Une algorithme de filtrage particulaire à volume de Kalman à suivi fort fusionné avec une optimisation du loup gris améliorée (IGWO-STCPF) a été proposée. Cette méthode utilise d'abord le filtre de Kalman à volume avec suivi fort (STCKF) combiné aux informations d'observation pour ajuster dynamiquement la moyenne et la covariance des particules, améliorant efficacement la représentativité de l'échantillonnage d'importance ; ensuite, une stratégie d'optimisation du loup gris pondérée par l'entropie de l'information est introduite lors de la phase de rééchantillonnage pour renforcer la diversité des particules et supprimer la dégradation. Les simulations montrent que l'algorithme proposé améliore la précision de l'estimation de trajectoire de 13,41 %, 18,58 %, 21,86 % et 21,33 % par rapport aux méthodes STCKF, filtrage particulaire standard (PF), filtrage par optimisation par essaim de particules (PSO-PF) et filtrage par optimisation par essaim de particules - filtre cubique de Kalman (PSO-CPF), respectivement. Les résultats confirment que IGWO-STCPF possède une robustesse et capacité de suivi supérieures dans des environnements sous-marins complexes.

véhicules autonomes sous-marins; filtrage particulaire; filtre de Kalman volumétrique à suivi fort; optimisation du loup gris; entropie de l'information