[发明专利]基于多系统多源定位数据融合的海上目标定位方法

说明书

本发明公开了一种基于多系统多源定位数据融合的海上目标定位方法，包括如下步骤：S1、获取全球导航卫星系统的经度、纬度和时间的定位数据；S2、获取惯性导航系统的经度、纬度和时间定位数据；S3、气象传感器获取气压高度计和时钟数据；S4、构建数据矩阵对步骤S1‑S3获取的数据进行紧密数据融合和扩展卡尔曼滤波融合计算和收敛处理；S5、在船舶自动识别系统中采用步骤S4中的数据对海上目标进行定位识别。本发明提供的基于多系统多源定位数据融合的海上目标定位方法，能够极大程度提升航行船舶、海事工程、海洋工程定位数据的连续性、可用性、稳健性和可靠性。因此，适用于海陆空天一体化海事监管和保障的各种应用场景。

技术领域

本发明涉及一种船舶自动识别方法，尤其涉及一种基于多系统多源定位数据融合的海上目标定位方法。

背景技术

自1996年后，国际海事组织（IMO）推荐全球航行船舶配备基于全球定位系统（GPS）和格洛纳斯卫星导航系统（GLONASS）的导航系统。2002年后，提出全球航行船舶需要配备基于全球定位系统（GPS）和格洛纳斯卫星导航系统（GLONASS）的船舶自动识别系统（AIS）。随后，2016年《交通运输部印发2016年创建平安船舶专项行动方案的通知》要求船舶按照技术规范提升船舶自动识别系统（AIS）设备。至此，数以百万计的船舶配备了船舶自动识别系统（AIS）。

由于全球导航卫星系统(GNSS)信号的自然脆弱性，使用全球导航卫星系统（GNSS）很难在复杂的海上环境中为船舶、海事工程、海洋工程提供连续和可靠的定位数据。“银河号”船舶航行因全球定位系统（GPS）信号丢失，导致在海上漂泊33天之久，被迫改变航线，延误卸货，不但造成严重的经济损失，而且致使船舶及人员受到安全威胁。近年来，在中国、美国、日本、法国、英国等地出现多起因为全球定位系统（GPS）信号丢失，导致的船舶碰撞，造成巨大的海事事故、海洋环境污染。

现有公开号为CN109059911A的专利文献提供的一种GNSS、INS和气压计的数据融合方法，将全球定位系统（GPS）、惯性导航系统（INS）和气压计进行数据融合，结果采用无迹卡尔曼滤波（UKF）和径向基神经网络（RBF）进行深度学习，提升数据的精度。虽然该专利文献通过级联式子滤波器对多源信息进行了初步融合，但是采用径向基神经网络（RBF）不适用于海上船舶自动识别系统的数据处理。

首先，径向基神经网络（RBF）是属于机器学习的范畴。另外如：长短期记忆、随机森林、卷积神经网络、矢量积等方式均属于机器学习、深度学习的范畴。因此，径向基神经网络（RBF）不适合对定位方程的状态方程进行特性分析，也不能用于载具（船舶、汽车、飞机、火箭等）横倾、纵摇的运动场景。

其次，实际应用中，径向基神经网络（RBF）多为获取大量数据进行训练和结论，虽然能够为车辆在城市道路和高架桥导航中提供更为精准的位置和高度信息，满足日常车载导航的需求；但是在数据可能严重缺失的海上船舶自动识别系统中，则无法提供可靠的定位数据。

最后，径向基神经网络（RBF）使用过程中基于大量数据进行学习、训练，对硬件要求和稳定性要求极高，如：英伟达 NVIDIA GeForce RTX 3090 系列显卡，不适合在船舶自动识别系统中实施定位数据输出和显示。

因此，对于航行船舶、海事工程、海洋工程来说，在复杂海况下，面对卫星不足和卫星停电的情况，如何提升船舶自动识别系统（AIS）的连续性、可用性、稳健性和可靠性一直是本领域急需解决的技术难点。