位方法，其特征在于，无人船 在 时刻向 时刻预测的交叉协方差矩阵为：；

式中， 表示无人船 在 时刻向 时刻预测的量测向量；

无人船 在 时刻向 时刻预测的量测向量为：；

无人船 在 时刻向 时刻预测的量测误差为：。

4.根据权利要求3所述的一种基于CKF的混合一致性无人船编队协同定位方法，其特征在于，第二阶段中，两组局部滤波信息分别为 和 ，是由无人船 在 时刻向 时刻预测的第 次融合后的信息状态向量和第 次融合后的信息矩阵 组成的一组第 次融合后的信息对，是由无人船 在 时刻的第 次融合后的信息状态贡献向量 和第次融合后的相关信息矩阵 组成的一组第 次融合后的信息对：； ；

；

式中， 是无人船 和无人船 在 时刻向 时刻预测的第 次融合后的信息状态向量对， 是无人船 和无人船 在 时刻向 时刻预测的第 次融合后的信息状态贡献向量对， 是无人船 在 时刻向 时刻预测的交叉协方差矩阵， 是无人船在 时刻的观测噪声协方差矩阵。

5.根据权利要求4所述的一种基于CKF的混合一致性无人船编队协同定位方法，其特征在于，将归算后的位置信息与局部滤波信息对进行融合包括：；

； ；

式中， 是信息对的融合权重。

6.根据权利要求5所述的一种基于CKF的混合一致性无人船编队协同定位方法，其特征在于，融合完成后更新局部滤波信息对包括：； ；

式中， 是无人船 在 时刻向 时刻预测的信息状态向量和信息矩阵经 次融合后组成的信息对， 是无人船 在 时刻向 时刻预测的信息贡献状态向量和相关信息矩阵经 次融合后组成的信息对， 是信息对更新的加权参数， 是更新后的信息状态向量 和信息矩阵 组成的信息对。

7.根据权利要求6所述的一种基于CKF的混合一致性无人船编队协同定位方法，其特征在于，计算融合后的状态向量 为：。