CN112362042B - 一种基于智能船舶多传感设备的航迹关联判断方法 - Google Patents

Abstract

本发明涉及智能船舶数据处理技术领域，尤其涉及一种基于智能船舶多传感器的航迹关联判断方法。包括以下步骤：S1、在智能船舶航行过程中基于多种类型的船舶传感设备采集而获取多个目标航迹数据；S2、对多个目标航迹数据分别进行预处理，得到多个目标列表；S3、针对多个目标列表进行初步关联判断，得到初步关联表；S4、对初步关联表中目标航迹数据进行再次关联判断，确定不同类型的船舶传感设备采集的目标航迹数据是否来源于同一目标，得到最终关联目标数据表和航迹关联判断结果。该方法解决了传统的航迹关联判断方法中目标密集环境下关联性能明显恶化的技术问题。

Description

一种基于智能船舶多传感设备的航迹关联判断方法

技术领域

本发明涉及智能船舶数据处理技术领域，尤其涉及一种基于智能船舶多传感设备的航迹关联判断方法。

背景技术

传感器航迹关联是指智能船舶在航行过程中，通过多传感器检测目标航迹，通过对多传感器的数据融合从而得到高精度的目标航迹，在数据融合中需要判断多传感器检测到的航迹是否为同一条航迹，从而才可以执行数据融合操作。

现有的船舶目标航迹检测算法一般是融合导航雷达以及AIS设备数据的结果，但智能船舶还存在监控定位设备等也可以对航行环境内的目标航迹进行检测。为了获得更高精度的目标航迹，需要对多传感器的检测数据进行融合，将传统的航迹关联判断方法应用到多传感器之上，关联结果不理想，且在目标密集环境下关联性能明显恶化。

发明内容

(一)要解决的技术问题

鉴于现有技术的上述缺点、不足，本发明提供一种基于智能船舶多传感设备的航迹关联判断方法，其解决了传统的航迹关联判断方法中目标密集环境下关联性能明显恶化的技术问题。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

本发明实施例提供一种基于智能船舶多传感器的航迹关联判断方法，包括以下步骤：

S1、在智能船舶航行过程中基于多种类型的船舶传感设备采集而获取多个目标航迹数据；

S2、对多个目标航迹数据分别进行预处理，得到多个目标列表；

S3、针对多个目标列表进行初步关联判断，得到初步关联表；

S4、对初步关联表中目标航迹数据进行再次关联判断，确定不同类型的船舶传感设备采集的目标航迹数据是否来源于同一目标，得到最终关联目标数据表和航迹关联判断结果。

本发明实施例提出的基于智能船舶多传感器的航迹关联判断方法，通过对多传感设备采集的数据进行转换，基于粗精度的关联初步判断有关联可能的航迹，并提取相关传感设备采集的数据，对涉及到该航迹的数据进行最终关联判决，从而可以实现多传感设备的航迹关联，在保证提高关联结果正确率的同时，有效提高关联效率。

可选地，还包括：

S5、基于初步关联表以及目标列表，得到无关联数据表，将最终关联目标数据表和无关联数据表进行存储，其中，最终关联目标数据表的数据在进行数据融合后用于数据分析，无关联数据表的数据直接用于数据分析。

可选地，多种类型的船舶传感设备包括导航雷达、AIS和监控定位装置中的至少两种；

对应地，多个目标列表包括导航雷达目标列表、AIS目标列表和监控定位装置目标列表中的至少两种。

可选地，步骤S2中，对目标航迹数据进行预处理包括空间校准和时间校准。

可选地，空间校准包括将船舶传感设备采集到的目标航迹数据统一到同一直角坐标系上，具体包括：

将导航雷达采集的极坐标数据转换到直角坐标系中，满足以下公式：

其中，R为距离，θ为方位角，(x,y)为导航雷达采集的目标在某一时刻的位置信息；

将AIS采集的经纬度数据转换到直角坐标系中，满足以下公式：

其中，L₁为经度坐标，L₂为纬度坐标，(x',y')为AIS采集的目标在某一时刻的位置信息；

将监控定位装置采集的视频图像数据通过计算监控定位位置与目标船舶像素位置进行转换后得到目标经纬度坐标，然后将目标经纬度坐标转换到直角坐标系中，满足以下公式：

其中，L₃为经度坐标，L₄为纬度坐标，(x",y")为监控定位装置采集的目标在某一时刻的位置信息。

可选地，时间校准包括通过最邻近规则算法得到多个聚类数据采集时间序列集合，然后计算每个聚类数据采集时间序列的集合中心值，得到聚类统一后的目标航迹数据采集时间序列。

可选地，步骤S3中，以导航雷达采集的目标航迹数据为基础，对导航雷达目标列表中的每个目标依次遍历AIS目标列表和监控定位装置目标列表中的所有目标，基于初步关联判断方法得到与该导航雷达目标航迹关联的AIS、监控定位装置采集到的目标航迹数据，然后将其存入初步关联表中。

可选地，初步关联判断方法满足如下初步关联判断的公式：

ρ＝αf(|x₁(n)-x_j(i)|)+βg(|x₁(n)-x_j(i)|)+γh(|x₁(n)-x_j(i)|)

其中，ρ为两个船舶传感设备在目标上的关联度，f(|x₁(n)-x_j(i)|)、g(|x₁(n)-x_j(i)|)和h(|x₁(n)-x_j(i)|)分别为导航雷达的第n个目标航迹数据与第j个船舶传感设备的第i个目标航迹数据之间在航向、目标位置和航速上的关联度，j＝2,3，α、β和γ分别为对应的关联系数；

当两个船舶传感设备在目标上的关联度ρ大于设定的阈值ε'时，则认为满足初步关联。

可选地，步骤S4中，对初步关联表中目标航迹数据进行关联判断，包括：

导航雷达的航迹s和来自其他船舶传感设备的航迹t在k时刻的状态估计差

为：

其中，x_2t(k|k),x_3t(k|k),...,x_mt(k|k)分别表示导航雷达的航迹s和来自其他船舶传感设备的航迹t在k时刻分别在目标位置、船速、航向的状态差；

设阈值矢量为ε＝[ε₂,ε₃,...,ε_m]^T，表示导航雷达与其他船舶传感设备航迹关联的阈值矢量，则确定航迹s与航迹t为来自同一目标的航迹的判断条件如下：

(|x_2t(k|k)|≤ε₂)∩(|x_3t(k|k)|≤ε₃)∩...∩(|x_mt(k|k)|≤ε_m)。

可选地，步骤S5包括遍历初步关联表和AIS采集到的目标航迹数据，得到无关联数据表；

无关联数据表中的无关联目标航迹数据为不在初步关联表中的由AIS采集到的目标航迹数据。

(三)有益效果

本发明的有益效果是：本发明的基于智能船舶多传感器的航迹关联判断方法，由于采用对多传感设备采集的数据进行转换，基于粗精度的关联初步判断有关联可能的航迹，并提取相关传感设备采集的数据，对涉及到该航迹的数据进行最终关联判决，从而可以实现多传感设备的航迹关联，相对于现有技术而言，其在保证提高关联结果正确率的同时，有效提高关联效率。

附图说明

图1为本发明提供的基于智能船舶多传感器的航迹关联判断方法的流程图。

具体实施方式

为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。

本发明实施例提出的基于智能船舶多传感器的航迹关联判断方法，通过对多传感设备采集的数据进行转换，基于粗精度的关联初步判断有关联可能的航迹，并提取相关传感设备采集的数据，对涉及到该航迹的数据进行最终关联判决，从而可以实现多传感设备的航迹关联，在保证提高关联结果正确率的同时，有效提高关联效率。

为了更好的理解上述技术方案，下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更清楚、透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

实施例1

如图1所示，为本发明提供的基于智能船舶多传感设备的航迹关联判断方法的流程图，包括以下步骤：

S1、在智能船舶航行过程中基于多种类型的船舶传感设备采集而获取多个目标航迹数据。其中，船舶传感设备包括导航雷达、AIS和监控定位装置的至少两种，优选地包括导航雷达、AIS和监控定位装置。对应地，目标航迹数据包括导航雷达采集的极坐标数据、AIS采集的经纬度数据和监控定位装置采集的视频图像数据。

S2、对多个目标航迹数据分别进行预处理，得到多个目标列表。具体地，目标列表包括导航雷达目标列表、AIS目标列表和监控定位装置目标列表。

其中，目标列表中包括目标及其对应的目标航迹数据。

对目标航迹数据进行预处理包括空间校准和时间校准。

空间校准是将船舶传感设备采集到的目标航迹数据统一到同一直角坐标系上，具体方法包括：

将导航雷达采集的极坐标数据转换到直角坐标系中，满足以下公式：

其中，R为距离，θ为方位角，(x,y)为导航雷达采集的目标在某一时刻的位置信息。

将AIS采集的经纬度数据转换到直角坐标系中，满足以下公式：

其中，L₁为经度坐标，L₂为纬度坐标，(x',y')为AIS采集的目标在某一时刻的位置信息。

将监控定位装置采集的视频图像数据通过计算监控定位位置与目标船舶像素位置进行转换后得到目标经纬度坐标，然后将目标经纬度坐标转换到直角坐标系中，满足以下公式：

其中，L₃为经度坐标，L₄为纬度坐标，(x",y")为监控定位装置采集的目标在某一时刻的位置信息。

时间校准是将船舶传感设备采集的目标航迹数据的时间进行校准，使得目标航迹数据的时间统一。船舶传感设备采集的目标航迹数据的时间序列满足以下公式：

T_A＝t_A1,t_A2,t_A3,...t_Ao

T_B＝t_B1,t_B2,t_B3,...t_Bp

T_C＝t_C1,t_C2,t_C3,...t_Cq

其中，T_A、T_B和T_C分别为导航雷达、AIS和监控定位装置采集的目标航迹数据的时间序列，o、p和q分别为导航雷达、AIS和监控定位装置采集的目标航迹数据的时间序列的终止个数。

将上述船舶传感设备采集的目标航迹数据的时间序列进行整合，形成目标航迹数据采集时间序列为{t₁,t₂,t₃,t₄,...,t_n}，其中，n＝o+p+q。具体地，通过最邻近规则算法得到多个聚类数据采集时间序列集合，然后计算每个聚类数据采集时间序列的集合中心值(算数平均值)，则最终可得到多个聚类集合中心值，即为聚类统一后的目标航迹数据采集时间序列。

S3、针对多个目标列表进行初步关联判断，得到初步关联表。

以导航雷达采集的目标航迹数据为基础，对导航雷达目标列表中的每个目标依次遍历AIS目标列表和监控定位装置目标列表中的所有目标，基于初步关联判断方法得到该导航雷达目标航迹可能关联的AIS、监控定位装置采集到的目标航迹数据，然后将其存入初步关联表中。

进一步地，初步关联表包括第一初步关联表和第二初步关联表。其中，第一初步关联表为导航雷达目标列表中的每个目标依次遍历AIS目标列表中的所有目标，基于初步关联判断方法得到该导航雷达目标航迹可能关联的AIS采集到的目标航迹数据，第二初步关联表为导航雷达目标列表中的每个目标依次遍历监控定位装置目标列表中的所有目标，基于初步关联判断方法得到该导航雷达目标航迹可能关联的监控定位装置采集到的目标航迹数据。

此步骤为初步划分关联航迹，精度较低，主要为后续航迹关联提供基础依据，从而提高算法执行效率，降低运行时间，提高关联精度。

具体地，船舶传感设备采集的目标行为序列为X_i＝(x_i(1),x_i(2),x_i(3),...,x_i(n))，其中，i＝1为导航雷达，i＝2为AIS，i＝3为监控定位装置。x_i(n)中包含目标的位置(目标相对本船的距离和方位)、航速、航向等信息。

以导航雷达的目标行为序列X₁为基础，对其序列内的每个目标x_i(n)依次遍历其他设备目标行为序列X_i(i＝2,3)内的所有目标，基于关联度计算方法寻找其他设备中与导航雷达目标航迹数据关联度最高的目标航迹数据形成初步关联表，初步关联表满足以下公式：

其中，x_n表示船舶传感设备目标序列中与导航雷达目标x₁(n)相关联的目标航迹数据；若船舶传感设备中没有与导航雷达目标x₁(n)相关联的数据，则将该位置为0；x₁(1)为导航雷达采集的第一个目标，x₂(1)为AIS采集的第一个目标，x₃(1)为监控定位装置采集的第一个目标，x₁(2)为导航雷达采集的第二个目标，x₂(2)为AIS采集的第二个目标，x₃(2)为监控定位装置采集的第二个目标，x₁(n)为导航雷达采集的第n个目标，x₂(n)为AIS采集的第n个目标，x₃(n)为监控定位装置采集的第n个目标。

初步关联判断的公式如下：

ρ＝αf(|x₁(n)-x_j(i)|)+βg(|x₁(n)-x_j(i)|)+γh(|x₁(n)-x_j(i)|)

其中，ρ为两个船舶传感设备在某个目标上的关联度，f(|x₁(n)-x_j(i)|)、g(|x₁(n)-x_j(i)|)和h(|x₁(n)-x_j(i)|)分别为导航雷达的第n个目标航迹数据与第j(j＝2,3)个船舶传感设备的第i个目标航迹数据之间在航向、目标位置和航速上的关联度，α、β和γ分别为对应的关联系数。当两个船舶传感设备在某个目标上的关联度ρ大于设定的阈值ε'时(即ρ＞ε')，则认为满足初步关联。

本实施例中，以导航雷达采集的目标航迹数据为基础，对导航雷达目标列表中的每个目标依次遍历AIS目标列表和监控定位装置目标列表中的所有目标，基于初步关联判断方法得到该导航雷达目标航迹可能关联的AIS、监控定位装置采集到的目标航迹数据，然后将其存入初步关联表中。可以想见地，也可以以AIS采集的目标航迹数据为基础，对AIS目标列表中的每个目标依次遍历导航雷达目标列表和监控定位装置目标列表中的所有目标，基于初步关联判断方法得到该AIS目标航迹可能关联的导航雷达、监控定位装置采集到的目标航迹数据，然后将其存入初步关联表中。或者以监控定位装置采集的目标航迹数据为基础，对监控定位装置目标列表中的每个目标依次遍历导航雷达目标列表和AIS目标列表中的所有目标，基于初步关联判断方法得到该监控定位装置目标航迹可能关联的导航雷达、AIS采集到的目标航迹数据，然后将其存入初步关联表中。其中，初步关联判断方法均相同。由于导航雷达的检测范围最广，精度最高，所以，以导航雷达采集的目标航迹数据为基础的方式关联效果最佳。

S4、对初步关联表进行再次关联判断，确定不同类型的船舶传感设备采集的目标航迹数据是否来源于同一目标，得到最终关联目标数据表和航迹关联判断结果。

最终关联目标数据表中包括多个目标以及每个目标对应的航迹。

由于初步关联表是以导航雷达采集的目标航迹数据为基础的，所以只需要判断其他船舶传感设备采集的目标航迹数据与导航雷达采集的目标航迹数据之间的关联度即可。

导航雷达的航迹s和来自其他船舶传感设备的航迹t在k时刻的状态估计差

为：

其中，x_2t(k|k),x_3t(k|k),...,x_mt(k|k)分别表示导航雷达的航迹s和来自其他船舶传感设备的航迹t在k时刻分别在目标位置(目标相对本船的距离和方位)、船速、航向等信息的状态差。

设阈值矢量为ε＝[ε₂,ε₃,...,ε_m]^T，表示导航雷达与其他船舶传感设备航迹关联的阈值矢量，则确定航迹s与航迹t为来自同一目标的航迹的判断条件如下：

(|x_2t(k|k)|≤ε₂)∩(|x_3t(k|k)|≤ε₃)∩...∩(|x_mt(k|k)|≤ε_m)

依照上述方法，更新初步关联表，针对初步关联表中每个目标来自不同船舶传感设备的关联度进行判断，将不符合条件的删除并移至第一无关联数据表中，对于更新后的某一目标数据若只有来自导航雷达的目标航迹数据，将该数据移到第一无关联数据表中。

S5、基于初步关联表以及AIS采集到的目标航迹数据，得到第二无关联数据表，将第一无关联数据表与第二无关联数据表结合得到无关联数据表。其中，最终关联目标数据表的数据在进行数据融合后可用于数据分析，无关联数据表的数据可直接用于数据分析。

进一步地，第二无关联数据表中包括无关联目标航迹数据，第二无关联目标航迹数据是指该目标航迹数据仅仅是由一个船舶传感设备采集得到。由于除了AIS以外，智能船舶配置的目标检测传感设备中，导航雷达的检测范围最广，精度最高，对其他船舶传感设备检测的数据导航雷达均可检测到。只有AIS数据有可能来自导航雷达检测范围之外，因此遍历步骤S3得到的初步关联表以及AIS采集到的目标航迹数据，不在初步关联表中的由AIS采集到的目标航迹数据即为AIS单独检测得到的目标航迹数据，将这些无关联目标航迹数据存储到第二无关联数据表之中，对于该表中的数据无需进行数据融合，可直接用于数据分析。

进一步地，第一无关数据表中包括由初级关联表到最终关联目标数据表的过程中没有关联(使用)的目标航迹数据，第二无关数据表中包括仅由一个船舶传感设备采集的目标航迹数据。

综合上述，与传统智能船舶目标定位跟踪只考虑导航雷达以及AIS两者数据不同，本发明提供的方法将船舶上其他可用于目标定位的传感设备也融入判断之中，从而可以进一步提高船舶目标定位的精度。

其中，综合考虑多传感设备目标航迹关联，相对比传统关联算法复杂度高且精度低，本发明提供的方法采用初步关联表的方法将数据进行初步划分，从而可以大大降低后续算法的复杂度，提高算法效率。具体地，通过对数据进行初步划分，可以应对船舶在繁忙海域目标密集、数据繁多的情况，提高算法的执行效率，确保结果的关联精度。

该方法融合智能船舶多种传感设备用于目标定位，提高了目标定位的精度，并提供了一种应用于多传感器在目标密集下的航迹关联方法，提高算法执行效率，降低运行时间。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例，或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。

应当注意的是，在权利要求中，不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的权利要求中，这些装置中的若干个可以是通过同一个硬件来具体体现。词语第一、第二、第三等的使用，仅是为了表述方便，而不表示任何顺序。可将这些词语理解为部件名称的一部分。

此外，需要说明的是，在本说明书的描述中，术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述，是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管已描述了本发明的优选实施例，但本领域的技术人员在得知了基本创造性概念后，则可对这些实施例作出另外的变更和修改。所以，权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也应该包含这些修改和变型在内。

Claims (9)

1.一种基于智能船舶多传感器的航迹关联判断方法，其特征在于，包括以下步骤：

S1、在智能船舶航行过程中基于多种类型的船舶传感设备采集而获取多个目标航迹数据；

S2、对多个所述目标航迹数据分别进行预处理，得到多个目标列表；

S3、针对所述多个目标列表进行初步关联判断，得到初步关联表；

S4、对初步关联表中目标航迹数据进行再次关联判断，确定不同类型的船舶传感设备采集的目标航迹数据是否来源于同一目标，得到最终关联目标数据表和航迹关联判断结果；

对初步关联表中目标航迹数据进行关联判断，包括：

导航雷达的航迹s和来自其他船舶传感设备的航迹t在k时刻的状态估计差

为：

其中，x_2t(k|k),x_3t(k|k),...,x_mt(k|k)分别表示导航雷达的航迹s和来自其他船舶传感设备的航迹t在k时刻分别在目标位置、船速、航向的状态差；

设阈值矢量为ε＝[ε₂,ε₃,...,ε_m]^T，表示导航雷达与其他船舶传感设备航迹关联的阈值矢量，则确定航迹s与航迹t为来自同一目标的航迹的判断条件如下：

(|x_2t(k|k)|≤ε₂)∩(|x_3t(k|k)|≤ε₃)∩...∩(|x_mt(k|k)|≤ε_m)。

2.如权利要求1所述的航迹关联判断方法，其特征在于，还包括：

S5、基于所述初步关联表以及目标列表，得到无关联数据表，将最终关联目标数据表和无关联数据表进行存储；

其中，最终关联目标数据表的数据在进行数据融合后用于数据分析，无关联数据表的数据直接用于数据分析。

3.如权利要求1所述的航迹关联判断方法，其特征在于，多种类型的所述船舶传感设备包括导航雷达、AIS和监控定位装置中的至少两种；

对应地，所述多个目标列表包括导航雷达目标列表、AIS目标列表和监控定位装置目标列表中的至少两种。

4.如权利要求2所述的航迹关联判断方法，其特征在于，所述步骤S2中，对目标航迹数据进行预处理包括空间校准和时间校准。

5.如权利要求4所述的航迹关联判断方法，其特征在于，所述空间校准包括将船舶传感设备采集到的目标航迹数据统一到同一直角坐标系上，具体包括：

将导航雷达采集的极坐标数据转换到直角坐标系中，满足以下公式：

其中，R为距离，θ为方位角，(x,y)为导航雷达采集的目标在某一时刻的位置信息；

将AIS采集的经纬度数据转换到直角坐标系中，满足以下公式：

其中，L₁为经度坐标，L₂为纬度坐标，(x',y')为AIS采集的目标在某一时刻的位置信息；

将监控定位装置采集的视频图像数据通过计算监控定位位置与目标船舶像素位置进行转换后得到目标经纬度坐标，然后将目标经纬度坐标转换到直角坐标系中，满足以下公式：

其中，L₃为经度坐标，L₄为纬度坐标，(x",y")为监控定位装置采集的目标在某一时刻的位置信息。

6.如权利要求5所述的航迹关联判断方法，其特征在于，所述时间校准包括：

通过最邻近规则算法得到多个聚类数据采集时间序列集合，然后计算每个聚类数据采集时间序列的集合中心值，得到聚类统一后的目标航迹数据采集时间序列。

7.如权利要求6所述的航迹关联判断方法，其特征在于，所述步骤S3中，以导航雷达采集的目标航迹数据为基础，对导航雷达目标列表中的每个目标依次遍历AIS目标列表和监控定位装置目标列表中的所有目标，基于初步关联判断方法得到与该导航雷达目标航迹关联的AIS、监控定位装置采集到的目标航迹数据，然后将其存入初步关联表中。

8.如权利要求7所述的航迹关联判断方法，其特征在于，所述初步关联判断方法满足如下初步关联判断的公式：

ρ＝αf(|x₁(n)-x_j(i)|)+βg(|x₁(n)-x_j(i)|)+γh(|x₁(n)-x_j(i)|)

其中，ρ为两个船舶传感设备在目标上的关联度，f(|x₁(n)-x_j(i)|)、g(|x₁(n)-x_j(i)|)和h(|x₁(n)-x_j(i)|)分别为导航雷达的第n个目标航迹数据与第j个船舶传感设备的第i个目标航迹数据之间在航向、目标位置和航速上的关联度，j＝2,3，α、β和γ分别为对应的关联系数；

当两个船舶传感设备在目标上的关联度ρ大于设定的阈值ε'时，则认为满足初步关联。

9.如权利要求8所述的航迹关联判断方法，其特征在于，所述步骤S5包括遍历初步关联表和AIS采集到的目标航迹数据，得到无关联数据表；

所述无关联数据表中的无关联目标航迹数据为不在初步关联表中的由AIS采集到的目标航迹数据。

Images