Численное сравнение алгоритмов инициализации следов объектов
Автор: Спивак В.С., Тартаковский А.Г., Беренков Н.Р.
Журнал: Труды Московского физико-технического института @trudy-mipt
Рубрика: Информатика и управление
Статья в выпуске: 1 (49) т.13, 2021 года.
Бесплатный доступ
Алгоритмы обнаружения разладки могут быть использованы в большинстве задач инициализации следов объектов. Раньше, когда вычислительная сложность была проблемой, свою популярность завоевал алгоритм K/N благодаря вычислительной легкости. Существенно более эффективный алгоритм инициализации следов может быть построен на основе метода последовательного обнаружения разладки. В данной статье мы рассматриваем алгоритм движущегося среднего. Мы сравниваем характеристики алгоритмов K/N и движущегося среднего. Критерием оптимальности является максимизация вероятности правильного обнаружения в определенном временном интервале при заданном уровне риска ложной тревоги, измеряемом как локальная вероятность ложной тревоги. Для рассматриваемых рабочих характеристик мы получаем теоретическую оценку и оценку методом Монте-Карло. Результаты показывают, что предложенный алгоритм движущегося среднего демонстрирует рабочие характеристики значительно лучшие, чем алгоритм K/N .
Последовательное обнаружение разладки, вероятность правильного обнаружения, локальная вероятность ложной тревоги, алгоритм k/n, алгоритм движущегося среднего
Короткий адрес: https://sciup.org/142229702
IDR: 142229702
Список литературы Численное сравнение алгоритмов инициализации следов объектов
- Tartakovsky A.G., Nikiforov I.V., Bassevile M. Sequential Analysis Hypothesis Testing and Changepoint Detection/ ser. Monographs on Statistics and Applied Probability. Boca Raton-London-New York: Chapman and Hall/CRC Press, 2014.
- Blackman S.S. Multiple-Target Tracking with Radar Applications, ser. Artech House Radar Library. Dedham, UK: Artech House, 1986.
- Tartakovsky A.G., Brown J. Adaptive Spatial-Temporal Filtering Methods for Clutter Removal and Target Tracking // IEEE Transactions on Aerospace and Electronic Systems. Oct. 2008. V. 44, N 4. P. 1522-1537.
- Tartakovsky A.G. Sequential Change Detection and Hypothesis Testing: General Non-i.i.d. Stochastic Models and Asymptotically Optimal Rules, ser. Monographs on Statistics and Applied Probability 165. Boca Raton, London, New York: Chapman & Hall/CRC Press, 2020.
- Tartakovsky A. G., Veeravalli V.V. Change-Point Detection in Multichannel and Distributed Systems, ser. Statistics: a Series of Textbooks and Monographs. New York, USA, 2004. V. 173. P. 339-370.
