针对基于粒子群优化算法的粒子滤波计算复杂度大，并且容易陷入局部最优，提出了一种新的基于混沌的粒子群优化粒子滤波算法。该算法在粒子群优化的基础上，引入混沌序列，利用混沌运动的遍历性、随机性等特点改善了初始样本的质量，同时利用混沌扰动避免搜索过程陷入局部最优，使算法具有更快的收敛速度和更好的全局搜索能力。最后利用UNGM模型将该算法与标准粒子滤波和粒子群粒子滤波进行仿真对比，并利用纯角度目标跟踪模型验证了算法的有效性。实验结果表明，该算法改善了粒子群优化算法的粒子滤波易陷入局部最优的现象，提高了粒子滤波的精度和速度，具有较高的应用价值。
粒子滤波 混沌 粒子群优化 Logistic映射 Particle Filter(PF) chaos particle swarm optimization Logistic mapping
