Spline Estimation of Paths Using Bearings-Only Tracking Data
利用仅含方位角的跟踪数据进行路径样条估计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：摘要研究几何跟踪与样条路径拟合，未涉及所列经济学领域；路径随时间变化不足以归入宏观时间序列。
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…
利用仅含方位角的跟踪数据进行路径样条估计
- 研究问题
- 只有移动对象的方位角观测时，如何估计其平面运动路径，尤其在观测稀疏时处理路径误差、结点选择与异常值？
- 方法与思路
- 作者将运动路径建模为光滑确定性曲线，以三次回归样条表示，并假定角度误差服从 Von Mises 分布进行最大似然估计。
- 材料陈述的贡献
- 摘要称该方法在稀疏观测下仍可获得位置估计，并讨论路径误差、结点数量和位置及异常检测，提供模拟与野生动物跟踪示例。
- 阅读关注点
- 应核对方位角观测的几何配置和路径可识别性、角度误差假设，以及结点选择、位置不确定性和异常值检测的实施方法。
- 阅读边界
- 仅据 OpenAlex 索引摘要，版本未注明。稀疏数据可估计不代表任意观测几何都可识别；摘要未给出误差保证，不能推断刊本变化。
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.