假设系统无确定性输入，集群系统的动力学方程的形式与式（7-11）相同。此时，由于编队主飞行器M对目标的相对测量模式发生变化，集群的相对测量方程可以写为

式中：向量M和P可以表示为

式（7-24）中Htm（k）是非线性量测方程式（7-21）所对应的雅克比矩阵，其具体形式为

式中：为编队主飞行器M与目标航天器的相对状态最优估计。

显然将式（7-11）作为系统的动力学方程，式（7-21）作为量测方程，采用线性／非线性卡尔曼滤波理论，动力学状态变量XJ（k＋1）的一步预测可以表示为(www.daowen.com)

集群状态向量的一步估计可以表示为

式中：Kk为滤波增益矩阵，与滤波协方差矩阵一样，可以根据卡尔曼滤波迭代递推得到，这里不再赘述。当由式（7-28）得到之后，可将从飞行器Ci相对目标的位置信息Xtci（k）提取出来。

集中式定位滤波算法综合考虑了任意两个航天器之间的相对动力学特性，在滤波迭代过程中，各个测量误差均可以得到有效的抑制。此外，集中式定位滤波算法充分利用了测量量之间的几何关系，间接得到了任意从飞行器Ci相对目标航天器的位置信息。但是，集中式定位滤波算法随着编队飞行器个数N的增多，系统动力学状态维数按照12N关系增多。滤波迭代过程中的计算量更是按照指数关系急剧增加，显然当考虑的成员较多时，集中式定位滤波算法的计算量过大，实时性难以得到保障。