AUV tracking method based on Improved Grey Wolf Optimizer and Strong Tracking Cubature Kalman Particle Filter

XING Chuanxi; MENG Yihan; MENG Qiang; BAO Debiao

doi:10.13471/j.cnki.acta.snus.ZR20250190

您当前的位置：

首页 >

文章列表页 >

AUV tracking method based on Improved Grey Wolf Optimizer and Strong Tracking Cubature Kalman Particle Filter

Column of unmanned system (Contributing editor: WANG Hairong) | 更新时间：2026-01-19

- AUV tracking method based on Improved Grey Wolf Optimizer and Strong Tracking Cubature Kalman Particle Filter
- Acta Scientiarum Naturalium Universitatis Sunyatseni Vol. 65, Issue 1, Pages: 64-75(2026)
- 作者机构：
  
  云南民族大学电气信息工程学院 / 云南省无人自主系统重点实验室，云南昆明 650504
- 作者简介：
- 基金信息：
- DOI：10.13471/j.cnki.acta.snus.ZR20250190
  CLC： TP24;TN713
- Received：05 September 2025，
  
  Accepted：15 October 2025，
  
  Online First：27 October 2025，
  
  Published：25 January 2026
- 稿件说明：
移动端阅览
邢传玺,孟轶涵,孟强等.基于IGWO-STCPF的自主水下航行器跟踪方法[J].中山大学学报(自然科学版)(中英文),2026,65(01):64-75.

XING Chuanxi,MENG Yihan,MENG Qiang,et al.AUV tracking method based on Improved Grey Wolf Optimizer and Strong Tracking Cubature Kalman Particle Filter[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2026,65(01):64-75.
邢传玺,孟轶涵,孟强等.基于IGWO-STCPF的自主水下航行器跟踪方法[J].中山大学学报(自然科学版)(中英文),2026,65(01):64-75. DOI： 10.13471/j.cnki.acta.snus.ZR20250190.

XING Chuanxi,MENG Yihan,MENG Qiang,et al.AUV tracking method based on Improved Grey Wolf Optimizer and Strong Tracking Cubature Kalman Particle Filter[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2026,65(01):64-75. DOI： 10.13471/j.cnki.acta.snus.ZR20250190.

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。

Abstract

This paper proposes an Improved Grey Wolf Optimization-based Strong Tracking Cubature Kalman Particle Filter algorithm（IGWO-STCPF）.The proposed method first employs a Strong Tracking Cubature Kalman Filter（STCKF） to incorporate measurement information for dynamically adjusting the particle mean and covariance， thereby enhancing the effectiveness of importance sampling. Then， an entropy-weighted GWO is introduced into the resampling stage to mitigate particle degeneration and improve estimation accuracy. Simulation results demonstrate that， compared with STCKF，PF，PSO-PF，and PSO-CPF algorithms， the proposed IGWO-STCPF improves trajectory estimation accuracy by 13.41%，18.58%，21.86%，and 21.33%，respectively. These results confirm the robustness and effectiveness of the proposed method in complex underwater scenarios.

关键词

Keywords

references

丁瑞成，周玉成， 2022 . 引入莱维飞行与动态权重的改进灰狼算法［J］. 计算机工程与应用， 58 （ 23 ）： 74 - 82 .

杜睿山，井远光，付晓飞，等， 2025 . 采用动态种群策略的多目标粒子群优化算法［J］. 吉林大学学报（理学版）， 63 （ 3 ）： 845 - 854 .

申明亮，唐骏，黄豆豆，等， 2024 . 改进布谷鸟算法优化粒子滤波的多目标跟踪方法［J］. 电子测量技术， 47 （ 3 ）： 84 - 90 .

王力，贾欣雨， 2023 . 基于PSO-PF-SVM的模拟电路故障诊断［J］. 江苏大学学报（自然科学版）， 44 （ 2 ）： 221 - 228+234 .

王宁，谷海涛，高浩，等， 2024 . 深海AUV无动力垂直下潜运动特性研究［J］. 舰船科学技术， 46 （ 6 ）： 104 - 111 .

王威，宫淑丽，李晓明， 2024 . 基于IGWO-STCKF的目标跟踪算法［J/OL］. 北京航空航天大学学报， 1 - 13 . doi： 1013700/j.bh.1001-5965.2024.0623 http://dx.doi.org/1013700/j.bh.1001-5965.2024.0623 .

谢少彪，张宇，温凯瑞，等， 2021 . 非合作目标强跟踪容积卡尔曼滤波运动状态估计［J］. 吉林大学学报（工学版）， 51 （ 4 ）： 1482 - 1489 .

曾润，田杰，江虹，等， 2022 . 改进粒子滤波的无人机航迹预测方法［J］. 传感器与微系统， 41 （ 5 ）： 148 - 151 .

朱凯鹏，王全政，杨文政，等， 2025 . 基于改进粒子群优化算法的船舶避碰研究［J］. 传感器与微系统， 44 （ 4 ）： 40 - 43+47 .

张文宇，高岳林，郭灿， 2025 . 基于自适应混合粒子群算法的无人机三维路径规划［J/OL］. 西安理工大学学报， 1 - 14 . https：//kns.cnki.net/kcms2/article/abstract？v=Ks9d5K SMf4X3lNplb2giyOM3o0Y0tpJqFYYriUqfuPVgoho9mbnPA-XTDSsxjPTXuHvhFPFbB4xq5XQp8BBU-3jG5Ze QiDvkzSW2mywpxg7JDpsWC9zGxRHGgmlW1lm6L158uXwNsOHrAg4-47k_pwFABVGqq8Qa6xAz2qvnVFex djVXGUxZzw==&uniplatform=NZKPT&language=CHS https://kns.cnki.net/kcms2/article/abstract?v=Ks9d5KSMf4X3lNplb2giyOM3o0Y0tpJqFYYriUqfuPVgoho9mbnPA-XTDSsxjPTXuHvhFPFbB4xq5XQp8BBU-3jG5ZeQiDvkzSW2mywpxg7JDpsWC9zGxRHGgmlW1lm6L158uXwNsOHrAg4-47k_pwFABVGqq8Qa6xAz2qvnVFexdjVXGUxZzw==&uniplatform=NZKPT&language=CHS .

ARASARATNAM I ， HAYKIN S ， 2011 . Cubature Kalman smoothers ［J］. Automatica ， 47 （ 10 ）： 2245 - 2250 .

CHOPPALA P B ， ADEOGUN R ， 2025 . Auxiliary particle filtering with multitudinous lookahead sampling for accurate target tracking ［J］. IEEE Access ， 13 ： 42874 - 42886 .

CHU S ， QIAN H M ， YAN S Y ， et al ， 2023 . Adaptive robust maximum correntropy Cubature Kalman Filter for spacecraft attitude estimation ［J］. Adv Space Res ， 72 （ 8 ）： 3376 - 3385 .

DAI Q ， XIAO G R ， ZHOU G H ， et al ， 2024 . A novel Gaussian sum quaternion constrained Cubature Kalman Filter algorithm for GNSS/SINS integrated attitude determination and positioning system ［J］. Front Neurorobot ， 18 ： 1374531 .

GE J Y ， CHENG J H ， QI B ， 2024 . A non-rigid terrain transformation particle filter suitable for terrain-aided navigation without sound velocity profile ［J］. Ocean Eng ， 294 ： 116858 .

PARK S ， HWANG J P ， KIM E ， et al ， 2009 . A new evolutionary particle filter for the prevention of sample impoverishment ［J］. IEEE Trans Evol Comput ， 13 （ 4 ）： 801 - 809 .

PENG D ， XIE K ， LIU M S ， 2024 . Application of Gray Wolf Particle Filter algorithm based on golden section in wireless sensor network mobile target tracking ［J］. Electronics ， 13 （ 13 ）： 2440 .

WANG C ， CHENG C S ， YANG D Y ， et al ， 2023 . Underwater AUV navigation dataset in natural scenarios ［J］. Electronics ， 12 （ 18 ）： 3788 .

YANG J Y ， YAO Y T ， YANG D H ， 2023 . Particle filter based on Harris hawks optimization algorithm for underwater visual tracking ［J］. J Mar Sci Eng ， 11 （ 7 ）： 1456 .

YILMAZ M K ， BAYRAM H ， 2023 . Particle filter-based aerial tracking for moving targets ［J］. J Field Robot ， 40 （ 2 ）： 368 - 392 .

ZHANG A ， BAO S D ， GAO F ， et al ， 2019 . A novel strong tracking cubature Kalman filter and its application in maneuvering target tracking ［J］. Chin J Aeronaut ， 32 （ 11 ）： 2489 - 2502 .

ZHANG J Y ， ZHANG T ， LIU S D ， 2023 . An outlier-robust Rao-Blackwellized particle filter for underwater terrain-aided navigation ［J］. Ocean Eng ， 288 ： 116006 .

ZHANG J ， ZHANG T ， LIU S D ， et al ， 2024 . A robust particle filter for ambiguous updates of underwater terrain-aided navigation ［J］. Mechatronics ， 98 ： 103133 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Characteristics of agricultural water use in Emin irrigation area based on principal component and information entropy

A comprehensive decision-making algorithm of residence and workplace based on the identification of cellular signaling track points

A preliminary study on text style analysis based on information entropy

Development of high-efficiency gemini foaming agent ULT-1 for coalbed methane well

Design and implementation of transaction monitoring visualization system oriented to banking business

Related Author

LIU Yu

LI Shunshun

REN Congzhe

YANG Haimei

MA Junyong

FAN Wenbo

WANG Shiwei

XIONG Chen

Related Institution

College of Water Conservancy & Architectural Engineering， Shihezi University

Key Laboratory of Modern Water-Saving Irrigation of Xinjiang Production & Construction Group

Xinjiang Academy of Agricultural Reclamation

School of Intelligent Systems Engineering，Sun Yat-sen University / Guangdong Key Laboratory of Intelligent Transportation Systems

School of Data and Computer Science， Sun Yat-sen University

Postal code：510275
Tel：020-84112585，84113223 Email：xuebaozr@mail.sysu.edu.cn
Technical support is provided by Beijing Founder electronics co., LTD 京ICP备09064830号-19 京公网安备11010802024621
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰