基于航迹大模型的航迹增强技术

摘要

传统基于隐马尔科夫过程模型的航迹增强方法，受限于短记忆马尔科夫假设、高斯噪声假设等，在高机动性、强行为规律的航迹增强中表现不佳.受GPT在语言处理领域巨大成功的启发，基于Transformer架构，构建了航迹增强领域的航迹大模型T-former.通过引入Patch分割、 Mamba/Informer长序列建模、预测编码与矢量量化等技术，显著提升了T-former对航迹结构规律的学习能力.实验表明，T-former在航迹预测和滤波任务中均优于传统方法，验证了其在复杂航迹分析任务中的有效性与优越性.

关键词

航迹增强 / 航迹大模型 / 航迹预测 / 航迹插补 / 航迹滤波 / 航迹平滑