[发明专利]一种船用雷达多目标自动识别算法

说明书

本发明涉及船用通导设备数据融合、自动识别算法领域，具体为一种船用雷达多目标自动识别算法。本发明通过融合ARPA雷达、AIS‑B、北斗/GPS、罗经、电子海图等多种通导设备数据，进行数据转换、融合、存储，针对AIS‑B型设备联系AIS数据间存在较长时间间隔的问题，利用基于灰色理论的航迹关联算法实现ARPA雷达与AIS目标间的航迹匹配，目标船在40艘左右情况下，识别准确率为98％‑99％。

技术领域

本发明涉及船用通导设备数据融合、自动识别算法领域，具体为一种船用雷达多目标自动识别算法。

背景技术

AIS是一种助航系统，能自动交换船位、航速、航向、船名、呼号等重要信息，装在船上的AIS在向外发送这些信息的同时，同样接收VHF覆盖范围内其他船舶的信息，从而实现了自动应答，能够有效减少船舶碰撞事故。

但是渔船上安装的AIS-B型设备的发射功率低，信息更新间隔也长达30秒，特别在VHF数据链路繁忙时，AIS设备会暂时自动终止船位报告。另外网位仪的大量使用也造成AIS通信频道发生堵塞，造成船舶之间通信不畅，影响避碰措施的执行。另外，AIS一般通过船舶之间的相对位置来判断碰撞危险，而不像雷达ARPA根据探测到的船舶航迹数据结合本船艏向和航速计算出TCPA和DCPA实现精准预警。

将AIS目标与ARPA雷达目标融合使用可以实现更优秀的目标位置显示，从而实现实时船舶识别。目前AIS目标和ARPA雷达目标并未充分融合，且基于模糊数学和统计加权方法进行航迹关联效果不佳，船舶识别准确率较低。目前的航迹关联算法主要有基于模糊数学和统计的方法,模糊方法主要是模糊决策，这种方法处理灵活方便,易于扩展,计算量也相对较小，但和决策的经验有很大关系,因此提高精度比较困难。基于统计的方法有加权法、邻近法等,统计的方法在处理之前需要对数据进行滤波，因为很难知道数据中噪声的统计特性,滤波本身有可能带来较大误差。基于灰色理论进行航迹关联，该理论的基本思想是将随机变量看成是在一定范围内变化的灰量，并且客观实际问题中得到的统计量也有一定的误差,采用灰色理论方法对处理的数据没有特殊的要求和限制。

本申请发明人在实施本发明具体实施例的过程中，发现了上述问题。为此，我们提供了一种船用雷达多目标自动识别算法，用以解决上述中的技术问题。

发明内容

针对以上问题，本发明提供了一种船用雷达多目标自动识别算法，通过融合ARPA雷达、AIS-B、北斗/GPS、罗经、电子海图等多种通导设备数据，进行数据转换、融合、存储，针对AIS-B 型设备联系AIS数据间存在较长时间间隔的问题，利用基于灰色理论的航迹关联算法实现ARPA雷达与AIS目标间的航迹匹配，目标船在40艘左右情况下，识别准确率为98%-99%，解决了上述背景技术中的存在的问题。

附图说明

图1为本发明一种船用雷达多目标自动识别算法的多源数据融合步骤示意图；

图2为本发明一种船用雷达多目标自动识别算法的模拟系统AARFS的MVC模式结构框图；

图3为本发明一种船用雷达多目标自动识别算法的模拟出错率曲线图。

为解决上述技术问题，本发明是通过以下技术方案实现的：

1.多源数据融合

在官方电子海图显示系统上，将渔船用雷达、CLASS-B类AIS、北斗三代定位通信模块、鱼探仪进行数据融合，可在一个显示平台下显示、操作，电子海图数据。将北斗、GPS、雷达、电子海图、AIS、视频摄像、多功能气象仪、姿态仪、鱼探仪等设备接入，并进行数据融合，集成在显控终端一个屏幕上。针对不同ARPA雷达与AIS信息的融合主要包括信息采集、数据预处理、数据融合、数据输出4个步骤，详见说明书附图图1。