[发明专利]AIS与雷达的航迹关联方法及装置

权利要求书

1.一种自动识别系统AIS与雷达的航迹关联方法，其特征在于，包括：

分别将AIS航迹点和雷达航迹点输入局部特征提取模块，获取AIS簇级节点的高维特征向量和雷达簇级节点的高维特征向量；

将所述AIS簇级节点的高维特征向量和所述雷达簇级节点的高维特征向量输入注意力机制图神经网络，获取AIS簇级节点的高维分布特征向量和雷达簇级节点的高维分布特征向量；

基于所述AIS簇级节点的高维分布特征向量和所述雷达簇级节点的高维分布特征向量，获取AIS航迹与雷达航迹之间的关联。

2.根据权利要求1所述的AIS与雷达的航迹关联方法，其特征在于，所述局部特征提取模块包括局域聚合层、特征描述层和分组层；

其中，所述局域聚合层用于对航迹点进行不同尺度的局域聚合，获取所述航迹点的分布特征；

所述特征描述层用于对所述航迹点的分布特征进行编码，获取所述航迹点的高维特征向量；

所述分组层用于对所述航迹点的高维特征向量进行聚类和编码处理，获取簇级节点的高维特征向量。

3.根据权利要求2所述的AIS与雷达的航迹关联方法，其特征在于，分别将AIS航迹点和雷达航迹点输入局部特征提取模块，获取AIS簇级节点的高维特征向量和雷达簇级节点的高维特征向量，包括：

分别将所述AIS航迹点和所述雷达航迹点输入所述局部特征提取模块的局域聚合层，获取所述AIS航迹点的分布特征和所述雷达航迹点的分布特征；

分别将所述AIS航迹点的分布特征和所述雷达航迹点的分布特征输入所述局部特征提取模块的特征描述层，获取所述AIS航迹点的高维特征向量和所述雷达航迹点的高维特征向量；

分别将所述AIS航迹点的高维特征向量和所述雷达航迹点的高维特征向量输入所述局部特征提取模块的分组层，获取AIS簇级节点的高维特征向量和雷达簇级节点的高维特征向量。

4.根据权利要求1所述的AIS与雷达的航迹关联方法，其特征在于，所述注意力机制图神经网络包括自注意力机制图神经网络模块和交叉注意力机制图神经网络模块；

所述自注意力机制图神经网络模块用于获取AIS簇级节点之间的注意力权重和雷达簇级节点之间的注意力权重；

所述交叉注意力机制图神经网络模块用于获取AIS簇级节点与雷达簇级节点之间的注意力权重。

5.根据权利要求4所述的AIS与雷达的航迹关联方法，其特征在于，将所述AIS簇级节点的高维特征向量和所述雷达簇级节点的高维特征向量输入注意力机制图神经网络，获取AIS簇级节点的高维分布特征向量和雷达簇级节点的高维分布特征向量，包括：

将所述AIS簇级节点的高维特征向量和所述雷达簇级节点的高维特征向量输入所述注意力机制图神经网络的自注意力机制图神经网络模块，获取AIS簇级节点之间的注意力权重、雷达簇级节点之间的注意力权重；

将所述AIS簇级节点的高维特征向量和所述雷达簇级节点的高维特征向量输入所述注意力机制图神经网络的交叉注意力机制图神经网络模块，获取AIS簇级节点与雷达簇级节点之间的注意力权重；

利用所述注意力机制图神经网络对所述AIS簇级节点之间的注意力权重、所述AIS簇级节点与雷达簇级节点之间的注意力权重，以及所述AIS簇级节点的高维特征向量进行注意力机制聚合，获取AIS簇级节点的高维分布特征向量；

利用所述注意力机制图神经网络对所述雷达簇级节点之间的注意力权重、所述AIS簇级节点与雷达簇级节点之间的注意力权重，以及所述雷达簇级节点的高维特征向量进行注意力机制聚合，获取雷达簇级节点的高维分布特征向量。

6.根据权利要求1所述的AIS与雷达的航迹关联方法，其特征在于，基于所述AIS簇级节点的高维分布特征向量和所述雷达簇级节点的高维分布特征向量，获取AIS航迹与雷达航迹之间的关联，包括：

根据所述AIS簇级节点的高维分布特征向量和所述雷达簇级节点的高维分布特征向量，获取得分矩阵；

对所述得分矩阵进行迭代优化，获取传输任务矩阵；

在所述传输任务矩阵中，行的最大得分值与列的最大得分值处于同一位置的情况下，将行中最大得分值对应的AIS航迹与列中最大得分值对应的雷达航迹进行关联。