基于IGWO-STCPF的自主水下航行器跟踪方法

摘要

提出了一种融合改进灰狼优化的强跟踪容积卡尔曼粒子滤波算法（IGWO-STCPF）。该方法首先利用强跟踪容积卡尔曼滤波（STCKF）结合观测信息动态调整粒子均值和协方差，有效提高重要性采样的代表性；随后在重采样阶段引入信息熵加权的灰狼优化策略，以增强粒子的多样性并抑制退化现象。仿真实验表明，相比STCKF、标准粒子滤波（PF）、粒子群优化滤波（PSO-PF）和粒子群优化-立方卡尔曼粒子滤波（PSO-CPF）方法，所提算法在轨迹估计精度上分别提升了13.41%、18.58%、21.86%和21.33%。结果验证了IGWO-STCPF在复杂水下环境中具备更强的鲁棒性和跟踪性。

关键词

水下自主航行器 / 粒子滤波 / 强跟踪容积卡尔曼滤波 / 灰狼优化 / 信息熵