船舶雷达与目标自动识别技术的信息融合

中国船舶重工集团公司第七二三研究所 丁 凯 周浚璠

从航海导航角度出发，雷达与目标自动识别系统是使用最为频繁的技术设备，通过二者的高效数据信息融合，能够较好地解决数据冗余和系统稳定问题，进一步为船舶提供精度高、可靠性强的数据信息。本文从融合原理出发，详细分析了技术体制整合、数据基础对接以及优化算法改进等内容，为实现雷达与AIS数据融合系统设计提供了参考，具有一定的借鉴意义。

1 雷达与AIS技术融合原理

1.1 雷达技术特点

雷达是导航装置中的重要设备之一，通过雷达可以对一定范围海域内障碍物、其他船只等进行定位，并通过回波信息分析对方的属性、大小，并精准定位以及采取航迹追踪有效实施避让，以满足远洋航行的基本安全。目前船舶上普遍安装的探测雷达能够实时侦测的范围较远，且基本能够不受一般天气状况的影响，具有较好的性能。由于雷达发射电磁波的绕射能力有限，不能够高效穿透或绕过障碍物，如遇特殊环境或极端气候，其探测性能急剧下降。

1.2 AIS工作原理

大型船舶远洋过程对于航线规划中的各类信息、航行过程中的运动状态等数据要求极高，AIS作为智能化程度较高的识别系统，其核心算法能够为船舶提供定位导航、指引前进线路、规划航行速度与方向等相关信息，起到了至关重要的作用。尤其是其可以在驾驶舱内通过数据可视化分析，准确获取周边环境范围内其他船只、障碍物的具体信息，并在某些特殊需求下自动规划航行线路，预测各类安全信息等。相较于探测雷达而言，AIS的传感系统在数据采集端不能够实时获取数据信息，即具有一定的延时性，且极易受到外界环境因素的影响。此外，中小型船舶不具备安装条件和运管能力。

1.3 数据融合的技术优势

从使用功能与各自特点上看，探测雷达与识别系统均为船舶航行的重要辅助设备，对于安全航行起到关键作用，且两者各有侧重点，各有优势项。如何高效、科学地将两者在技术体制上的优势联系起来，将数据信号处理方面的特点融合起来，将技术优势互补，将冗余数据剔除（如图1所示），从而能够得到更稳定的工作性能、更精确的使用数据，这是值得研究的问题。

图1 基于雷达与AIS的信息融合示意图

（1）极端气候条件时（海浪大、雾气重等），可以打开大功率工作条件下高精度探测雷达，以实时捕获远距离、大范围的目标信息（含静态数据），解决AIS无法有效工作问题。

（2）环境条件满足基本工作条件时，以雷达探测数据为基准，重点辅以AIS的优化计算功能，突出AIS动目标预测、处理与显示功能。

2 雷达与AIS技术整合与模式选择

2.1 技术整合

技术的对接整合不仅仅是数据端的粗暴融合，而是从技术底层进行设计对接，需要进行信号端的综合数据采集、共享数据的分发处理以及数据二次建模等综合技术整合，即：依靠探测雷达的数据采集传感器将海量数据进行集中集采、接收和预处理，并结合AIS的门限设置与算法标准，对接收数据进行二次筛查和分析比对以及差异化处理，剔除数据空间中存在的冗余信息，针对具体细微参数进行组合算法的分析，以提供检测精度和数据分析能力。

2.2 模式选择

集中式、分布式以及混合式模式在实际系统设计过程中均可使用。其中，分布式的融合模式能够结合多信道数据采集端的接收信号，在数据分析处理前进行综合预处理以缩小探测范围、提高处理效率；通过航迹模拟以及预测分析，在数据关联和信息融合方面进行研究，最终得到理想的数据模型和检测结果。基于分布式融合模式可以有效降低数据中心的运算吞吐量，减轻系统运行的压力，在保证计算精度损失在可控范围内的前提下，提高运算速度，增强系统稳定度。考虑到在信号处理层面，精度的缺失可以通过优化算法弥补，且由于独立的数据处理机制可以保证系统运行的时效性和稳定性，因此，在实际工作中船舶航行系统设计一般采取的是雷达+AIS的分布式融合模式。

3 雷达与AIS数据融合系统设计

数据的融合对接技术的整合，从系统设计、数据建模到算法优化，能够有效提高最终目标检测与识别的范围、精度。

如图2所示，雷达与AIS天线接收端同时获取空中多目标数据信息，从差异性的角度出发进行数据融合：（1）两部天线接收数据经预处理形成统一信号样式，即将时间、空间数据投射到一个坐标系中，作为数据对接的前提；（2）融合数据进行去相关处理，包括时间相关与方位相关等信息，作为数据处理的基础；（3）差异数据进行二次分析，提取脉内信号特征，包括航迹、点迹以及抗干扰处理等，作为数据输出的核心。

图2 雷达与AIS数据融合系统流程

3.1 样式匹配

AIS的时间数据是由北斗进行授时，时间的精确性可以保证。考虑到雷达与AIS采集数据的时长有所不同，需要采取LMS算法将信号拉伸到统一长度后，将信号投影到同一坐标系中进行后处理。通常情况下，采用的Gauss-Kruger投影法将空间目标的经纬度数据统一到Cartesian坐标系中，原点可以设置为实时坐标点。采样间隔是随着船舶航行状态不断变化的，通常假设沿某方位角沿直线运动，利用插值法计算某时刻T的位置信息，如式(1)、式(2)所示。

3.2 数据相关

由于动目标检测过程中存在的测量数据误差，以目标运动轨迹预测为基准，将数据相关性取出后，进行航迹预测与分析。建立采集数据集合γ，对于任意元素?而言，如式(3)所示：

由于雷达远距探测目标精度高，这里以雷达测量值为基准。当TO=T 时，此时可以优化计算缩小区间范围得到AIS的求值数据。

3.3 航迹融合

航迹融合过程中，需要结合两种数据中的关键信号特征才能够得到准确计算精度。所以，在分析预计运行的航迹时，可以先将预处理的数据进行合并，再进行点迹融合，并依托于数据端的差异赋值不同的加权因子，如式(4)、式(5)所示，最后采取抗干扰算法，即离散Kalman滤波，进一步消除了噪声与杂波的影响，提高最终输出的精确度。

结束语：在复杂航行条件下，通过系统设计与算法优化，将雷达与AIS进行数据融合与技术整合，能够有效提升系统运行的稳定性、运行效率以及航迹测算的精度。在此基础上，可以采取相关措施确保整个航行过程的安全，同时为未来智能化技术应用打下坚实基础。