La localización multi-fuente magnética está limitada por interferencias como el ruido geomagnético y el desenfoque de los límites de múltiples fuentes. Para lograr una localización precisa y sincronizada de múltiples objetivos, se propuso un método de localización de objetivos multi-fuente que fusiona la optimización no lineal Moth-Flame Optimization (MFO) y el clustering basado en densidad. Utilizando sensores magnéticos de alta precisión, se realizó la detección de anomalías magnéticas (Magnetic Anomaly Detection, MAD) en una cuadrícula plana bidimensional para confirmar el punto de máxima anomalía magnética de cada objetivo magnético. Para abordar el problema de las interferencias geomagnéticas, se diseñó un esquema de localización de anomalías magnéticas de dos puntos en el área de valor máximo de anomalía magnética. Los datos de localización de anomalías magnéticas se usaron como entrada inicial para el algoritmo MFO y, mediante optimización no lineal, se logró una mejora adicional en la precisión de la localización del objetivo magnético. Finalmente, al optimizar varias veces en el mismo objetivo magnético y formar un cúmulo denso de puntos, se utilizó el algoritmo de clustering espacial basado en densidad (Density-Based Spatial Clustering of Applications with Noise, DBSCAN) para eliminar el ruido y las anomalías de optimización que interfieren con la precisión de la localización, logrando la localización simultánea de múltiples objetivos magnéticos. Los resultados de la simulación mostraron que los 9 objetivos magnéticos lograron una localización inicial mediante el algoritmo MFO, con un error cuadrático medio (Root Mean Square Error, RMSE) promedio de 0.1346 m; los resultados del clustering eliminaron las interferencias de ruido y redujeron el RMSE promedio a 0.0764 m, con una reducción del 57.1 %, logrando así una mejora en la precisión. Los resultados experimentales indicaron que para tres objetivos magnéticos típicos en una zona de prueba de 1 m×1 m×1 m, el RMSE promedio fue inferior a 0.0812 m, demostrando que este método puede lograr una localización multi-fuente de alta precisión.

detección geomagnética; localización de dos puntos; optimización Moth-Flame; clustering por densidad; localización multi-fuente; optimización no lineal; anomalía geomagnética; algoritmo de clustering espacial