Se propone un algoritmo de filtrado de partículas del volumen de Kalman de seguimiento fuerte fusionado con optimización mejorada de lobo gris (IGWO-STCPF). Este método primero utiliza el filtro de Kalman volumétrico de seguimiento fuerte (STCKF) combinado con información de observación para ajustar dinámicamente la media y la covarianza de las partículas, aumentando eficazmente la representatividad del muestreo de importancia; posteriormente, en la etapa de re-muestreo se introduce una estrategia de optimización de lobo gris ponderada por entropía de información para aumentar la diversidad de partículas y suprimir la degeneración. Los experimentos de simulación muestran que el algoritmo propuesto mejora la precisión de la estimación de la trayectoria en un 13,41 %, 18,58 %, 21,86 % y 21,33 % en comparación con STCKF, filtrado de partículas estándar (PF), filtrado por optimización de enjambre de partículas (PSO-PF) y filtrado por optimización de enjambre de partículas - filtro cúbico de Kalman (PSO-CPF), respectivamente. Los resultados confirman que IGWO-STCPF tiene mayor robustez y capacidad de seguimiento en entornos submarinos complejos.

vehículos submarinos autónomos; filtrado de partículas; filtrado de Kalman volumétrico de seguimiento fuerte; optimización de lobo gris; entropía de información