高斯过程在机动船轨迹与尾迹联合追踪中的应用

本文是一篇研究论文，标题为"使用高斯过程同时跟踪机动船及其尾迹"，发表在《信号处理》期刊上。作者包括 Yunfei Guo、Yong Li、Anke Xue、Ratnasingham Tharmarasa 和 Thiagalingam Kirubarajan。该研究于2019年8月3日首次接收，经过修订于2019年12月26日，最终于2020年2月19日接受。文章的数字对象识别号 (DOI) 为 <https://doi.org/10.1016/j.sigpro.2020.107547>，预印本可以在SIGPRO107547中找到。 高斯过程在本文中被用来解决一个复杂的问题，即如何同时对机动船进行精确的轨迹跟踪以及分析其产生的尾迹特征。机动船的运动通常具有非线性和不确定性，因此传统的跟踪方法可能难以应对这种动态环境。高斯过程作为一种强大的机器学习工具，能够处理不确定性和非线性关系，这使得它成为处理此类问题的理想选择。 高斯过程是一种概率模型，它通过构建基于观测数据的概率分布来预测未知变量。在船舶跟踪应用中，高斯过程可以用于估计船的位置和速度，同时考虑到可能的观测噪声和机动船的运动特性（如加速度或转向角）。这种方法允许模型动态适应船舶的机动行为，从而提供更准确的实时跟踪。 论文的主要贡献可能包括： 1. **高斯过程建模**：介绍了如何将机动船的运动模型转化为高斯过程的形式，以便捕捉其复杂的动态行为。 2. **联合状态估计**：提出了一种算法，利用高斯过程同时估计船的位置和尾迹的状态，确保两者之间的关联性和准确性。 3. **不确定性量化**：探讨了如何通过高斯过程处理不确定性，如测量误差和模型不确定性，这对于船舶跟踪中的实时决策至关重要。 4. **性能评估**：展示了所提方法在仿真数据或实际海上测试中的性能对比，可能与其他传统跟踪技术进行了比较。 5. **应用场景**：可能讨论了这个方法在海洋交通管理、海上搜索与救援、环境监测等领域的潜在应用价值。 这篇论文的研究成果对于海洋工程、自动化系统以及信号处理领域有着重要的理论和实践意义，因为它提供了一种创新且有效的技术来处理复杂环境下移动目标的跟踪问题。读者可以从中学到如何在实际问题中运用高斯过程，提升动态系统的跟踪精度和鲁棒性。