CN108535713A - 一种雷达和ais联合跟踪与信息融合方法 - Google Patents

Abstract

本发明提供一种AIS与雷达联合跟踪与信息融合方法，包括如下步骤：步骤一：采集信号；步骤二：AIS信息更新；步骤三：数据预处理：步骤四：点迹量测Z(k)分别与AIS航迹雷达确认航迹及雷达试验航迹关联、更新；步骤五：利用Z(k)与Z(k‑T)起始新航迹；步骤六：试验航迹管理。本发明的有益效果是：跟踪的同时实现雷达与AIS信息融合，有效增加航运目标特征参数，提高目标成功跟踪概率与识别精度，信息融合的实时性更好。

Description

一种雷达和AIS联合跟踪与信息融合方法

技术领域

本发明涉及AIS和雷达数据融合领域，特别是一种雷达和AIS联合跟踪与信息融合方法。

背景技术

在国内，对于AIS和雷达数据融合的研究有很多。2001年大连海事大学信息工程学院索继东教授的《AIS的信息融合与雷达目标跟踪》提出了基于模糊聚类算法的数据融合方法；2002年集美大学林长川教授的《雷达与AIS目标位置信息融合方法的研究》提出了基于距离和舷角双波门法判断点迹融合；2009年山东交通学院海运学院邓术章等发表的《船用ARPA雷达与AIS信息融合》提出了灰度理论的判断航迹关联的方法。国外的学术巨著有波兰格丁尼亚海洋学院Stupark Tadeus和Waeruch Ryszard的《调频连续逼雷达和AIS的数据融合的功能分析》、美国康涅狄格大学Marco Guerriero和Peter Willet的《ALS和雷达的数据融合以及SAR的海上监视任务》等等。

上述针对雷达与AIS信息融合的研究，都是先独立的对雷达检测得到的目标点迹进行跟踪处理，再将得到的雷达航迹与AIS航迹信息进行关联、融合，实际工程应用中，这样的处理流程在实际应用中存在以下几点问题：

1、雷达与AIS数据率不一致，数据存在异步性。雷达天线的转速是固定的，因此其扫描周期也是固定，而AIS信息的报告周期是随着目标船的航速变化而改变的，一般在2-12秒之间变化。而航迹与航迹关联前必须将两个信息进行时间上的对齐，不管是采用线性外推、插值还是最小二乘法等方法，误差是不可避免的，特别是机动性较强的船舶，外推几秒可能会导致上百米的距离上的误差。

2、海面杂波受环境影响比较大，由于受到风力、风向、重力、引力、洋流等多因素的影响，海情状况相当复杂，这给雷达信号在海杂波背景下的目标检测带来了极大的挑战，在保证一定的虚警概率的情况下，目标漏检测的情况难以避免。目标检测概率较低的情况下，可能会导致雷达目标航迹起始困难，或航迹质量差，跟踪断断续续。

3、常见的，不管是基于逻辑法、基于模糊数学还是基于神经网络的航迹关联算法，在工程应用中都存在一个致命的问题，即是计算复杂度会随着航迹数的增加而发生指数爆炸现象。

发明内容

针对现有技术的不足，本发明的目的在于提供一种雷达和AIS联合跟踪与信息融合方法，主要是对雷达检测到的目标点迹，先与AIS进行关联更新，与AIS航迹融合的同时，剔除共同观测目标，然后再进行雷达航迹的起始、点迹航迹关联和滤波更新。此外，针对AIS航迹和普通雷达航迹采用不同的航迹管理策略，进行航迹确认与航迹消亡管理。其优点在于跟踪的同时实现雷达与AIS信息融合，可以实时更新AIS航迹包括上报时间间隔特别长的船舶，减小AIS外推误差影响，并且可以改善雷达目标检测概率低的情况下的航迹起始困难与航迹质量差的问题，不会因航迹数增加而发生航迹与航迹关联时计算量的指数爆炸现象，是通过如下技术方案实现的。

一种AIS与雷达联合跟踪与信息融合方法，包括如下步骤：

步骤一：采集信号：以雷达扫描一周的时间T作为数据处理周期，获取GPS、雷达、AIS数据；

步骤二：AIS信息更新：以MMSI号为标识，更新AIS航迹信息；

步骤三：数据预处理；

步骤四：点迹量测Z(k)分别与AIS航迹雷达确认航迹及雷达试验航迹关联，并对点迹、航迹和航迹质量因子进行更新；

步骤五：利用Z(k)与Z(k-T)起始新航迹，若z_i(k)与中z_j(k-T)符合航迹起始速度门限，当前试验航迹数量为n，则起始新航迹

步骤六：试验航迹管理，对于关联次数等于N的雷达试验航迹关联次数大于L的雷达确认航迹和AIS航迹进行航迹确认、维持和终止管理。

本发明与现有技术相比，具有以下优点：

1、利用AIS与雷达协同工作、信息融合，增加航运目标特征参数，提高目标成功跟踪概率和识别精度，从技术上改善雷达在气象条件差或目标密集的情况下容易造成的目标误漏跟踪、丢失跟踪、量测精度有限、探测距离有限等问题，进而改善系统的海事监督、船舶管理、船舶导航或海上作战指导等功能。

2、利用AIS和雷达联合跟踪框架，在跟踪的同时实现信息融合，不需要进行航迹与航迹的关联，信息融合的实时性更好，计算量小，不会因航迹数增加而发生航迹与航迹关联时计算量的指数爆炸现象，还可以对AIS航迹进行实时更新。

3、简化的最近邻域联合概率数据关联算法其与最近邻算法(NN)、概率数据关联算法(PDA)相比，可用于靠近的多目标跟踪；与联合概率数据关联算法(JPDA)相比，可以快速计算航迹和量测的互联概率，大大降低计算量；与简易联合概率数据关联算法CJPDA相比，可以更快捷地找出和航迹相关联的量测。

4、将航迹分为试验航迹、确认航迹、终止航迹和AIS航迹四种类型，采用航迹管理准则实时对航迹进行类型变更和消亡判断，结合终端显示，可以为用户提供更加精确的数据，帮助驾驶人员做出科学有效的决策行动。

附图说明

图1是本发明的具体实施例的流程图。

图2是本发明的具体实施例中雷达点迹图。

图3是本发明的具体实施例中AIS航迹信息图。

图4是本发明的具体实施例中航迹信息图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，一种AIS与雷达联合跟踪与信息融合方法，包括如下步骤：

步骤1：采集信号；

以雷达扫描一周的时间T作为数据处理周期，假设雷达扫描完一周的时刻为k：

步骤1A：通过GPS设备获取本船当前位置信息(L_k，B_k)。

步骤1B：通过AIS获取目标船的AIS静态信息、AIS动态信息，静态信息包括呼名、船名、船型、MMSI、船长和船宽、吃水深度等，动态信息包括船位、航速、航向等。

步骤1C：获取本雷达接收机信号处理模块检测到的所有目标点迹信息，包括目标的距离、方位、回波幅度信息等。

步骤2：AIS信息更新：

以MMSI号为标识，在当前AIS航迹中查找该目标是否已经存在。

情况1：存在相同MMSI号的AIS航迹，则说明该目标已经存在于AIS航迹，则在AIS航迹链表后面直接增加一个航迹数据。

情况2：不存在相同MMSI号的AIS航迹，则说明该目标不存在，则将其作为AIS航迹链表第一个数据，新增一条AIS航迹。

步骤3：数据预处理：

步骤3A：以本船的当前位置(L_k，B_k)为笛卡尔坐标原点，将AIS航迹信息中的船位信息从地理坐标系中转换到笛卡尔坐标系，并将航速与航向信息转换到笛卡尔坐标系中，其状态信息表示为其中，

步骤3B：将AIS航迹信息外推至k时刻，得到

步骤3C：将雷达目标点迹信息中极坐标下的距离、方位信息转换到笛卡尔坐标系，目标点迹量测信息表示为Z(k)＝{z_j(k)，j＝1，2，...，m}，其中z_j(k)＝[x_j(k)，y_j(k)]′。

步骤4：点迹量测Z(k)与AIS航迹关联：

若与z_j(k)关联成功，执行以下步骤：

步骤4A：利用z_j(k)更新AIS航迹

步骤4B：将z_j(k)从Z(k)中删除。

步骤5：点迹量测Z(k)与雷达确认航迹关联：

若与z_j(k)关联成功执行步骤5A、5B、5C，若未与任何点迹关联执行步骤5D、5E：

步骤5A：利用z_j(k)更新雷达确认航迹

步骤5B：置零确认航迹质量因子：

l_j＝0；

步骤5C：将z_j(k)从Z(k)中删除。

步骤5D：利用预测值更新雷达确认航迹

步骤5E：更新确认航迹质量因子：

l_j＝l_j+1；

步骤6：点迹量测Z(k)与雷达试验航迹关联：

步骤6A：利用z_j(k)更新雷达试验航迹

步骤6B：更新试验航迹质量因子：

m_j＝m_j+1；

步骤6C：将z_j(k)从Z(k)中删除；

步骤6D：利用预测值更新雷达确认航迹

若与z_j(k)关联成功，执行步骤6A、6B、6C；若未与任何点迹关联执行步骤6D。

步骤7：利用Z(k)与Z(k-T)起始新航迹：

若z_i(k)与中z_j(k-T)符合航迹起始速度门限，当前试验航迹数量为n，则起始新航迹

步骤8：航迹管理：

步骤8A：试验航迹管理。对于关联次数等于N的雷达试验航迹

情况1：m_i≥M，则将其转换为确认航迹并令l_i＝0；

情况2：m_i＜M，则删除航迹。

步骤8B：确认航迹管理。对于关联次数大于L的雷达确认航迹若l_i＞＝L，则删除航迹。

步骤8C：AIS航迹管理。删除AIS信息更新时间大于T_max且航迹质量因子l_i＞＝L的AIS航迹。

所述步骤4、步骤5、步骤6的点迹量测Z(k)与航迹关联具体实现过程为：

1、计算新息：

其中，H为观测矩阵：

2、计算航迹与量测z_j(k)的“距离”：

D_ij(k)＝v_ij(k)′S_i(k)^-1v_ij(k)；

其中，S_i(k)是航迹在k时刻的残差自相关矩阵。

3、计算互联概率：

其中，b表示没有量测落入目标航迹波门内的概率，e_ij则满足：

γ为波门大小，具体取值由所选取的波门概率与量测维数决定。

4、选取最大的互联概率(非零)对应的航迹与量测z_j(k)进行关联，而将落入的波门内的其他量测全部移除，也不再考虑z_j(k)落入的其他波门的航迹。

所述步骤4A、5A、6A中的利用点迹量测z_j(k)通过卡尔曼滤波算法对目标航迹进行更新，具体实现过程为：

1、预测状态和计算新息(残差)：

其中，F即状态转移矩阵：

航迹位置预测值则有：

2、预测误差自相关矩阵和计算新息(残差)的自相关矩阵

Q为过程噪声的协方差矩阵。

R即观测噪声协方差矩阵。

3、计算滤波器的增益：

4、更新状态和误差自相关矩阵：

所述步骤7利用Z(k)与Z(k-T)起始新航迹具体实现如下：

若z_i(k)与中z_j(k-T)满足：

则起始新航迹其中：

且令：

m_n+1＝2

n＝n+1。

图2-4是本发明具体实施例中，雷达点迹与AIS融合的示意图。结合图1的流程，以雷达扫描一周的时间T＝25s作为数据处理周期，假设雷达扫描完一周的时刻为k：截取GPS设备的本船当前位置信息(L_k，B_k)，起始时戳为2015年x月x日0时0分0秒，数据长度为41分15秒，共计2475个数据。截取AIS目标航迹信息报中的，起始时戳为2015年x月x日0时0分0秒，数据长度为41分15秒，共计4332个数据，AIS航迹信息如图3所示。截取雷达目标点迹信息，起始时戳为2015年x月x日0时0分0秒，数据长度为41分15秒，共计99帧，雷达检测到的点迹信息如图2所示。

采用本发明所述方法，将AIS与雷达联合跟踪与信息融合后的结果如图4所示，可见本发明在跟踪的同时实现雷达与AIS信息融合，可以有效的有效增加航运目标特征参数，提高目标成功跟踪概率与识别精度，信息融合的实时性更好，适用于工程实现。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (11)

1.一种AIS与雷达联合跟踪与信息融合方法，其特征在于，包括如下步骤：

步骤一：采集信号：以雷达扫描一周的时间T作为数据处理周期，获取GPS、雷达、AIS数据；

步骤二：AIS信息更新：以MMSI号为标识，更新AIS航迹信息；

步骤三：数据预处理；

步骤四：点迹量测Z(k)分别与AIS航迹雷达确认航迹及雷达试验航迹关联，并对点迹、航迹和航迹质量因子进行更新；

步骤五：利用Z(k)与Z(k-T)起始新航迹，若z_i(k)与中z_j(k-T)符合航迹起始速度门限，当前试验航迹数量为n，则起始新航迹

步骤六：试验航迹管理，对于关联次数等于N的雷达试验航迹关联次数大于L的雷达确认航迹和AIS航迹进行航迹确认、维持和终止管理。

2.根据权利要求1所述的方法，其特征在于，所述步骤1进一步包括：

设定雷达扫描完一周的时刻为k：

通过GPS设备获取本船当前位置信息(L_k，B_k)；

通过AIS获取目标船的AIS静态信息及AIS动态信息；

获取雷达接收机信号处理模块检测到的所有目标点迹信息。

3.根据权利要求1所述的方法，其特征在于，所述步骤2进一步包括：存在相同MMSI号的AIS航迹，则说明该目标已经存在于AIS航迹，则执行：在AIS航迹链表后面直接增加一个航迹数据；

不存在相同MMSI号的AIS航迹，则说明该目标不存在，则执行：将其作为AIS航迹链表第一个数据，新增一条AIS航迹。

4.根据权利要求1所述的方法，其特征在于，所述步骤3进一步包括数据预处理的步骤：

以本船的当前位置(L_k，B_k)为笛卡尔坐标原点，将AIS航迹信息中的船位信息从地理坐标系中转换到笛卡尔坐标系，并将航速与航向信息转换到笛卡尔坐标系中，其状态信息表示为其中，

将AIS航迹信息外推至k时刻，得到

将雷达目标点迹信息中极坐标下的距离、方位信息转换到笛卡尔坐标系，目标点迹量测信息表示为Z(k)＝{z_j(k)，j＝1，2，...，m}，其中z_j(k)＝[x_j(k)，y_j(k)]′。

5.根据权利要求1所述的方法，其特征在于，所述步骤4中，点迹量测Z(k)与AIS航迹关联，若与z_j(k)关联成功，执行以下步骤：

利用z_j(k)更新AIS航迹；

将z_j(k)从Z(k)中删除。

6.根据权利要求1所述的方法，其特征在于，在步骤4中，点迹量测Z(k)与雷达确认航迹关联，若与z_j(k)关联成功执行以下步骤：

利用z_j(k)更新雷达确认航迹

置零确认航迹质量因子：l_j＝0；

将z_j(k)从Z(k)中删除；

若未与任何点迹关联执行以下步骤：

利用预测值更新雷达确认航迹

更新确认航迹质量因子：l_j＝l_j+1。

7.根据权利要求1所述的方法，其特征在于，在步骤4中，点迹量测Z(k)与雷达试验航迹关联，若与z_j(k)关联成功，执行以下步骤；

利用z_j(k)更新雷达试验航迹

更新试验航迹质量因子：m_j＝m_j+1；

将z_j(k)从Z(k)中删除；

若未与任何点迹关联，则执行：利用预测值更新雷达确认航迹

8.根据权利要求1所述的方法，其特征在于，所述步骤6，航迹管理中，对于关联次数等于N的雷达试验航迹

若m_i≥M，则将其转换为确认航迹并令l_i＝0，或：

若m_i＜M，则删除航迹；

对于关联次数大于L的雷达确认航迹若l_i＞＝L，则删除航迹；

对于AIS航迹删除AIS信息更新时间大于T_max，且航迹质量因子l_i＞＝L的航迹。

9.根据权利要求1所述的方法，其特征在于，所述方法还包括点迹量测Z(k)与航迹关联方法，包括：

步骤1、计算新息：

其中，H为观测矩阵：

步骤2、计算航迹与量测z_j(k)的“距离”：

D_ij(k)＝v_ij(k)′S_i(k)^-1v_ij(k)；

其中，S_i(k)是航迹在k时刻的残差自相关矩阵；

步骤3、计算互联概率：

其中，b表示没有量测落入目标航迹波门内的概率，e_ij则满足：

γ为波门大小，具体取值由所选取的波门概率与量测维数决定；

步骤4、选取最大的互联概率(非零)对应的航迹与量测z_j(k)进行关联，而将落入的波门内的其他量测全部移除。

10.根据权利要求1所述的方法，其特征在于，所述方法还包括利用点迹量测z_j(k)通过卡尔曼滤波算法对目标航迹进行更新，具体实现过程为：

步骤1、预测状态和计算新息，即残差：

其中，F即状态转移矩阵：

航迹位置预测值则有：

步骤2、预测误差自相关矩阵和计算新息的自相关矩阵：

Q为过程噪声的协方差矩阵

R即观测噪声协方差矩阵；

步骤3、计算滤波器的增益：

步骤4、更新状态和误差自相关矩阵：

11.根据权利要求1所述的方法，其特征在于，所述步骤6利用Z(k)与Z(k-T)起始新航迹具体实现如下：

若z_i(k)与中z_j(k-T)满足：

则起始新航迹其中：

且令：

m_n+l＝2

n＝n+1。