[发明专利]一种基于多源数据融合的船舶位置识别方法

说明书

本发明涉及一种基于多源数据融合的船舶位置识别方法，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。本发明使用多源数据融合技术对雷达和AIS检测到的数据进行融合，通过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，一旦船舶进入被禁区域且有抛锚趋势，可自动对相应船舶发出警告或驱离以达到保护海域的作用。

技术领域

本发明涉及雷达目标探测、船舶自动识别系统(AIS)和计算机图形处理技术领域，特别是一种基于多源数据融合的船舶位置识别方法。

背景技术

雷达是利用电磁波探测目标的电子设备。雷达跟踪技术是通过雷达发射电磁波对目标进行照射并接收其回波，由此获得目标至雷达位置的距离、速度、方位和高度等信息。因此，雷达可以得到运动的目标以及静止目标的信息。AIS能够接收到装有AIS系统的船舶信息。AIS的信息包含了船舶的船名、呼号、MMSI、长度、GPS位置、装载的货物等静态信息以及港口、天气、洋流等导航信息。

多源数据融合是指利用相关手段将调查、分析获取到的所有数据全部综合到一起，并对得到的多种数据进行认知、综合、判断的过程。其中参与融合的数据往往具有多源性、异构性和不完备性。融合的层次分为数据级融合、模型级融合和决策级融合。数据级融合是最低层次的融合，其直接对原始的数据进行处理；模型级融合对原始的数据进行了提取和处理，减少了无用的数据；决策级融合是最智能化的融合，是建立在模型融合的基础上对于最终的处理结果进行综合的决策。

卡尔曼滤波是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法，其在机动目标跟踪以及轨迹预测方面具有良好的性能。

现有的技术中，未将雷达跟踪检测到的船舶数据与AIS检测到的船舶数据进行融合来预测船舶位置，只是根据雷达跟踪检测到的船舶数据或AIS检测到的船舶数据来进行预测，在某种程度上可能导致预测存在较大偏差。

发明内容

本发明的目的在于克服现有技术的不足，提出一种位置检测结果更加精确的基于多源数据融合的船舶位置识别方法。

本发明解决其技术问题所采用的技术方案是：

一种基于多源数据融合的船舶位置识别方法，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。

优选的，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