[发明专利]智能船舶多源感知数据船端融合方法、装置和决策系统

权利要求书

1.一种智能船舶多源感知数据船端融合方法，其特征在于，该方法包括：

获取船端感知设备采集的船端感知信息，获取岸基感知设备采集的岸基感知信息，所述船端感知信息和所述岸基感知信息包括雷达数据、AIS数据、导航数据、气象监测数据中的一种或多种；

对所述岸基感知信息进行卡尔曼滤波，生成第一感知信息；

基于所述第一感知信息中的数据匹配获取所述船端感知信息中的数据，将所述第一感知信息中的数据和匹配获取的数据作为待融合数据；

对所述待融合数据通过加权融合法进行融合，得到船端融合数据；

基于所述船端融合数据进行智能船舶周围态势估计，以输出决策指令；

所述加权融合法中的权重为基于指数函数建立的两组感知数据之间的信任度函数，所述信任度函数的计算方法为：

其中，f(X,X′)为信任度函数，ε为一致性检验中的阈值，X为属于第一感知信息的待融合数据，X′为与X具有一致性的同一时刻船端感知信息中的数据；

所述船端融合数据的计算方法为：

其中，为船端融合数据，f(X,X′)为信任度函数，X为第一感知信息中的数据，X′为与X具有一致性的同一时刻船端感知信息中的数据。

2.根据权利要求1所述的智能船舶多源感知数据船端融合方法，其特征在于，基于所述第一感知信息中的数据根据如下公式匹配获取所述船端感知信息中的数据：

|X′(t|t)-X(t|t)|≤ε

其中，X(t|t)为t时刻的第一感知信息中的数据，X′(t|t)为t时刻船端感知信息中的数据，ε为阈值。

3.根据权利要求2所述的智能船舶多源感知数据船端融合方法，其特征在于，所述阈值根据采集同类感知数据的船端感知设备和岸端感知设备的精度确定。

4.根据权利要求1-3中任一权利要求所述的智能船舶多源感知数据船端融合方法，其特征在于，所述船端感知信息中的雷达数据通过激光雷达、毫米波雷达、微波导航雷达中的一种或多种获取。

5.根据权利要求1-3中任一权利要求所述的智能船舶多源感知数据船端融合方法，其特征在于，所述气象监测数据包括天气数据，能见度数据，风速风向数据，浪级数据，台风数据中的一种或多种。

6.根据权利要求1-3中任一权利要求所述的智能船舶多源感知数据船端融合方法，其特征在于，所述岸基感知信息中的数据为岸基感知设备采集、并进行数据格式转换后生成的感知信息数据，所述岸基感知信息与所述船端感知信息的数据格式相同。

7.一种智能船舶多源感知数据船端融合装置，其特征在于，该装置包括：

感知信息获取模块，配置为获取船端感知设备采集的船端感知信息，获取岸基感知设备采集的岸基感知信息，所述船端感知信息和所述岸基感知信息包括雷达数据、AIS数据、导航数据、气象监测数据中的一种或多种；

数据滤波模块，配置为对所述岸基感知信息进行卡尔曼滤波，生成第一感知信息；

数据匹配模块，配置为基于所述第一感知信息中的数据匹配获取所述船端感知信息中的数据，将所述第一感知信息中的数据和匹配获取的数据作为待融合数据；

数据融合模块，配置为对所述待融合数据通过加权融合法进行融合，得到船端融合数据；

态势估计模块，配置为基于所述船端融合数据进行智能船舶周围态势估计，以输出决策指令；

所述加权融合法中的权重为基于指数函数建立的两组感知数据之间的信任度函数，所述信任度函数的计算方法为：

其中，f(X,X′)为信任度函数，ε为一致性检验中的阈值，X为属于第一感知信息的待融合数据，X′为与X具有一致性的同一时刻船端感知信息中的数据；

所述船端融合数据的计算方法为：

其中，为船端融合数据，f(X,X′)为信任度函数，X为第一感知信息中的数据，X′为与X具有一致性的同一时刻船端感知信息中的数据。

8.一种智能船舶决策系统，其特征在于，该系统包括权利要求7所述的智能船舶多源感知数据船端融合装置。