Spline Estimation of Paths Using Bearings-Only Tracking Data
仅方位跟踪数据的轨迹样条估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究方位观测下的空间轨迹重建与样条估计，并未明确涉及给定细分中的经济或金融计量对象，因此暂不分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
仅方位跟踪数据的轨迹样条估计
- 研究问题
- 仅观察移动对象的方位角、且观测可能稀疏时，如何估计其平面运动轨迹，并处理样条节点配置、轨迹误差与异常观测？
- 方法与思路
- 作者将运动轨迹表示为平面中的平滑确定性曲线，采用三次回归样条，并在方位观测误差服从 von Mises 分布时作最大似然估计。
- 材料陈述的贡献
- 摘要称即使数据稀疏也可获得位置估计，并讨论节点数目与位置、轨迹估计误差及异常值检测，以模拟和野生动物跟踪展示。
- 阅读关注点
- 应核对仅方位数据识别位置所需的观测几何条件、误差分布设定，以及样条节点选择对稀疏数据估计的影响。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；位置识别条件、节点选择规则及误差数值未说明，不能推及任意跟踪布局。
原文摘要
In many applications, bearings are measured to a moving object with the goal of estimating the object's course of movement. If movement is appropriately modeled as a smooth deterministic curve in the plane, then a cubic spline is a reasonable representation of the curve. Maximum likelihood estimators are presented for parameters of regression splines, assuming that observation errors follow a Von Mises distribution. Location estimates are obtainable even when data are sparse. Path estimation error, number and placement of knots, and outlier detection are discussed. Examples, including both simulated paths and observations from a wildlife radio-tracking study, are presented.