CN113946781B - 基于自适应多维度融合模型的船舶定位方法 - Google Patents
基于自适应多维度融合模型的船舶定位方法 Download PDFInfo
- Publication number
- CN113946781B CN113946781B CN202111208317.0A CN202111208317A CN113946781B CN 113946781 B CN113946781 B CN 113946781B CN 202111208317 A CN202111208317 A CN 202111208317A CN 113946781 B CN113946781 B CN 113946781B
- Authority
- CN
- China
- Prior art keywords
- ais
- radar
- ship
- positioning
- adaptive
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000004927 fusion Effects 0.000 title claims abstract description 23
- 238000006243 chemical reaction Methods 0.000 claims abstract description 6
- 238000012544 monitoring process Methods 0.000 claims description 17
- 230000003044 adaptive effect Effects 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000014509 gene expression Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于自适应多维度融合模型的船舶定位方法,基于岸基雷达以及AIS获取到船舶信息,并将其进行坐标转换与时间同步。同时,充分考虑到天气状况、传感器至目标的距离、传感器更新率等因素对船舶定位的影响,建立自适应多维度置信度模型,满足在不同天气状况、不同距离以及不同更新率等维度下实现船舶精确、可靠定位的需求。本发明所提出的方法和传统雷达与AIS的融合定位方法相比,精度更高,可靠性更强,适用性更广。
Description
技术领域
本发明涉及船舶导航定位和多源信息融合领域,特别是一种基于自适应多维度融合模型的船舶定位方法。
背景技术
随着经济快速发展,信息化手段的不断提升,船舶交通管理系统(Vessel TrafficServices,VTS)需要不断增强系统信息获取以及信息综合处理与应用的手段和能力,以满足用户对于安全、高效、便捷VTS的强烈需求。在国际上,国际海事组织(IMO)、国际航标协会(IALA)、国际电信联盟(ITU)等组织于21世纪初着手于各个定位系统的研究,主要目的是实现船舶避碰,降低海上交通事故率,船舶精准的定位可有助于海巡艇实施救助。国内水运行业的业务量居高不下,用于运输业船舶密度的增加,同时增加了定位的难度,从而增加了海上航行安全的风险,海上交通事故频频发生,海洋环境受损程度日益严重,使得现场环境变得不可控制。因此,为了有效解决上述所述问题,船舶定位精度的提高以及充分利用当前海上通用的传感器成了船舶管理中必不可少的部分。船舶交通管理系统通过先进的多传感器融合技术、信息管理技术、高精度信息处理技术、数字通信技术,定位导航技术等,确保海上航行安全,减少人员伤亡,推动海事业务的发展。
雷达与AIS作为当前船舶交通管理系统中最重要的两种传感器,为船舶目标的通行保驾护航,单一传感器对船舶的定位有着一定的误差,例如:AIS定位的精度受到更新率、机构与机构之间转发效率、内置卫星定位接收机的精度以及船舶距离AIS基站距离的影响,而雷达定位被雷达测量精度(雷达天线尺寸)、雷达站与船舶目标的距离、天气情况以及海况多方面因素影响;因此,首先在雷达与AIS端建立多维度置信度模型,实时地获取到自适应加权因子,然后将雷达获取的船舶信息与AIS获取的船舶信息加权融合,既弥补了双传感器各自的不足之处,又可以在保证高准确度的基础上,提高船舶目标定位的自适应能力。这一技术可以推动船舶交通管理系统中原有定位导航功能的发展,进一步保障航行安全。
因此,在此背景下,增强对雷达与AIS融合的定位精度的研究变得至关重要,是VTS发展中必不可少的阶段。
发明内容
本发明要解决的技术问题是针对上述现有技术的不足,而提供一种基于自适应多维度融合模型的船舶定位方法,该基于自适应多维度融合模型的船舶定位方法将雷达获取的船舶信息与AIS获取的船舶信息加权融合,从而在保证高准确度的基础上,提高船舶目标定位的自适应能力。
为解决上述技术问题,本发明采用的技术方案是:
一种基于自适应多维度融合模型的船舶定位方法,包括如下步骤。
步骤1、获取船舶目标位置信息:采用岸基雷达和AIS同时实时采集并获取船舶目标位置信息。
步骤2、坐标转换与时间同步:将步骤1中岸基雷达和AIS获取的船舶目标位置信息,均转换至平面直角坐标系;同时,将岸基雷达和AIS的时间进行同步校准。
步骤3、计算最优估计值:使用卡尔曼滤波算法,分别计算出雷达监测船舶目标的位置信息最优估计值XRk和AIS监测船舶目标的位置信息最优估计值XAk。
步骤4、建立自适应多维度置信度模型:根据影响雷达定位精度的因素和影响AIS定位精度的因素,建立六维度置信度模型C1、C2、C3、C4、C5和C6;C1、C2、C3、C4、C5和C6分别为基于雷达中测量精度的置信度、基于雷达中天气状态的置信度、基于雷达中船舶目标距离雷达站距离的置信度、基于AIS中船载AIS终端距离AIS基站距离的置信度、基于AIS中更新频率的置信度和基于AIS中测量精度的置信度;C1、C2、C3、C4、C5和C6对应的权值系数分别为ξ1、ξ2、ξ3、ξ4、ξ5和ξ6。
步骤5、计算自适应最优权重系数:自适应最优权重系数包括雷达定位精度权重系数ρ1和AIS定位精度权重系数ρ2,ρ1和ρ2的计算公式为:
步骤6、计算船舶位置最优值Xk,具体计算公式为:
Xk=ρ1XRk+ρ2XAk (10)。
步骤4中,六维度置信度模型C1、C2、C3、C4、C5和C6的表达式分别为:
公式(1)至(6)中,LR表示输入雷达天线长度值;Wmode表示天气状态;d为雷达监测船舶目标距离雷达站的长度,(xi,yi)为雷达监测船舶目标在平面直角坐标系的位置;LA表示AIS监测船舶目标相距AIS基站的长度;(xA,1,yA,1)为AIS监测船舶目标在平面直角坐标系的位置;vA,1表示船舶航速;DGPS和GPS为AIS中内置卫星定位接收机的型号;a1、a2、a3、b1、b2、b3、d1和d2均为常数。
LR取值为6、12、18或21。
d1>b1>a1。
a1>1.5a2且a2=2a3,b1>1.5b2且b2>1.5b3,d1=2d2。
a1=0.7,a2=0.4,a3=0.2;b1=0.75,b2=0.45,b3=0.25;d1=0.8,d2=0.4。
ξ6>ξ1>ξ5=ξ3>ξ2>ξ4。
ξ1=0.5、ξ2=0.2、ξ3=0.3、ξ4=0.1、ξ5=0.3和ξ6=0.6。
步骤2中,采用三次样条插值法,将岸基雷达和AIS的时间进行同步校准。
本发明具有如下有益效果:
1、本发明在获取到雷达与AIS的定位信息后,分别对双传感器的结果进行了卡尔曼滤波,得到最优估计值,在进行多源融合前先提高了不同传感器的定位精度,使得结果收敛。
2、本发明建立的多维度置信度模型,综合考虑了船载AIS终端与AIS基站的距离、AIS设备的更新率、AIS内置定位接收机的精度、船舶目标距离雷达站的距离、雷达的测量精度以及当前天气状况等因素,一方面提升了双传感器权值分配的精确度,另一方面也提高了该模型的有效性以及容错率。另外,AIS更新频率维度的加入使得AIS的有效性得到增强,在雷达定位精度中加入的天气状况维度使得该模型的适用性更广,而自适应地计算出雷达与AIS的加权因子,使得该定位方法不仅具有高精度、高稳定性的优点,而且还增强了实时的可靠性以及高适用性,因此,在雷达站以及AIS基站范围内的船舶目标,可以获取精确的定位信息。
3、本发明自适应实时地获取加权因子,归一化双传感器的权值系数后,通过加权之前卡尔曼滤波后最优估计值,进一步提升了定位精度,具备高准确度、自适应能力强、适用性广等优点。
附图说明
图1显示了本发明一种基于自适应多维度融合模型的船舶定位方法的流程图。
具体实施方式
下面结合附图和具体较佳实施方式对本发明作进一步详细的说明。
本发明的描述中,需要理解的是,术语“左侧”、“右侧”、“上部”、“下部”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,“第一”、“第二”等并不表示零部件的重要程度,因此不能理解为对本发明的限制。本实施例中采用的具体尺寸只是为了举例说明技术方案,并不限制本发明的保护范围。
如图1所示,一种基于自适应多维度融合模型的船舶定位方法,包括如下步骤。
步骤1、获取船舶目标位置信息:采用岸基雷达和AIS同时实时采集并获取船舶目标位置信息。
步骤2、坐标转换与时间同步
将步骤1中岸基雷达和AIS获取的船舶目标位置信息,均转换至平面直角坐标系。
岸基雷达获取船舶目标位置所处于极坐标系,而AIS获取船舶目标位置处于WGS-84坐标系中,将两个坐标系中的位置信息转换至平面直角坐标系,转换公式如下:
其中,DR是雷达目标与坐标原点之间的距离,ρR表示雷达目标与岸基雷达之间的距离,lR表示岸基雷达距离地面的高度,θR表示雷达目标相对于坐标原点之间的方位,θS表示雷达目标相对于岸基雷达的方位,xR,yR分别表示雷达获取目标转换于直角坐标系下的横坐标与纵坐标。
针对AIS提供的船舶位置坐标(L,B),使用高斯-克吕格投影算法将其换至平面直角系下的坐标为XA,YA,其中,L与B分别表示船舶目标在WGS-84坐标系中纬度与经度信息。高斯-克吕格投影算法为现有技术,这里不再赘述。
同时,优选采用三次样条插值法,将岸基雷达和AIS的时间进行同步校准。上述三次样条插值法,为现有技术,这里不再赘述。
步骤3、计算最优估计值:使用卡尔曼滤波算法,分别计算出雷达监测船舶目标的位置信息最优估计值XRk和AIS监测船舶目标的位置信息最优估计值XAk。
采用卡尔曼滤波算法,计算最优估计值的方法,优选包括如下步骤。
步骤31、建立状态方程:
Xk=AXk-1+wk (19)
式中A表示状态转移矩阵,Xk-1表示k-1时刻下雷达或AIS最优估计值,Xk表k时刻下状态值,共有四个参数xk、yk、υx和vy;其中,xk和yk分别表示横纵坐标;vx和vy对应x向和y向的速度分量值,wk表示k时刻下的过程噪声。
步骤32、建立观测方程:
Zk=HXk+vk (21)
其中,H为测量矩阵,Zk为k时刻下的测量值,vk为服从正态分布的过程噪声值。
步骤33、获取预测值:
P’k=APk-1AT+Q (23)
其中,是预测值,/>是上一时刻中的卡尔曼最优估计值,P’k是预测误差协方差矩阵,Q表示系统过程协方差矩阵,Pk-1表示上一时刻中卡尔曼估计误差协方差矩阵。
步骤34、获取观测值并校正预测值:
Kk=P’kHT(HP’kHT+R)-1 (25)
其中,是测量余量,Kk是卡尔曼增益,R是测量噪声协方差矩阵,/>是卡尔曼滤波最优估计值,即k时刻的结果。
步骤35、更新协方差估计值:
Pk=(I-KkH)P’k (27)
对雷达目标和AIS目标,分别安装上述步骤31至步骤35,进行卡尔曼滤波算,从而得到对应的卡尔曼最优估计值。因此,雷达目标的卡尔曼最优估计值为AIS目标的卡尔曼最优估计值为/>同时,/>和其中,xRadar与yRadar是雷达经过卡尔曼滤波后的定位数据;xAis与yAis是雷达经过卡尔曼滤波后的定位结果。
步骤4、建立自适应多维度置信度模型:根据影响雷达定位精度的因素和影响AIS定位精度的因素,建立六维度置信度模型C1、C2、C3、C4、C5和C6;C1、C2、C3、C4、C5和C6分别为基于雷达中测量精度的置信度、基于雷达中天气状态的置信度、基于雷达中船舶目标距离雷达站距离的置信度、基于AIS中船载AIS终端距离AIS基站距离的置信度、基于AIS中更新频率的置信度和基于AIS中测量精度的置信度。
六维度置信度模型C1、C2、C3、C4、C5和C6的表达式分别为:
LR表示输入雷达天线长度值;LR取值为6、12、18或21,一般磁控管雷达或者固态雷达。天线越长,测量精度就越精确。
Wmode表示天气状态,a1、a2、a3均为常数,优选取值为a1>1.5a2且a2=2a3;进一步优选为a1=0.7,a2=0.4,a3=0.2。当天气晴朗,水面无风浪时,此时天气状态所产生的回波质量最好,对应的置信度为0.7;当风浪较小,并且有小雨,小雪干扰时,雷达可以进行信号处理,所得到的回波质量中等,对应的置信度为0.4;当天气极度恶劣,海上狂风暴雨,信号处理不能将杂波与回波完全分开时,回波质量较差,对应的置信度为0.2。
其中,d为雷达监测船舶目标距离雷达站的长度,根据雷达的固有特性,距离雷达站越远的目标,方位展宽越明显,从而影响质心位置,并且信号的非线性相位特性同样影响测量精度,因此测量精度与距离呈非线性关系。C3置信度分配与距离服从正态分布。(xi,yi)为雷达监测船舶目标在平面直角坐标系的位置。
其中,(xA,1,yA,1)为AIS监测船舶目标在平面直角坐标系的位置,此时的圆心为最近的AIS基站;C4表示AIS中距离因素上分配的置信度值;LA表示AIS监测船舶目标相距AIS基站的长度。
其中,C5表示AIS中更新频率的置信度值,vA,1表示船舶航速(单位:节),AIS数据的更新频率主要由两方面因素决定:航速越快,更新频率越快;AIS数据经常会通过各个机构间的转发,转发的阶层越多,延迟越高,暂时不考虑转发导致的延迟。b1、b2、b3为常数,优选b1>1.5b2且b2>1.5b3,进一步优选为b1=0.75,b2=0.45,b3=0.25。
与雷达不同的是,雷达易受天线长短,目标离雷达站的距离所影响,雷达的平均测量精度约为12m,而AIS的测量精度受内置卫星定位接收机影响,如果内置卫星定位接收机采用的是GPS时,测量精度约为15m,如果采用的是DGPS,测量精度约为3m,因此置信度分配如下:
公式(6)中,DGPS和GPS为AIS中内置卫星定位接收机的型号;、d1和d2均为常数。其中,d1>b1>a1,优选d1=2d2,进一步优选为d1=0.8,d2=0.4。
上述C1、C2、C3、C4、C5和C6对应的权值系数分别为ξ1、ξ2、ξ3、ξ4、ξ5和ξ6,且ξ6>ξ1>ξ5=ξ3>ξ2>ξ4。
雷达定位精度三个因素的权值重要性排序:测量精度>距离>天气。因此,本发明选取的权重大小为:
AIS定位精度三个因素的权值重要性排序:测量精度>更新速率>距离。因此,本发明选取的权重大小为:
步骤5、计算自适应最优权重系数:自适应最优权重系数包括雷达定位精度权重系数ρ1和AIS定位精度权重系数ρ2,ρ1和ρ2的计算公式为:
步骤6、计算船舶位置最优值Xk,具体计算公式为:
Xk=ρ1XRk+ρ2XAk (37)。
以上详细描述了本发明的优选实施方式,但是,本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种等同变换,这些等同变换均属于本发明的保护范围。
Claims (8)
1.一种基于自适应多维度融合模型的船舶定位方法,其特征在于:包括如下步骤:
步骤1、获取船舶目标位置信息:采用岸基雷达和AIS同时实时采集并获取船舶目标位置信息;坐标转换与时间同步
步骤2、坐标转换与时间同步:将步骤1中岸基雷达和AIS获取的船舶目标位置信息,均转换至平面直角坐标系;同时,将岸基雷达和AIS的时间进行同步校准;
步骤3、计算最优估计值:使用卡尔曼滤波算法,分别计算出雷达监测船舶目标的位置信息最优估计值XRk和AIS监测船舶目标的位置信息最优估计值XAk;
步骤4、建立自适应多维度置信度模型:根据影响雷达定位精度的因素和影响AIS定位精度的因素,建立六维度置信度模型C1、C2、C3、C4、C5和C6;C1、C2、C3、C4、C5和C6分别为基于雷达中测量精度的置信度、基于雷达中天气状态的置信度、基于雷达中船舶目标距离雷达站距离的置信度、基于AIS中船载AIS终端距离AIS基站距离的置信度、基于AIS中更新频率的置信度和基于AIS中测量精度的置信度;C1、C2、C3、C4、C5和C6对应的权值系数分别为ξ1、ξ2、ξ3、ξ4、ξ5和ξ6;
六维度置信度模型C1、C2、C3、C4、C5和C6的表达式分别为:
公式(1)至(6)中,LR表示输入雷达天线长度值;Wmode表示天气状态;d为雷达监测船舶目标距离雷达站的长度,(xi,yi)为雷达监测船舶目标在平面直角坐标系的位置;LA表示AIS监测船舶目标相距AIS基站的长度;(xA,1,yA,1)为AIS监测船舶目标在平面直角坐标系的位置;vA,1表示船舶航速;DGPS和GPS为AIS中内置卫星定位接收机的型号;a1、a2、a3、b1、b2、b3、d1和d2均为常数;
步骤5、计算自适应最优权重系数:自适应最优权重系数包括雷达定位精度权重系数ρ1和AIS定位精度权重系数ρ2,ρ1和ρ2的计算公式为:
步骤6、计算船舶位置最优值Xk,具体计算公式为:
Xk=ρ1XRk+ρ2XAk (8)。
2.根据权利要求1所述的基于自适应多维度融合模型的船舶定位方法,其特征在于:LR取值为6、12、18或21。
3.根据权利要求1所述的基于自适应多维度融合模型的船舶定位方法,其特征在于:d1>b1>a1。
4.根据权利要求3所述的基于自适应多维度融合模型的船舶定位方法,其特征在于:a1>1.5a2且a2=2a3,b1>1.5b2且b2>1.5b3,d1=2d2。
5.根据权利要求4所述的基于自适应多维度融合模型的船舶定位方法,其特征在于:
a1=0.7,a2=0.4,a3=0.2;b1=0.75,b2=0.45,b3=0.25;d1=0.8,d2=0.4。
6.根据权利要求1所述的基于自适应多维度融合模型的船舶定位方法,其特征在于:ξ6>ξ1>ξ5=ξ3>ξ2>ξ4。
7.根据权利要求6所述的基于自适应多维度融合模型的船舶定位方法,其特征在于:v1=0.5、ξ2=0.2、ξ3=0.3、ξ4=0.1、ξ5=0.3和ξ6=0.6。
8.根据权利要求1所述的基于自适应多维度融合模型的船舶定位方法,其特征在于:步骤2中,采用三次样条插值法,将岸基雷达和AIS的时间进行同步校准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111208317.0A CN113946781B (zh) | 2021-10-18 | 2021-10-18 | 基于自适应多维度融合模型的船舶定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111208317.0A CN113946781B (zh) | 2021-10-18 | 2021-10-18 | 基于自适应多维度融合模型的船舶定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113946781A CN113946781A (zh) | 2022-01-18 |
CN113946781B true CN113946781B (zh) | 2024-01-26 |
Family
ID=79331054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111208317.0A Active CN113946781B (zh) | 2021-10-18 | 2021-10-18 | 基于自适应多维度融合模型的船舶定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113946781B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130003629A (ko) * | 2011-06-30 | 2013-01-09 | 주식회사 희망에어텍 | 선박을 감시하는 통합 감시 시스템 및 그의 방법 |
CN106767760A (zh) * | 2016-12-30 | 2017-05-31 | 中国船舶重工集团公司第七0七研究所 | 基于多维度的多源船舶目标融合方法 |
CN112859134A (zh) * | 2021-01-20 | 2021-05-28 | 中船重工鹏力(南京)大气海洋信息系统有限公司 | 一种基于雷达与北斗数据的船舶目标精确关联方法 |
CN112859133A (zh) * | 2021-01-20 | 2021-05-28 | 中船重工鹏力(南京)大气海洋信息系统有限公司 | 一种基于雷达与北斗数据的船舶深度融合定位方法 |
CN113962300A (zh) * | 2021-10-18 | 2022-01-21 | 中船重工鹏力(南京)大气海洋信息系统有限公司 | 一种融合雷达与ais的船舶精确关联方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0822468D0 (en) * | 2008-12-10 | 2009-01-14 | Qinetiq Ltd | Method for mitigating the effects of clutter and interference on a radar system |
-
2021
- 2021-10-18 CN CN202111208317.0A patent/CN113946781B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130003629A (ko) * | 2011-06-30 | 2013-01-09 | 주식회사 희망에어텍 | 선박을 감시하는 통합 감시 시스템 및 그의 방법 |
CN106767760A (zh) * | 2016-12-30 | 2017-05-31 | 中国船舶重工集团公司第七0七研究所 | 基于多维度的多源船舶目标融合方法 |
CN112859134A (zh) * | 2021-01-20 | 2021-05-28 | 中船重工鹏力(南京)大气海洋信息系统有限公司 | 一种基于雷达与北斗数据的船舶目标精确关联方法 |
CN112859133A (zh) * | 2021-01-20 | 2021-05-28 | 中船重工鹏力(南京)大气海洋信息系统有限公司 | 一种基于雷达与北斗数据的船舶深度融合定位方法 |
CN113962300A (zh) * | 2021-10-18 | 2022-01-21 | 中船重工鹏力(南京)大气海洋信息系统有限公司 | 一种融合雷达与ais的船舶精确关联方法 |
Non-Patent Citations (2)
Title |
---|
内河船舶AIS与雷达动态信息集成性融合;范耀天;王驰;;中国航海(第04期);第19-23页 * |
雷达与AIS技术在船舶融合上的应用;刘勇;;河南科技(第35期);第25-27页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113946781A (zh) | 2022-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2016112708A1 (zh) | 一种船舶辅助泊岸方法和系统 | |
WO2016112714A1 (zh) | 一种船舶辅助泊岸方法和系统 | |
CN112859134B (zh) | 一种基于雷达与北斗数据的船舶目标精确关联方法 | |
CA2727305C (en) | Method and apparatus for passive determination of target parameters | |
CN112859133B (zh) | 一种基于雷达与北斗数据的船舶深度融合定位方法 | |
CN113962300A (zh) | 一种融合雷达与ais的船舶精确关联方法 | |
CN113687349A (zh) | 基于多传感器融合的无人艇海面目标追踪方法及装置 | |
CN110389318B (zh) | 一种基于立体六元阵的水下移动平台定位系统及方法 | |
CN110780327A (zh) | 基于星载ais与红外相机的海上目标协同定位方法 | |
CA2155205C (en) | Signal processing system and method for use in multi beam sensing systems | |
JP2009025042A (ja) | 船舶用目標追尾装置 | |
CN114061565B (zh) | 一种无人船舶slam及其应用方法 | |
CN105758405A (zh) | 一种适用于高海况的uuv跟踪母船航迹规划方法 | |
CN113946781B (zh) | 基于自适应多维度融合模型的船舶定位方法 | |
CN114184256A (zh) | 一种多目标背景下的水位测量方法 | |
KR20170078835A (ko) | 적어도 하나의 선박의 수면속도를 계산하는 방법 및 상기 선박의 경로상의 모든 지점에서 각각의 표류벡터를 추론하는 방법 | |
CN117146830B (zh) | 一种自适应多信标航位推算和长基线的紧组合导航方法 | |
Godhavn | High quality heave measurements based on GPS RTK and accelerometer technology | |
CN116358544A (zh) | 基于声学特征匹配定位修正惯性导航误差的方法和系统 | |
CN111984006B (zh) | 融合海流及尺度差异影响的无人艇多目标会遇避碰方法 | |
CN113156368B (zh) | 一种基于因子图的误差参数辨识协同定位方法 | |
CN109799480B (zh) | 一种水下通信节点基于多途信道约束的长基线定位方法 | |
CN111856456A (zh) | X波段导航雷达浅海表面流与水深联合估计方法 | |
JP6300344B2 (ja) | 海流推定方法及び海流推定システム | |
CN111522013A (zh) | 一种基于侧扫声呐的海底目标定位装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 211106 No. 32, Changqing street, Jiangning Development Zone, Nanjing, Jiangsu Applicant after: China Shipbuilding Pengli (Nanjing) Atmospheric and Ocean Information System Co.,Ltd. Address before: 211106 No. 32, Changqing street, Jiangning Development Zone, Nanjing, Jiangsu Applicant before: CSIC PRIDE (NANJING) ATMOSPHERE MARINE INFORMATION SYSTEM Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |