摘要
超宽带（UWB）节点间测距技术可为在GNSS信号缺失环境下的无人机群协作定位提供相对距离信息，但密集的候选网络可能超出可用的测距时隙、通信带宽、计算资源及能量限制。本文提出了一种基于费希尔信息的异质测距噪声环境下的协作传感器节点预选方法。所有移动节点都保持定位状态，而选定的节点则构成活跃的测距链路集。文中分别对选定节点、生成的链路、测距时隙以及各类资源的使用情况进行了量化描述。通过预测的几何结构与估计的链路质量权重，结合无量纲化的费希尔信息矩阵，将链路几何特征、与链路质量相关的权重以及拓扑结构带来的耦合效应综合起来。该算法采用两阶段贪婪策略，并通过递归矩阵更新来优化基于迹值的广义GDOP（G-GDOP）准则。实验表明，G-GDOP是一种反映局部可观测性及信息质量的指标，而非直接预示拓扑层面非线性恢复误差的参数。在相同拓扑结构下，低G-GDOP组的归一化局部均方根误差为0.698 [0.673, 0.752]，而中高G-GDOP组的相应数值分别为1.014 [0.999, 1.068]和1.980 [1.806, 2.180]。将选定节点的数量从K=6增加到K=20后，中位均方根误差从0.550米降至0.148米，同时生成的链路数量也从109条增加至214条。进一步的测试涵盖了高斯噪声与异质测距噪声、确定的NLOS偏差、在线链路质量误差以及预测位置的不确定性等问题。在所有24种规模组合中，直接反演法与伍德伯里更新法在预定容忍度范围内具有数值等效性，且在20种情况下伍德伯里更新法更具效率。因此，所提出的框架能够实现一种可解释的、考虑资源约束的节点预选机制，但并不保证无条件实时完成定位任务。
