[发明专利]一种基于多源数据融合的船舶位置识别方法

权利要求书

1.一种基于多源数据融合的船舶位置识别方法，其特征在于，包括：

数据校准，接收雷达发送的船舶位置数据及AIS发送的船舶位置数据，进行时间搬移和坐标变换，以使雷达发送的船舶位置数据和AIS发送的船舶位置数据形成统一的时间和空间参考点；

数据融合，使用正态隶属函数法对数据校准后的雷达测量数据及AIS测量数据进行数据融合；

坐标预测，使用卡尔曼滤波算法对船舶的轨迹进行预测，估计出船舶的坐标位置。

2.根据权利要求1所述的基于多源数据融合的船舶位置识别方法，其特征在于，使用正态隶属函数法对数据校准后的雷达测量数据及AIS测量数据进行数据融合，具体包括：

1)建立模糊因素集，建立包括三因素集的模糊因素集v(ζ1,ζ2,ζ3)；其中，ζ1表示船位，ζ2表示船速，ζ3表示航向；

2)确定模糊因素集的权重，确定权重的方法包括DELPHI法、专家调查法和层次分析法；

3)计算模糊因素的欧式距离，如下：

31)计算船位的欧式距离，如下：

ζ1(t)²＝(xi(t)-xj(t))²+(yi(t)-yj(t))²

其中，xi(t)和yi(t)分别表示通过AIS获得的t时刻的经度和纬度值；xj(t)和yj(t)分别表示通过雷达获得的t时刻的经度和纬度值；

32)计算船速的欧式距离，如下：

ζ2(t)＝|Vi(t)-Vj(t)|

其中，Vi(t)和Vj(t)分别表示通过AIS和雷达获得的t时刻的船速；

33)计算航向的欧式距离，如下：

ζ3(t)＝|Si(t)-Sj(t)|

其中，Si(t)和Sj(t)分别表示通过AIS和雷达获得的t时刻的航向；

4)计算各模糊因素的隶属度函数值，将步骤3)计算得到的船位的欧式距离、船速的欧式距离和航向的欧式距离作为模糊因子代入下式以得到各模糊因素的隶属度函数值：

ξ(ζ)＝exp[-α(ζ/σ)]

其中，α表示船位、船速或航向的权重；ζ表示船位的欧式距离、船速的欧式距离或航向的欧式距离；σ表示模糊因素集中的展度；

5)按加权平均计算综合相似度，如下：

λij(t)＝∑αkξ[ζk(t)],i∈m,j∈n

其中，k表示模糊因素集的权重，k(t)表示t时间的欧式距离；

6)基于λij(t)对来自AIS节点的航迹i和来自雷达节点的航迹j建立模糊m*n阶相关矩阵λ(t)，即

7)航迹相关检验，根据阀值法则进行航迹相关检验的步骤如下：

71)确定阀值ε的取值，取ε≥1/2；

72)在矩阵λ(t)中找出最大元素λij(t)，如果λij(t)≥ε，则判定为航迹i和j检验相关，从矩阵λ(t)中划去λij(t)所在的行和列元素得到新的降阶模糊矩阵λ1(t)，原矩阵的行号和列号保持不变；

73)对矩阵λ1(t)重复步骤72)的过程，获得λ2(t)…λm(t)，直到λm(t)中的所有元素均小于ε，则剩下的元素对应的行号和列号所代表的航迹在t时刻不相关；

74)判断从AIS动态数据获得的航迹与从雷达获得的航迹是否在任何时刻均相关，如果是，表明则它们的信息来自同一目标船舶；

75)航迹关联仿真，把雷达探测到的目标航迹与AIS所提供的目标航迹进行关联后实现信息融合。

3.根据权利要求1所述的基于多源数据融合的船舶位置识别方法，其特征在于，用卡尔曼滤波算法对船舶的轨迹进行预测，估计出船舶的坐标位置，包括：

构建AIS轨迹建模的动态方程，设在地理坐标系中，船舶的位置经纬度坐标用表示，根据恒向线航法，定位节点k时刻的坐标方程如下：

其中，表示k–1时刻船舶的坐标位置，ν(k-1)表示k–1时刻船舶的速度，θ(k-1)表示船舶k–1时刻的航向；T表示时间间隔；W_λ(k)分别表示均值为零、方差为σ_W²的高斯白噪声W(k)的两个正交分量，任意时刻W_λ(k)相互独立，表示和的平均值；

通过基于卡尔曼滤波的船舶轨迹递推过程，得到船舶k时刻的船舶位置地理坐标估计Z(k)：