徐瑞龍 石 琳

（江蘇科技大學(xué)計(jì)算機(jī)學(xué)院 鎮(zhèn)江 212003）

1 引言

航跡跟蹤是指對航跡測量值進(jìn)行關(guān)聯(lián)處理，以便保持對航跡實(shí)時(shí)狀態(tài)的估計(jì)，包括航跡起始、航跡追蹤和航跡撤銷三個(gè)部分。其中航跡的起始是最核心的部分，包括相關(guān)波門的確立、航跡初始化、暫航的確定和建立可靠航跡。如果航跡起始不正確，則會導(dǎo)致目標(biāo)丟失，也無法及時(shí)發(fā)現(xiàn)新目標(biāo)，更不能實(shí)現(xiàn)對航跡的實(shí)時(shí)跟蹤。

航跡跟蹤過程的核心主要是由目標(biāo)狀態(tài)估計(jì)和數(shù)據(jù)關(guān)聯(lián)兩個(gè)部分構(gòu)成，一般會將二者結(jié)合起來產(chǎn)生濾波算法。周武等提出動(dòng)態(tài)聯(lián)合最近鄰算法［1］，該算法采用多幀量測數(shù)據(jù)的關(guān)聯(lián)結(jié)果動(dòng)態(tài)濾除虛假目標(biāo)，在關(guān)聯(lián)門內(nèi)與目標(biāo)預(yù)測位置“最相鄰”的量測點(diǎn)跡為關(guān)聯(lián)點(diǎn)跡，但這種方法在高密度雜波情況下，容易造成大量虛假目標(biāo)。文獻(xiàn)［2］中提出聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法，結(jié)合Kalman濾波后可以有效的對多目標(biāo)進(jìn)行跟蹤，但該算法有一個(gè)劣勢，隨著目標(biāo)數(shù)的不斷增加，其運(yùn)算量也隨之呈指數(shù)“爆炸”增大，對整個(gè)跟蹤帶來極大影響。文獻(xiàn)［3］針對量測信息缺失的目標(biāo)跟蹤問題，提出一種基于高斯?jié)u進(jìn)框架的目標(biāo)跟蹤方法，采用假設(shè)檢驗(yàn)方式刪選錯(cuò)誤的量測信息，利用改進(jìn)漸進(jìn)無跡卡爾曼濾波方法減少線性誤差與數(shù)值計(jì)算誤差，提高跟蹤精度。文獻(xiàn)［4］中利用位置濾波器和顏色概率模型提取區(qū)域中的基礎(chǔ)特征，對其進(jìn)行加權(quán)分配融合，選擇融合信度較高的作為估計(jì)目標(biāo)，此方法針對快速運(yùn)動(dòng)、變形的目標(biāo)跟蹤。文獻(xiàn)［5］中提出一種全鄰域模糊關(guān)聯(lián)多目標(biāo)跟蹤算法，該算法以模糊聚類為基礎(chǔ)，通過概率關(guān)聯(lián)，把觀測值劃分到以各個(gè)預(yù)測值為中心的類別中，實(shí)現(xiàn)關(guān)聯(lián)操作，此算法忽視了噪聲及干擾所帶來的信息不確定性及模糊性。另外還有一些順序處理技術(shù)中的直觀法、邏輯法等等。

本文結(jié)合實(shí)際工程經(jīng)驗(yàn)提出一種針對漁船、貨船等航行速度相對較慢的船舶跟蹤算法。算法提煉LSTM模型的“遺忘門”、“細(xì)胞狀態(tài)”思想，提出“暫時(shí)航跡成長值”概念，結(jié)合航跡歷史信息計(jì)算暫時(shí)航跡的可靠性，并通過凝聚耦合度量化凝聚點(diǎn)跡的質(zhì)量，減少虛假航跡，提高起始效率和目標(biāo)穩(wěn)定跟蹤的性能。

2 跟蹤理論相關(guān)知識

2.1 系統(tǒng)模型

狀態(tài)變量法是描述動(dòng)態(tài)系統(tǒng)的一種很有價(jià)值的方法，即狀態(tài)方程描述系統(tǒng)輸入，量測方程描述系統(tǒng)輸出［6］。

2.1.1 狀態(tài)方程

4）結(jié)合歷史航跡的四維歐式距離均值，篩選出橢圓波門內(nèi)的最佳量測點(diǎn)跡，即

2.1.2 量測方程

式中：Z(k+1)為目標(biāo)在k+1時(shí)刻的量測向量；H(k+1)為量測矩陣；X(k+1)為狀態(tài)向量；W(k+1)是協(xié)方差為R(k+1)的零均值、白色高斯量測噪聲系列［7］。

2.2 量測殘差或新息協(xié)方差

新息協(xié)方差主要用于衡量新息的不確定性，并且協(xié)方差值越小，表明量測值越精確。新息為

新息協(xié)方差為

其中：S(k+1)為新息協(xié)方差；P(k+1|k)為協(xié)方差的一步預(yù)測；R(k+1)為零均值、白色高斯量測噪聲系列。

2.3 跟蹤波門

其中?Zk(i)∈Zk，(i=1，2，…，n)。

常用的相關(guān)波門有環(huán)形波門、橢圓波門、矩形波門和扇形波門。環(huán)形波門一般是用在航跡起始中的初始波門，由于航跡起始時(shí)目標(biāo)一般距離較遠(yuǎn)，傳感器探測分辨率低、量測精度差，所以初始波門的門限一般設(shè)置較低；橢圓波門和矩形波門是直角坐標(biāo)系下的相關(guān)波門，扇形波門是極坐標(biāo)系下的相關(guān)波門，這些波門精度相對較高［8］。本文航跡起始主要使用環(huán)形和橢圓結(jié)合波門，外推預(yù)測進(jìn)行數(shù)據(jù)關(guān)聯(lián)。

3 構(gòu)建暫時(shí)航跡

3.1 波門搭建

本文汲取LSTM模型的思想結(jié)合航跡速度、方位偏差，計(jì)算出暫時(shí)航跡成長值(Gv)來判斷暫時(shí)航跡的可靠性。利用遺忘門fk保留歷史航跡部分信息，即根據(jù)一個(gè)凝聚周期中的關(guān)聯(lián)點(diǎn)跡和預(yù)測點(diǎn)跡占比情況，關(guān)聯(lián)點(diǎn)跡占比越大代表此凝聚點(diǎn)跡可信度越高，預(yù)測點(diǎn)跡占比越高代表此凝聚點(diǎn)跡可信度越低，以此經(jīng)過遺忘門fk決定上一狀態(tài)保留到下一狀態(tài)的信息。同時(shí)使用航跡上的點(diǎn)跡細(xì)胞狀態(tài)記錄暫時(shí)航跡信息，其類似于傳送帶，在整個(gè)航跡上運(yùn)行，只有少量的線性交互，記錄加入點(diǎn)跡后的航跡整體信息。其中輸入門為均值速度和方位偏差值的可信度［18～19］。

可是事情并不順利。當(dāng)他的母親得知我的出身背景之后，斷然拒絕了兒子的結(jié)婚請求。她狠心地說：“你們門不當(dāng)戶不對，以后不會幸福的。如果你想娶張小姐，就不要再回家了。”當(dāng)崔仁浩對我轉(zhuǎn)述他母親的話時(shí)，我們倆抱頭痛哭。

Smin=Vmin·Tr，Smax=Vmax·Tr

當(dāng)糖果遇見一根小短棒，獨(dú)特的組合改變了糖果的命運(yùn)，從此，棒棒糖風(fēng)靡世界。你想自己做一支棒棒糖嗎？方法其實(shí)很簡單，只要使用電烤盤和幾顆糖果，你就可以讓普通糖果變身成棒棒糖了，試試看吧！

則環(huán)形波門的內(nèi)外經(jīng)為

Ri=Smin，Re=Smax

橢圓波門規(guī)則為

建筑幕墻是一件舶來品，是在80年代初伴隨著改革開放的步伐進(jìn)入中國建筑市場的[1]。早期的國內(nèi)幕墻市場主要由外國公司承包，但隨著中國的改革開放，經(jīng)濟(jì)的快速發(fā)展，建筑市場的爆炸性擴(kuò)展，國內(nèi)的建筑幕墻企業(yè)也從無到有，在幕墻設(shè)計(jì)、施工技術(shù)、產(chǎn)品質(zhì)量、新產(chǎn)品、新技術(shù)等方面獲得了空前的發(fā)展。從90年代開始，國內(nèi)幕墻企業(yè)就有了走出國門，參與國際競爭的實(shí)力。筆者所在的企業(yè)，80年代就開始在中東和非洲的一些國家承接幕墻和鋁合金門窗工程。隨著世界經(jīng)濟(jì)的逐步復(fù)蘇和國家“一路一帶”政策的影響，現(xiàn)在走出去的企業(yè)越來越多。

其中：參數(shù)γ由χ2分布表獲得；S為新信息協(xié)方差；若量測值Zc(k+1)為n維，則V～k+1(γ)是具有n個(gè)自由度的χ2分布隨機(jī)變量。當(dāng)n=2時(shí)，χ2分布臨界值如表1所示。

以雷達(dá)掃描的第一幀點(diǎn)跡為初始航跡點(diǎn)，建立一批暫時(shí)航跡，并利用環(huán)形和橢圓結(jié)合波門篩選后續(xù)關(guān)聯(lián)點(diǎn)跡［9～10］，具體步驟如下。

表1 自由度為2的χ2分布臨界值

綜上結(jié)合波門（如圖1所示）中的關(guān)聯(lián)點(diǎn)跡應(yīng)滿足如下公式：

圖1 環(huán)形波門與橢圓波門的結(jié)合

其中，ω1=0.5和ω2=0.37分別為權(quán)重，γ=1.53是指擴(kuò)張比例系數(shù)［12～13］。

3.2 數(shù)據(jù)關(guān)聯(lián)

為了減少噪聲干擾突出點(diǎn)跡之間的關(guān)聯(lián)度，航跡建立中多以四維歐式距離（位置、速度、航向）作為參考距離。

從圖2可以看出：第1個(gè)點(diǎn)到第3個(gè)點(diǎn)是屬于人體坐起階段的第一階段，是坐起過程的準(zhǔn)備階段；第三個(gè)點(diǎn)到第六個(gè)點(diǎn)是坐起過程中最重要的階段，也是液壓助力系統(tǒng)幫助老年人起身的主要運(yùn)動(dòng)階段；第六個(gè)點(diǎn)到第十一個(gè)點(diǎn)屬于坐起階段的第三個(gè)階段，人體在此階段已經(jīng)直立，屬于穩(wěn)定階段.

步驟1建立暫時(shí)航跡

假設(shè)Zk(i)為k時(shí)刻第i個(gè)量測點(diǎn)跡(i=1，2，…，n)，則Zk表示第k幀雷達(dá)掃描得到的量測點(diǎn)跡集合，即

Zk={Zk(1)，…，Zk(n)}

跟蹤波門是用于檢測觀測值是否和目標(biāo)相關(guān)聯(lián)的一種決策門限。波門的大小主要依賴于預(yù)測誤差、雷達(dá)量測誤差、目標(biāo)運(yùn)動(dòng)特性、坐標(biāo)系的選擇和天線掃描周期等。

從該試驗(yàn)中水溫變化曲線分析認(rèn)為，造成這種突降變化的干擾因素是在180～200 m的深度區(qū)間，并不是來自深部，排除地震前兆異常的可能性。

我點(diǎn)點(diǎn)頭，打開了鞋柜一側(cè)的傘柜。結(jié)果我看到了那天丟失的傘，那把爺爺留下的傘。我絕對不可能認(rèn)錯(cuò)那個(gè)燙著一串英文的傘柄——那可是堂哥從英國買回來送給爺爺?shù)亩Y物。方圓十公里恐怕不會有第二把這個(gè)式樣的傘。

步驟2波門處理

1）利用二維歐式距離公式，篩選出下一幀落入環(huán)形波門內(nèi)的量測點(diǎn)跡Zk+1與上一幀建立暫時(shí)航跡T Ri(i=1，…，n)；

2）通過邊角公式篩除虛假點(diǎn)跡，公式為

3）橢圓波門參數(shù)設(shè)置為γ=9.21(p=0.01)進(jìn)行二次過濾；

式中：X(k+1)為目標(biāo)在k+1時(shí)刻的運(yùn)動(dòng)狀態(tài)；F(k)為狀態(tài)轉(zhuǎn)移矩陣；G(k)為過程噪聲分布矩陣；V(k)為過程噪聲向量。

鋼纖維再生混凝土配合比見表1。水泥采用山西文水生產(chǎn)的P·O 42.5水泥；砂為山西汾陽普通河砂，細(xì)度模數(shù)為2.92；再生粗骨料為太原市某小區(qū)拆遷廢棄混凝土，粒徑5～20 mm；天然粗骨料為太原某石場破碎的石子，粒徑5～20 mm；減水劑為高性能聚羧酸減水劑；鋼纖維為鄭州禹建鋼纖維有限公司生產(chǎn)的銑削型鋼纖維，產(chǎn)品特性見表2；受拉端鋼板和試件粘結(jié)所用膠為南京天力信粘鋼膠。本試驗(yàn)的鋼纖維摻量按鋼纖維體積含量分別為0%、0.3%、0.5%、0.7%和1%，用再生粗骨料替代30%的天然粗骨料。

式中：Zn+1(j)為波門內(nèi)最佳關(guān)聯(lián)點(diǎn)跡；norm(Zk(i)-Zk+1(i))為兩幀點(diǎn)跡的位置、速度、方向的四維歐氏距離；Zn+1(t)為此幀量測點(diǎn)跡。

步驟3丟幀處理

4 建立可靠航跡

4.1 凝聚耦合度

凝聚點(diǎn)跡采用均值方法實(shí)現(xiàn)，即將一個(gè)凝聚周期Tc(Tc=N·Tr，N為常數(shù))內(nèi)的若干個(gè)原始點(diǎn)跡通過均值運(yùn)算所得到的點(diǎn)跡（本文一個(gè)凝聚周期內(nèi)共有8幀原始點(diǎn)跡）。

一個(gè)凝聚周期內(nèi)的原始點(diǎn)跡包括關(guān)聯(lián)點(diǎn)跡和丟幀后進(jìn)行外推處理的預(yù)測點(diǎn)跡。對于關(guān)聯(lián)點(diǎn)跡需要判斷其關(guān)聯(lián)情況，即和其他點(diǎn)跡的相似度，相似度越高關(guān)聯(lián)情況越好。對于預(yù)測點(diǎn)跡，需要判斷預(yù)測點(diǎn)跡是否偏離原有航跡，如果點(diǎn)跡過度偏離航跡則此凝聚點(diǎn)跡可信度將降低，不排除為虛假點(diǎn)跡的可能，因此提出“凝聚耦合度(Cd)”概念，量化出點(diǎn)跡的凝聚質(zhì)量，判斷是否為虛假航跡［11］。

目前國內(nèi)高校畢業(yè)生學(xué)習(xí)方法論掌握不足，部分工科學(xué)生在實(shí)際工作崗位上明顯表現(xiàn)出缺乏工程師應(yīng)有的素養(yǎng)與能力，這已經(jīng)成為一個(gè)較為普遍的問題。新工科學(xué)生核心能力當(dāng)中的學(xué)術(shù)能力和社會能力主要包括學(xué)術(shù)寫作、知識管理、信息素養(yǎng)、有效交流、人際交往、團(tuán)隊(duì)協(xié)作、領(lǐng)導(dǎo)能力、全球性思維等。這些能力的獲得，僅僅依靠學(xué)校工科教學(xué)計(jì)劃的完成是遠(yuǎn)遠(yuǎn)不夠的，這需要學(xué)習(xí)方法論的掌握。因此，在校學(xué)習(xí)期間可以采用講座的形式開設(shè)學(xué)習(xí)、研究、實(shí)踐、寫作等方法方面的課堂教學(xué)供學(xué)生學(xué)習(xí)，并結(jié)合課程教學(xué)實(shí)踐，逐步形成良好的工程技術(shù)素養(yǎng)。

首先計(jì)算當(dāng)前幀原始點(diǎn)跡與暫時(shí)航跡耦合系數(shù)值FC，而FC與點(diǎn)跡幀間的重疊系數(shù)和暫航的預(yù)測點(diǎn)跡有關(guān)。因?yàn)榇佥^慢，在一個(gè)掃描周期內(nèi)，船的位置變化不大，在兩幀點(diǎn)跡時(shí)間差不大的前提下，計(jì)算原始點(diǎn)跡幀間的重疊系數(shù)，若重疊系數(shù)大于ε(ε=0.1)，則耦合系數(shù)值F C=1+ε；若重疊系數(shù)不大于ε，則當(dāng)前幀原始點(diǎn)跡與暫時(shí)航跡的預(yù)測點(diǎn)跡進(jìn)行關(guān)聯(lián)處理。令預(yù)測點(diǎn)跡與當(dāng)前幀原始點(diǎn)跡之間的徑向距離差為dr，方位差為dp，若徑向距離差小于原始點(diǎn)跡的距離厚度Dω，且方位差小于其方位寬度Dp，則耦合系數(shù)為

式（7）中，DSz為兩次量測點(diǎn)跡的二維歐氏距離差。

由于雷達(dá)2.5s掃描一幀，在雷達(dá)點(diǎn)跡不丟失的前提下，20s凝聚周期內(nèi)共有8幀原始點(diǎn)跡。如原始點(diǎn)跡數(shù)量不大于2幀，則判斷為雜波點(diǎn)，凝聚耦合度為0，暫時(shí)航跡在更新周期內(nèi)作丟點(diǎn)處理；如原始點(diǎn)跡中關(guān)聯(lián)點(diǎn)跡數(shù)量不少于7幀，則凝聚耦合度很高，設(shè)為1。如原始點(diǎn)跡數(shù)量為3幀～6幀之間，假設(shè)點(diǎn)跡環(huán)上關(guān)聯(lián)的點(diǎn)跡個(gè)數(shù)為m1，通過外推預(yù)測相關(guān)的點(diǎn)跡個(gè)數(shù)為m2，對應(yīng)的耦合系數(shù)為F C1…F Cm2，其中m1+m2≤7［14～15］。該點(diǎn)跡環(huán)在凝聚周期內(nèi)，假設(shè)Zcg(i)，(i=1，…，8)，為凝聚周期中的關(guān)聯(lián)點(diǎn)跡。

凝聚耦合度為

其中：Dm(x)代表馬氏距離，μ代表樣本均值；∑代表樣本協(xié)方差矩陣；Dˉ表示一個(gè)凝聚周期中所有原始點(diǎn)跡到該集合的馬氏距離均值；式（13）代表關(guān)聯(lián)點(diǎn)跡馬氏距離的標(biāo)準(zhǔn)差。

4.2 航跡成長值

LSTM（Long-Short Term Memory）即長短期記憶網(wǎng)絡(luò)模型，改善了普通的循環(huán)神經(jīng)網(wǎng)絡(luò)存在結(jié)點(diǎn)記憶快速衰弱的缺點(diǎn)［16］。LSTM模型結(jié)構(gòu)包含一組相互聯(lián)系的遞歸子網(wǎng)絡(luò)，也就是記憶模塊。每個(gè)模塊包含一個(gè)或多個(gè)自相關(guān)的核心信元cell和三個(gè)用于控制信息流入存儲單元以及從單元到網(wǎng)絡(luò)的新增單元，即輸入門、輸出門和遺忘門［17］。

盛慶余平時(shí)還特別注重對年輕教師的培養(yǎng)，在教學(xué)中，常常指導(dǎo)年輕教師編寫講義、制作課件、命制試卷、規(guī)范書寫教案等，很多年輕教師進(jìn)步非常明顯，并在教學(xué)工作中慢慢嶄露頭角。

假設(shè)雷達(dá)掃描周期為Tr，船舶航行的最小速度為Vmin，最大速度為Vmax，則船舶在一個(gè)雷達(dá)周期Tr內(nèi)航行的最大最小距離分別為

Serum levels of FSH and LH were also detected.Compared with the control group,there was no difference in serum FSH levels in either the estradiol valerate or KTC groups(Figure 3C).The serum levels of LH were all below the detection limit(＜0.1 mIU/mL).

4.3 暫時(shí)航跡過濾處理

預(yù)測系數(shù)(σk)是指一個(gè)凝聚周期中關(guān)聯(lián)點(diǎn)跡數(shù)和預(yù)測點(diǎn)跡數(shù)占比情況。暫航成長值(Gv)是綜合考慮位置、速度、航向、關(guān)聯(lián)值數(shù)量等多種影響因素的數(shù)據(jù)關(guān)聯(lián)值［20～21］。

步驟1利用連續(xù)兩個(gè)凝聚點(diǎn)跡速度、方位差值，計(jì)算暫時(shí)航跡成長值Gv：

現(xiàn)代漢語“讓”字的句法功能之一是填充主語。例如在例句（22）中，“讓”字填充了主語成分，即“讓6個(gè)月大的孩子學(xué)習(xí)走路”整個(gè)這一結(jié)構(gòu)填充了主語成分。此外，在現(xiàn)代漢語中，“讓”字除了填充主語外，還可以填充補(bǔ)語。這一結(jié)構(gòu)可以用樹形圖表示出來。如圖4所示。

其中xk(i)，yk(i)分別表示此點(diǎn)跡的坐標(biāo)位置。

式（16）、（17）表示Zk(1)、Zk(3)，Zk(2)、Zk(4)，Zk(3)、Zk(5)等之間的速度和方位偏差的占比；式（20）表示前k個(gè)凝聚周期的關(guān)聯(lián)點(diǎn)跡占比；式（21）中，fk-1表示上一狀態(tài)的保留系數(shù)；Ck-1表示上一幀的成長值；ik表示第k個(gè)凝聚點(diǎn)跡的輸入狀態(tài)。

隨著人們對人力資源管理認(rèn)識水平的提高，通信公司也更為注重人力資管管理的水平和效果。為進(jìn)一步促進(jìn)通信公司人力資源管理水平的提高，將薪酬管理與績效管理融合是十分關(guān)鍵的。薪酬與績效管理作為人力資源管理的重要組成部分，對人力資源管理水平的提高有重要的影響。薪酬與績效管理的完善，有利于提高人們對人力資源管理的認(rèn)識，還有利于改善通信公司的人力資源配置，更有利于促進(jìn)通信公司人員的自我實(shí)現(xiàn)。

步驟2規(guī)則門限

滿足規(guī)則（22）則起始確認(rèn)為穩(wěn)定航跡，給予起始［22］。

5 仿真結(jié)果與分析

基于上述提出的融合凝聚耦合度與航跡成長值的船舶跟蹤算法（以下簡稱融合算法），采用加入噪聲的CV模型（二階勻速模型），利用Matlab 2017a進(jìn)行仿真實(shí)驗(yàn)，測試算法跟蹤效果。針對最近鄰數(shù)據(jù)關(guān)聯(lián)算法，模擬四條目標(biāo)航跡，起始位置分別為［3500m，3500m］、［4500m，2500m］、［4500m，4500m］和［5500m，1500m］；針對邏輯法和融合算法，假設(shè)有三條目標(biāo)航跡，各個(gè)目標(biāo)起始位置分別為［400m，950m］、［450m，650m］和［550m，350m］，船舶起始方位角為15°，速度為26 km/h，x、y方向上的擾動(dòng)因素為σx=5，σy=3雷達(dá)掃描周期Tr=2.5s，凝聚周期Tc=20s。對式（1）、（2）取：

式（4）中：

仿真場景中考慮到船舶的機(jī)動(dòng)性，航跡交叉等情況。圖2為仿真最近鄰數(shù)據(jù)關(guān)聯(lián)算法跟蹤航跡圖，雖然實(shí)現(xiàn)了目標(biāo)跟蹤，但在高密度雜波情況下很容易產(chǎn)生虛假目標(biāo)（橢圓圈出的航跡），對航跡跟蹤產(chǎn)生很大影響；圖3、4使用順序處理技術(shù)的經(jīng)典邏輯算法仿真，從圖3中可以看出算法仿真結(jié)果也存在少量的虛假航跡（橢圓圈出的航跡），另外比較圖4中的觀測值軌跡，目標(biāo)2存在航跡起始不正確和目標(biāo)丟失情況。使用融合算法仿真效果如圖5、圖6，仿真結(jié)果表明，該算法比最近鄰數(shù)據(jù)關(guān)聯(lián)算法和經(jīng)典邏輯算法的跟蹤性能有很大改善。算法中的凝聚點(diǎn)跡質(zhì)量可以有效地減少雜波、噪聲影響，降低虛假目標(biāo)的出現(xiàn)；同時(shí)暫時(shí)航跡成長值類似于加分機(jī)制充分結(jié)合整條航跡各個(gè)點(diǎn)跡當(dāng)前和歷史有效信息，避免了只考慮部分航跡信息，減少特殊化、時(shí)效化對整個(gè)航跡的影響，有效地量化航跡可靠性，實(shí)現(xiàn)航跡的正確跟蹤，具有更高的可靠性和有效性。

與此同時(shí)，結(jié)構(gòu)性調(diào)整加速優(yōu)勝劣汰。2017年，“新三板”整體退市率為6.1%，其中只有14.7%的企業(yè)達(dá)到首次公開募股（IPO）財(cái)務(wù)標(biāo)準(zhǔn)。[2]繼2017年“世紀(jì)天鴻”登陸A股后，2018年6月，“中信出版”和“億童文教”在“新三板”停牌并正式進(jìn)入IPO審核階段，如果成功則轉(zhuǎn)板率大大高于其他細(xì)分行業(yè)。另外，30家“新三板”新聞和出版企業(yè)的平均凈資產(chǎn)收益率出現(xiàn)波動(dòng)，負(fù)值企業(yè)從2015年的4家上升到2017年的8家，其中2家面臨退市風(fēng)險(xiǎn)。

圖2 最近鄰數(shù)據(jù)關(guān)聯(lián)算法跟蹤航跡圖

圖3 邏輯法跟蹤航跡圖

圖4 邏輯法跟蹤雜波點(diǎn)跡圖

圖5 融合算法航跡圖

圖6 融合算法點(diǎn)跡雜波圖

6 結(jié)語

針對漁船、貨船等航行較慢的船只跟蹤問題，本文提出融合凝聚耦合度與航跡成長值的船舶跟蹤算法。該算法借鑒了LSTM模型思想，設(shè)計(jì)成長值機(jī)制，結(jié)合凝聚耦合度和雙波門進(jìn)行暫時(shí)航跡過濾，利用四維歐式距離、角度偏轉(zhuǎn)門限估計(jì)最佳航跡點(diǎn)，降低了計(jì)算量的同時(shí)，避免噪聲、雜波的影響，保證了虛假目標(biāo)的剔除，實(shí)現(xiàn)快速正確起始，仿真結(jié)果表明該算法能夠可靠地跟蹤航跡。為近海交通管理、海洋漁業(yè)執(zhí)法提供了一種較為有效的目標(biāo)跟蹤方法，在工程實(shí)踐上具有廣泛的應(yīng)用價(jià)值。