首先建立关于Xtm（k）和Xmci（k）的滤波估计。其中，主飞行器M与目标航天器的相对状态估计采用扩展卡尔曼滤波，基于以下动力学方程和量测方程建立：

而主飞行器M相对于从飞行器Ci的状态估计采用线性卡尔曼滤波，基于以下动力学方程和量测方程建立：

在此基础上，以最优估计值的向量和作为从飞行器Ci对目标航天器的测量值，间接建立从飞行器Ci的量测方程，则

从飞行器Ci与目标的相对动力学方程为

结合式（7-41）即可建立关于Xtci（k）的卡尔曼滤波，并得到其最优估计，则(www.daowen.com)

式中：为关于的滤波误差。

由于在滤波过程中测量误差已经被有效抑制，因此在不考虑协方差的条件下有

按照上述思路，如图7-4所示，分布式协同定位滤波的工作流程如下：

（1）主飞行器M测量目标航天器并得到其方位角和距离信息测量从飞行器Ci并得到其相对位置信息

（2）建立关于相对状态Xtm（k＋1）的扩展卡尔曼滤波算法，通过迭代得到并将发送给从飞行器Ci。

（3）建立关于相对状态Xmci（k＋1）的卡尔曼滤波算法，通过迭代得到其最优状态估计，并将发送给从飞行器Ci。

（4）从飞行器Ci接收到之后，建立对目标航天器的间接量测方程，同时结合动力学方程，建立关于Xtci（k＋1）的最优估计并得到分布式滤波独立考虑了编队飞行器M、Ci和目标航天器三者之间的相对动力学特性，并且将原来高维集中式定位滤波器分散为多个6维滤波器，其滤波迭代计算过程也分散至集群内多个飞行器并行计算完成，因此称为分布式定位滤波算法。对比集中式定位滤波算法，显然分布式定位滤波算法降低了滤波维数和计算量，因此保证了较高的精度。