融合ADMM相关滤波器与序列重要性重采样的时间序列预测

摘要：

针对序列重要性采样方法中粒子权值计算中存在系统误差的问题,提出一种新的时间序列预测方法,首先由交替方向乘子优化计算相关滤波器,再通过对偶优化变量的计算进而获取目标响应图,然后结合响应图与当前状态量的观测共同引导粒子集的准确定位.对比时间序列预测的序列重要性采样、序列重要性重采样和所提ACSIR方法的实验数据,所提方法有效地降低目标状态估计过程带来的误差.横向对比目前主流的时间序列预测方法,在VOT图像数据集上测试的结果也充分表明:所提方法显著提高了对运动目标的预测成功率.对于城市道路上的交通视频流管理和分析领域,借助所提方法可以有效地对路面车辆进行预测与通行轨迹跟踪,进而为城市交通系统分析与交通需求预测提供关键数据支持.

关键词：时间序列预测、序列重要性重采样、相关滤波器、交替方向乘子方法

所属期刊栏目：44

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目61801199,61540068;江苏省高等学校自然科学研究项目19KJA510004;南京市科委资助项目201704002

在线出版日期：2020-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：46-54