舰船雷达与AIS信息融合技术

第2

43

卷第

期

舰船科学技术

Vol.

2

43,

No.

Feb.

,

2021

2021

年

2

月

SHIP

SCIENCE

AND

TECHNOLOGY

舰船雷达与

AIS

信息融合技术

杨淑洁

，

孙伟

，

卢威

，，

王帅

周杨

(浙江海洋大学海洋工程装备学院

，

浙江舟山

316022)

摘

要

：

雷达和自动识别系统

(

AutomaticIdentification

System,

AIS

)

是配备最多的

2

类安全助航设备在海上

，

船舶导航领域发挥着不可替代的作用

。由于雷达与

AIS

提供的信息具有良好的互补性和冗余性

，

二者融合可以改善

探测性能

、

提高导航系统的精度和可靠性，

是近年来海上导航技术的重点发展方向本文首先介绍雷达

。

/AIS

信息融

合技术

，

接着总结其国内外研究现状

，

并重点阐述航迹关联和信息融合两项关键技术的研究现状

，

最后提岀雷达

/AIS

信息融合技术发展中待解决的问题

，。

并展望其未来发展趋势

关键词

：信息融合

雷达

；

AIS;

航迹关联

；

中图分类号

：

TN967

文献标识码：

A

文章编号

：

1672

--

7649(2021)02

-

016710.3404/,1672

-doi

05

：

7649.2021.02.034

Review

ofof

rearch

on

information

fusionshipborneradar

and

AIS

YANGZHOUYang

WANG

Shu-jie,

Shuai,

SUN

Wei,LUWei,

(School

of China)

Marine

Engineering316022,

Equipment,University,

ZhejiangOcean

Zhoushan

Abstract:

two

Radar safe

automatic

andidentificationofaremostly

system(AlS)are

typeswhich

helperfor

navigation

equippedplay

in of

on provided

information

shipsthefieldthe

today,Becau

and

they

irreplaceablerolesship

navigation.

bythe

AISanddetectionand­

radarandcomplementarity

fusion of

has

good

improvein

redundancy,

two

canperformance

creanavigationbecomemaritime

of of

thewhichthe

accuracy

and

reliabilitykeydevelopment

information,

has

direction

navigation

technologyinformation

in

recentIn

years.andAIS

thisradar

paper,introducedfirstly.

fusion

technology

is

Thenthedevelopment

domestican-

information

andthe

of fusion

internationalkey

of technologiesis

radar/AISsummarized,

dtheis

status

of

problemsbe

rearchemphatically

forandinfbrmationfusionto

track

correlation

introduced.

Finally,

the

solved

fusion future

ininformation

thepropod,development

development

of

radar/AIStechnology

are

anddiscusd.

its

is

Keycorrelation

fusion

words:AIS

radar

；；

;

track

information

0

引言

1

雷达

/AIS

信息融合技术概述

随着海运事业的发展

，

船舶的吨位

、

数量以及水

1.1

雷达和

AIS

的数据特点

域交通密度都在不断增加，

对船运监管

、

船舶安全提

出了新的挑战

。这些挑战也推动了船舶信息化与智能

化的发展

，

海上通信导航设备的种类和性能都在不断

雷达是主动式传感器

，

发送信号

、

接收和处理返

送回来的信号

，

不能接收其他雷达的信号何

。

雷达可

以对运动和静止的目标进行跟踪勘测

，

提供距离

、方

位 雷达和自动识别系统

、

航速航向等信息

、

，提高

并估计其大小和形状

。

但雷、。

增加

(

Automatic

­

Identi

fication,

System

AIS

)

是当下船上配备最多的导航设

达存在盲区

，、

同时回波容易受到天气

海况以及地形

遮挡等影响造成雷达目标分辨力不强

，

、，，

显示虚假目而且二者的信息具有一定的互补性和冗余性⑴

标等问题此外雷达在多目标密集区域容易出现误跟

。

备

将雷达和的信息进行融合

AIS

，

有利于改善船舶对周

围障碍物的探测性能

、

提高船舶导航信息的精度和可

踪和目标丢失现象叫

AIS

的出现弥补了雷达的缺陷

，

它是被动式传感

靠性

，

是未来船舶导航技术发展的重要方向

。

收稿日期:

2020

10

-

10-

基金项目

：国家自然科学基金资助项目

浙江海洋大学省属高校基本科研业务费资助项目

(

2019J00036)

；

(

61903337)

；

舟山市科技计

划资助项目

(

2020C21011)

；

浙江海洋大学人才引进科研基金资助项目

(

xjrcxj201801)

作者简介:杨淑洁，船舶避碰技术研究

(1986-),

女

，讲师

博士，

主要从事组合导航

、

。

•

168

•

舰船科学技术

第

43

卷

器

，通过接收

AIS

信号获取目标船舶的位置

、

航向、

［

数据融合中心

］

航速等动态信息

，

呼号船舶类型等静态信

、、

船名

息

，

以及航次相关信息和安全信息⑷

。相较于雷达,

AIS

的导航精度高

，

目标信息丰富

，

而且

AIS

不易受

时航航

空迹

对关

准联

迹

融

合

生标状

£)

位置

、不会出现误跟踪和跟踪丢

天气等因素的影响

，

失的情况⑶

。

但是

，

AISVery

只能工作在甚高频

(

High

Frequency,

VHF

)

,

且无法识别没有安装

AIS

设备的

(a)

集中式

目标⑸

。

雷达和

AIS

具有各种的优缺点

，

二者的信号具有

冗余互补性如图

1

所示

。

冗余信息*

/目标船舶的位置

、

AIS

丨航向、

航速

雷达

目

标船舶静

的

通过回波估计

态

信

何

書

目标的大小和

船

名

息

船

、

形状

，

得到全

类

型

、、

等

h

长

航

次

境交通图像(包

信

息

的

地

括运动

、

静

到

达

(@

时

间

爭

、

止和固定的目

安

全

息

、

任

标

，

及其他环

境信息)

互补信息

图

1

雷达与

AIS

信息的冗余互补性示意图

Fig.1

Redundancy

andcomplementarity

of

radar

and

AIS

information

1.2

信息融合的模式

如前所述

，

雷达与

AIS

的信息具有一定的互补

性

，

将二者融合可以取长补短

，

提高船舶导航系统的

性能

。

现有的研究成果中

，

雷达和

AIS

信息融合的模

式可分为集中式

、

分布式和混合式其流程图如

［

-8

］

,

图

2

所示

。

1.2.1

集中式融合

在对信息融合处理前

，

为了提高信号的质量要对

雷达和

AIS

的原始数据进行预处理

，

主要包括去除野

值

、

点迹过滤然后雷达与

、

点迹合并

。

AIS

数据被直

接送到数据融合中心在融合中心进行时空对准、

，

航

迹关联，

、

航迹融合

，

最终得到目标状态

集中式融合

模式的流程如图。

2

(a)

所示

集中式融合具有信息损

失小对系统

、

跟踪精度高的特点

，

但由于数据量大

，

的运行容量传输宽带要求高

、

，

而且计算速度较慢

。

1.2.2

分布式融合

如图

2

(b

)

所示

，，

在分布式融合模式中

经过预

处理的雷达与

AIS

数据在进入信息融合中心之前

，

先

对自身数据去除冗余信息

、

缩小数据范围

，

得到局部

多目标跟踪航迹

，

然后将其传送到数据融合中心

，

由

数据融合中心完成航迹关联和融合

，

最终得到目标航

迹状态

。

分布式融合模式输到融合中心的数据量明显

减少

，降低了对系统运行容量、计

传输宽带的要求

，

［

数据融合中心

］

多

、

雷达丿

预处理

目

标

时航航

跟

空迹

迹

踪

对关

融

标状态)

联准

合

AIS

预处理

航

迹

(b)

分布式

(c)

混合式

图信息融合模式

2

雷达和

AIS

Fig.

2

Radar

andfusion

AISmodels

information

算速度快

，

但信息损失也使得精度也有所降低

。

雷达与

AIS

都有各自独立的信息处理系统

，

所以

分布式融合模式在没有增加系统复杂度的情况下提高

了系统的实时性和可靠性

，

因此在实际中通常采用分

布式模式

第

43

卷

杨淑洁AIS

，

等：

舰船雷达与

信息融合技术

•

169

•

系统坐标系

，

并将雷达和

AIS

的数据变换到系统坐标

系

。

常用的坐标变换方法有

3

种

：一是以雷达的极坐

2.1.2

时间对准

雷达的扫描周期为

2~4s,

AIS

为

2

〜

3

min"

］

,

加

上信息传输存在延迟二者的信息是不同步的

，

。

而异

类传感器进行信息融合时必须进行时间对准

。

进行时

标为系统坐标系⑼

，

二是以本船为原点的直角坐标系

为系统坐标系凹

，

三是以地心坐标系为系统坐标系冋

。

其中

，，

第

2

种方法具有计算简单、

精度高的特点

有

间对准

，

必须要保证雷达与

AIS

数据的起始时间相

利于海量数据的快速处理和后续航迹融合

，

因此被广

同

。

由于雷达的扫描周期是比较固定的

，

而

AIS

的数

泛用于雷达

、

AIS

信息坐标变换

，

下面介绍其具体变

据周期会随船舶的状态发生变化

，

因此一般将雷达的

采样时刻作为时间对准的起始时间基准

。

换过程

。

如图

3

所示

，系统坐标系的原点

Q

为本船位置

，

国内外学者提出了许多时间对准的方法

，

常用的

Xz

轴

、

娱轴分别指向东经和北纬方向

。

和陌分别

AIS

与雷达探测到的目标和

，

获取的坐标分别为

（

尺

。

）

（

厶。

B

）

坐标变换就是要得到这

2

个目标在系统坐标系

中的坐标值

CWa

）

和）

（

曲,升

。

1

）

雷达目标位置数据的坐标转换

雷达数据的坐标原点为雷达

，

不失一般性可假设

与本船位于同一点

。

因此，

雷达探测目标的极坐标

（

&&

），

转换到系统坐标系

得到点购的直角坐标-叫

［

】

2

（R

Xf

—sin

0（

9

1

、

I

升二

RcosOo

'

'

2

）

AIS

目标位置数据的坐标转换

为了将

AIS

g

标的坐标转换到系统坐标系

，

要先

将

WGS-84

坐标系下的坐标转换到直角坐标系下

，

主

要有高斯■克吕格投影和墨卡托投影役

2

种方法

［

心

】

高

斯■克吕格投影是一种等角横切椭圆柱投影

。

利用高

斯■克吕格方法投影时中央经线不会发生变形

、

计算精

度高

［

14

-

15。墨

］

O

墨卡托投影是一种正轴等角圆柱投影

卡托方法在投影过程中经纬线均为直线，使得投影图

像更为直观

，

而且该方法公式结构简单

，

计算量小

［

「

讥

通过上述

2

种投影方法得到本船与目标船舶的直

角坐标后，再用目标船舶坐标减去本船坐标

，

就可以

得到目标船舶相对于本船的位置信息

，

也就是目标船

舶在系统坐标系中的坐标

（

x

a9

ya

）

o

有内插法

、

三次样条插值法最近邻规则中心聚类

、

法但是在利用

［

18

-，

21，

］执行效率高

O

内插法简单易行

内插法进行时间对准时需要假设船舶是匀速直线运

动

，

这与海上航行船舶的实际状态不符。

当目标船舶

处于机动状态时

，

三次样条差值的精度比内插法高

，

但是计算较为复杂

。

而最近邻规则中心聚类法与上述

2

种方法相比

，

计算就更为简单

、，

快速

，

但是

对雷

达的数据进行配准时，明显不如三次样条插值法问

。

2.2

航迹关联

航迹关联是雷达

/AIS

信息融合的关键技术

，

如何

判断

2

条航迹是否属于同一目标是航迹关联要解决的

关键问题

。

当传感器覆盖范围内目标比较稀疏时

，

探

测的数据量较少

，

此时计算速度比较快

，

航迹关联就

比较简单

，，

但是在目标密集

交叉

、

机动环境较多的

环境下

，

航迹关联就比较复杂

。

国内外学者提出的航迹关联算法分主要有两大

类

：

一种是基于统计的方法

，

包括距离■速度航迹关联

算法⑷、

最近邻

（

MV

）

航迹关联算法

©I

、

修正的近邻域

（2425

MK-NN］

）

算法閃

、

加权法修正法；

［［

］

、

等

另一种

是基于模糊数学的方法

，

包括模糊双门限法时

、

基于

多因素模糊综合决策的航迹关联算法

［

⑹

、

基于神经网

络算法旳

、

柯西型隶属度函数法绚

［

、

模糊

C

均值聚类算

法

［

29

］

等

。

文献

［

4

］

研究了距离-速度综合细关联算法

，

易于

工程实现

，

正确关联的概率较高

。

•

170-

舰船科学技术

第

43

卷

神经网络的航迹关联算法主要解决密集；

，在神

、

交叉及机行了仿真分析

动情况下的多目标航迹关联问题

。

夏光帅冋提出了一

种基于图和灰色理论的多传感器航迹关联算法

，

可以

滤除与目标航迹无关航迹

，提高航迹关联的效率

。

2.3

航迹信息融合

，

并未用大量实际数据进行验证

经网络与模糊理论方面的研究还比较少等问题

。

3.3

智能化自动避碰系统

随着人工智能技术的不断发展和计算机技术水平

的不断提高

，、

研究基于

AIS/

雷达信息融合的集成化

为了使获得的航迹信息更加精确可靠

，

需要将来

自航迹关联检验确定为同一目标的航迹信息进行航迹

智能化自动避碰系统

，

利用

AIS

与雷达信息实现船舶

目标识别跟踪

、

进行智能自动避碰决策

，

是今后减少

或避免海上碰撞事故发生的重要研究方向

。

融合处理目前

。标航迹融合的算法主

，

雷达和

AIS

g

要有神经网络算法何

、、

卡尔曼滤波法冋加权平均融

合算法卩

2-33

」

、

加权协方差航迹融合算法

㈣

和自适应加

权航迹融合算法"勿

。

文献

[16,

34]

提出了一种基于航迹质量的自适应加

权航迹融合算法

，

仿真结果表明融合后的系统航迹比

单一航迹的具有更好的质量和可靠性

。从目

刘丽娜⑷采用息融合

项关键技术的研究现状

了改进的自适应加权航迹融合算法

，

提高了航迹融合

的精度

，

使融合后的航迹更加接近于真实运动轨迹

。

王晨曦期提出了改进的基于加权协方差航迹融合算

法

，

分别针对航迹距离较近与较远时的算法进行改

进

，降低了航迹融合算法的复杂程度并提高了运算效

率

。

文献

[33]

采用基于最小方差原则的统计加权平均

算法进行雷达和

AIS

航迹融合融合后的航迹目标信

，

息更加接近真实目标航迹

。

刘加欢冋提出了一种基于

修正的卡尔曼滤波的航迹融合算法该算法在融合航

，

迹的同时还具有平滑滤波的效果

。

文献

[9]

采用一种最

优加权因子自适应加权航迹融合算法

，

提高了航迹融

合的精度

，

但计算较复杂

。

3

雷达与

AIS

的信息融合的研究展望

国内外学者对雷达与

AIS

信息融合的研究已经取

得了一定进展

，

但是仍有许多问题有待于进一步研究

。

3.1

目标密集环境下的航迹融合

目标密集环境下的航迹融合问题是一个具有挑战

性的课题

，

在目标密集环境下

，

被探测的目标数量很

多

，

且目标运动方式复杂多变在信息容量巨大

。

、信

息之间的关系复杂的情况下

，

有许多挑战性的问题有

待解决

，

如目标密集和航迹交叉环境下的关联正确率

低

、传感器开机时机及采样周期不同导致的航迹信息

异步不等速率等问题

，

对航迹关联性能的影响

；

多目

标跟踪与航迹关联的联合优化问题

；

系统误差对状态

估计和航迹关联的影响等。

3.2

信息融合处理算法

雷达与

AIS

的信息融合也有很多问题需要解决

，

如现有算法计算量大

，

不利于工程实现

；

只对算法进

4

结语

本文对雷达与

AIS

信息融合技术进行了系统的阐

述

，

包括雷达信息特点比较

、、

AIS

信息融合模式与

关键技术发展情况的概述，重点阐述了航迹关联和信

2

。

在此基础上

，

标密集环境下的航迹融合和信息融合处理算法

2

个方

面分析了目前雷达与

AIS

信息融合研究领域存在的主

要问题

，

展望了雷达与

AIS

信息融合技术在智能化自

动避碰领域的发展前景

。

参考文献

：

[

1

[J].

]

孙文杰

，

孙浩然.

AIS

与雷达数据融合技术研究

科技创

新与应

2018(1):

65-66.

[

2

]

丁鹭飞

，电子

耿富录,陈建春.雷达原理(第

4

版)

[M].

北京

：

工业出版

,2013.

[3

]

吴红双.基于雷达融合信息的船舶避碰终端设计与实

AIS/

现

[D],

哈尔滨:哈尔滨工程大学,

2013.

[4]

刘丽娜.基于雷达与

AIS

信息质量的融合算法的研究

[D],

大连:大连海事大学

,2017.

[5]M.

RECOMMENDATION

ITU-R

1371-4:

Technical

characteristics

for

anusing

automatic

第

43

卷

研究

[D],

大连:大连海事大学,

2016.

杨淑洁：舰船雷达与

，

等

AIS

信息融合技术

•

171

•

[25]

DITZLERA

W.

demonstrationortracking

of

multi

sens

[C].

ProceedingstheData

symposium,

offusion

1987

Tri-rvice

[12]

杜佳新.组合导航系统时空配准技术研究

[D].

哈尔滨:哈尔

滨工程大学,

2019.

[13]

L,multi-target AIS

JIANGW,

B,SUN

ZHOU

et[26]

al.A

joint[D],

1987;

303-311.

郑千钧.雷达与

信息融合及综合显示研究

武汉:武

estimation

method

for

radar onreal-time

calibration

bad

AIS

data[C],Conference

2016

CIE

International

on

Radar

(RADAR),2016;

IEEE:

1-5.

[14]

陈成

，，

金立新,李厚朴

等.等距离球面高斯投影

[J].

测绘通

汉理工大学,

2016.

[27]

许振杰.基于

AIS

与雷达的船舶监控系统研究与实现

[D],

南京:南京邮电大学

,201&

[28]

SHI

HONG

S,using

Y.

PENG

D,association

Track-to-track

报,

2017(10):

1-6.

[15]Conference

吕志平.大地测量学基础

[M],Chine

北京:测绘出版社,

2016.

fuzzy

membership

functionand

clusteringfor

distributed

information

fusion[C].37th

2018

Control

[16]

刘社.雷达和

AIS

目标航迹融合处理方法的研究

[D],

大连:

大连海事大学,

2016.

[17]

distributed­

俞金龙.船载

AISapproachmultinsor-multitarget

和雷达数据关联及融合

[J],

声学与电子工

程,

2018(4):

58-61.

[18]

刘勇.雷达与

AIS

技术在船舶融合上的应用卩].河南科技,

2019(35):

21-23.

[19]

俞海军

，

陈瑾怡.三种插值方法的研究与比较

[J].

河南科技,

2013(20):210-211.Conference

[20]YAN

and

QIN ZHU

X,

M,

D.fusion

Rearch

onProcessing,

information

structureandAnd

of2018

radar

AIS[C].

ChineControl

Decision information

IEEE: on kalmanfC].

Conference3316-3322.method

(CCDC),

2018;bad

[21]

代广树.海上无人驾驶技术中的数据融合应用技术

[J].

舰船

科学技术,

2019,41(14):

55-57.

[22]

夏光帅.海上多传感器实时信息综合处理算法研究与应用

[D].

西安:西安电子科技大学,

2018.

[23]

刘加欢.近海监控系统中的多源信息融合算法研究

[D].

成

都

：

电子科技大学

,2016.

[24]multiple

SINGER

RA.

A,control

KANYUCKComputer

of

site

track1971,

7(4):

correlation]J].

Automatica,

455-463.

(CCC),

IEEE:

2018;

4028-4032.

[29]

associationfusion

AZIZFuzzy

track

A

M.

track-to-track

and

in

multiple

attribute

environment[J].

Signal

Processing,2007,

87(6):

1474-1492.

[30]XUet

and

LIU

of

C,AIS

T,

YAOData

T,

association

al.

radar

badon

correlation

multi-factor

fuzzy

judgmentand

gray

grade[C].in

International,

Communications

Signal

Springer:

Systems,

2017;

1315-1322.

[31]

CHENP,

Rearch

D,

CHEN

ZHOUC.radar

on

AISand

fusion

distributed

2019Conference

5th

International

on

Transportation

Infbnnation

and(ICTIS),

Safety

IEEE:

2019;

1482-1486.

[32]weighted badtrack

SU algorithm

L.averagefusion

A

on

qualityModem

analysis

2018(05):

[J].

12-15.

Computer,

[33]

AIS

陈亭亭.雷达与

信息融合技术的研究

[D].

大连:大连海

事大学,

2015.

[34]

李素.基于航迹质量分析的加权平均融合算法

[J].

现代计算

机(专业版),

2018(5):12-15.