艦船雷達(dá)與AIS 信息融合技術(shù)

楊淑潔，孫 偉，盧 威，王 帥，周 楊

(浙江海洋大學(xué) 海洋工程裝備學(xué)院，浙江 舟山 316022)

0 引 言

隨著海運(yùn)事業(yè)的發(fā)展，船舶的噸位、數(shù)量以及水域交通密度都在不斷增加，對(duì)船運(yùn)監(jiān)管、船舶安全提出了新的挑戰(zhàn)。這些挑戰(zhàn)也推動(dòng)了船舶信息化與智能化的發(fā)展，海上通信導(dǎo)航設(shè)備的種類和性能都在不斷增加、提高。雷達(dá)和自動(dòng)識(shí)別系統(tǒng)（Automatic Identification System，AIS）是當(dāng)下船上配備最多的導(dǎo)航設(shè)備，而且二者的信息具有一定的互補(bǔ)性和冗余性[1]，將雷達(dá)和AIS 的信息進(jìn)行融合，有利于改善船舶對(duì)周圍障礙物的探測性能、提高船舶導(dǎo)航信息的精度和可靠性，是未來船舶導(dǎo)航技術(shù)發(fā)展的重要方向。

1 雷達(dá)/AIS 信息融合技術(shù)概述

1.1 雷達(dá)和AIS 的數(shù)據(jù)特點(diǎn)

雷達(dá)是主動(dòng)式傳感器，發(fā)送信號(hào)、接收和處理返送回來的信號(hào)，不能接收其他雷達(dá)的信號(hào)[2]。雷達(dá)可以對(duì)運(yùn)動(dòng)和靜止的目標(biāo)進(jìn)行跟蹤勘測，提供距離、方位、航速、航向等信息，并估計(jì)其大小和形狀。但雷達(dá)存在盲區(qū)，同時(shí)回波容易受到天氣、海況以及地形遮擋等影響，造成雷達(dá)目標(biāo)分辨力不強(qiáng)、顯示虛假目標(biāo)等問題。此外雷達(dá)在多目標(biāo)密集區(qū)域容易出現(xiàn)誤跟蹤和目標(biāo)丟失現(xiàn)象[3]。

AIS 的出現(xiàn)彌補(bǔ)了雷達(dá)的缺陷，它是被動(dòng)式傳感器，通過接收AIS 信號(hào)獲取目標(biāo)船舶的位置、航向、航速等動(dòng)態(tài)信息，呼號(hào)、船名、船舶類型等靜態(tài)信息，以及航次相關(guān)信息和安全信息[4]。相較于雷達(dá)，AIS 的導(dǎo)航精度高，目標(biāo)信息豐富，而且AIS 不易受位置、天氣等因素的影響，不會(huì)出現(xiàn)誤跟蹤和跟蹤丟失的情況[3]。但是，AIS 只能工作在甚高頻（Very High Frequency，VHF），且無法識(shí)別沒有安裝AIS 設(shè)備的目標(biāo)[5]。

雷達(dá)和AIS 具有各種的優(yōu)缺點(diǎn)，二者的信號(hào)具有冗余互補(bǔ)性如圖1 所示。

圖1 雷達(dá)與AIS 信息的冗余互補(bǔ)性示意圖Fig. 1 Redundancy and complementarity of radar and AIS information

1.2 信息融合的模式

如前所述，雷達(dá)與AIS 的信息具有一定的互補(bǔ)性，將二者融合可以取長補(bǔ)短，提高船舶導(dǎo)航系統(tǒng)的性能?，F(xiàn)有的研究成果中，雷達(dá)和AIS 信息融合的模式可分為集中式、分布式和混合式[6-8]，其流程圖如圖2 所示。

1.2.1 集中式融合

在對(duì)信息融合處理前，為了提高信號(hào)的質(zhì)量要對(duì)雷達(dá)和AIS 的原始數(shù)據(jù)進(jìn)行預(yù)處理，主要包括去除野值、點(diǎn)跡過濾、點(diǎn)跡合并。然后雷達(dá)與AIS 數(shù)據(jù)被直接送到數(shù)據(jù)融合中心，在融合中心進(jìn)行時(shí)空對(duì)準(zhǔn)、航跡關(guān)聯(lián)、航跡融合，最終得到目標(biāo)狀態(tài)，集中式融合模式的流程如圖2（a）所示。集中式融合具有信息損失小、跟蹤精度高的特點(diǎn)，但由于數(shù)據(jù)量大，對(duì)系統(tǒng)的運(yùn)行容量、傳輸寬帶要求高，而且計(jì)算速度較慢。

1.2.2 分布式融合

如圖2（b）所示，在分布式融合模式中，經(jīng)過預(yù)處理的雷達(dá)與AIS 數(shù)據(jù)在進(jìn)入信息融合中心之前，先對(duì)自身數(shù)據(jù)去除冗余信息、縮小數(shù)據(jù)范圍，得到局部多目標(biāo)跟蹤航跡，然后將其傳送到數(shù)據(jù)融合中心，由數(shù)據(jù)融合中心完成航跡關(guān)聯(lián)和融合，最終得到目標(biāo)航跡狀態(tài)。分布式融合模式輸?shù)饺诤现行牡臄?shù)據(jù)量明顯減少，降低了對(duì)系統(tǒng)運(yùn)行容量、傳輸寬帶的要求，計(jì)算速度快，但信息損失也使得精度也有所降低。

圖2 雷達(dá)和AIS 信息融合模式Fig. 2 Radar and AIS information fusion models

雷達(dá)與AIS 都有各自獨(dú)立的信息處理系統(tǒng)，所以分布式融合模式在沒有增加系統(tǒng)復(fù)雜度的情況下提高了系統(tǒng)的實(shí)時(shí)性和可靠性，因此在實(shí)際中通常采用分布式模式。

1.2.3 混合式融合

如圖2（c）所示，混合式融合結(jié)合了集中式和分布式的融合特點(diǎn)，即融合中心同時(shí)接收會(huì)接收雷達(dá)與AIS 數(shù)據(jù)和經(jīng)局部處理的多目標(biāo)跟蹤航跡?；旌鲜饺诤霞嬗幸陨? 種融合結(jié)構(gòu)的優(yōu)點(diǎn)，具有精度高，數(shù)據(jù)利用率高的特點(diǎn)，但傳輸數(shù)據(jù)量大，系統(tǒng)結(jié)構(gòu)復(fù)雜、造價(jià)昂貴。

2 雷達(dá)/AIS 信息融合關(guān)鍵技術(shù)

2.1 信息準(zhǔn)備

雷達(dá)和AIS 輸出異構(gòu)數(shù)據(jù)，信息融合前要進(jìn)行信息的準(zhǔn)備，實(shí)現(xiàn)坐標(biāo)和時(shí)間統(tǒng)一。信息準(zhǔn)備主要包括坐標(biāo)變換和時(shí)間對(duì)準(zhǔn)。

2.1.1 坐標(biāo)變換

雷達(dá)使用以雷達(dá)為中心的極坐標(biāo)系，目標(biāo)位置數(shù)據(jù)是用極坐標(biāo) (R,θ)表示；AIS 檢測的目標(biāo)位置用WGS-84 地理坐標(biāo) (L,B)表示。為了實(shí)現(xiàn)坐標(biāo)統(tǒng)一，需要選取系統(tǒng)坐標(biāo)系，并將雷達(dá)和AIS 的數(shù)據(jù)變換到系統(tǒng)坐標(biāo)系。常用的坐標(biāo)變換方法有3 種：一是以雷達(dá)的極坐標(biāo)為系統(tǒng)坐標(biāo)系[9]，二是以本船為原點(diǎn)的直角坐標(biāo)系為系統(tǒng)坐標(biāo)系[10]，三是以地心坐標(biāo)系為系統(tǒng)坐標(biāo)系[11]。其中，第2 種方法具有計(jì)算簡單、精度高的特點(diǎn)，有利于海量數(shù)據(jù)的快速處理和后續(xù)航跡融合，因此被廣泛用于雷達(dá)、AIS 信息坐標(biāo)變換，下面介紹其具體變換過程。

如圖3 所示，系統(tǒng)坐標(biāo)系的原點(diǎn)Oz為本船位置，Xz軸、Yz軸分別指向東經(jīng)和北緯方向。Ma和Mr分別AIS 與雷達(dá)探測到的目標(biāo)，獲取的坐標(biāo)分別為 (R,θ)和(L,B)。坐標(biāo)變換就是要得到這2 個(gè)目標(biāo)在系統(tǒng)坐標(biāo)系中的坐標(biāo)值 (xa,ya) 和(xr,yr)。

Michael Mauer:創(chuàng)新的先決條件是在現(xiàn)實(shí)與可能性中進(jìn)行思考，所以設(shè)計(jì)師既可以發(fā)散思維，也可將思維匯聚一起；他們是非傳統(tǒng)的橫向思考者，也是有著明確目標(biāo)的長遠(yuǎn)思考者?；旧?，設(shè)計(jì)師需要預(yù)知不明確的未來，并最大限度發(fā)揮自身的即興創(chuàng)作能力。在我看來，設(shè)計(jì)師即能讓工作變得理性，又能充滿感性地發(fā)揮自己所擅長的本領(lǐng)來進(jìn)行設(shè)計(jì)。

圖3 以本船為原點(diǎn)的直角坐標(biāo)系Fig. 3 Cartesian coordinate system with own ship as origin

1）雷達(dá)目標(biāo)位置數(shù)據(jù)的坐標(biāo)轉(zhuǎn)換

雷達(dá)數(shù)據(jù)的坐標(biāo)原點(diǎn)為雷達(dá)，不失一般性可假設(shè)與本船位于同一點(diǎn)。因此，雷達(dá)探測目標(biāo)的極坐標(biāo)(R,θ) 轉(zhuǎn)換到系統(tǒng)坐標(biāo)系，得到點(diǎn)Mr的直角坐標(biāo)[12-13]：

2）AIS 目標(biāo)位置數(shù)據(jù)的坐標(biāo)轉(zhuǎn)換

為了將AIS 目標(biāo)的坐標(biāo)轉(zhuǎn)換到系統(tǒng)坐標(biāo)系，要先將WGS-84 坐標(biāo)系下的坐標(biāo)轉(zhuǎn)換到直角坐標(biāo)系下，主要有高斯-克呂格投影和墨卡托投影2 種方法[10-12]。高斯-克呂格投影是一種等角橫切橢圓柱投影。利用高斯-克呂格方法投影時(shí)中央經(jīng)線不會(huì)發(fā)生變形、計(jì)算精度高[14-15]。墨卡托投影是一種正軸等角圓柱投影。墨卡托方法在投影過程中經(jīng)緯線均為直線，使得投影圖像更為直觀，而且該方法公式結(jié)構(gòu)簡單，計(jì)算量小[16-17]。

通過上述2 種投影方法得到本船與目標(biāo)船舶的直角坐標(biāo)后，再用目標(biāo)船舶坐標(biāo)減去本船坐標(biāo)，就可以得到目標(biāo)船舶相對(duì)于本船的位置信息，也就是目標(biāo)船舶在系統(tǒng)坐標(biāo)系中的坐標(biāo) (xa,ya)。

2.1.2 時(shí)間對(duì)準(zhǔn)

雷達(dá)的掃描周期為2～4 s，AIS 為2～3 min[17]，加上信息傳輸存在延遲，二者的信息是不同步的。而異類傳感器進(jìn)行信息融合時(shí)必須進(jìn)行時(shí)間對(duì)準(zhǔn)。進(jìn)行時(shí)間對(duì)準(zhǔn)，必須要保證雷達(dá)與AIS 數(shù)據(jù)的起始時(shí)間相同。由于雷達(dá)的掃描周期是比較固定的，而AIS 的數(shù)據(jù)周期會(huì)隨船舶的狀態(tài)發(fā)生變化，因此一般將雷達(dá)的采樣時(shí)刻作為時(shí)間對(duì)準(zhǔn)的起始時(shí)間基準(zhǔn)。

國內(nèi)外學(xué)者提出了許多時(shí)間對(duì)準(zhǔn)的方法，常用的有內(nèi)插法、三次樣條插值法、最近鄰規(guī)則中心聚類法[18-21]。內(nèi)插法簡單易行，執(zhí)行效率高，但是在利用內(nèi)插法進(jìn)行時(shí)間對(duì)準(zhǔn)時(shí)需要假設(shè)船舶是勻速直線運(yùn)動(dòng)，這與海上航行船舶的實(shí)際狀態(tài)不符。當(dāng)目標(biāo)船舶處于機(jī)動(dòng)狀態(tài)時(shí)，三次樣條差值的精度比內(nèi)插法高，但是計(jì)算較為復(fù)雜。而最近鄰規(guī)則中心聚類法與上述2 種方法相比，計(jì)算就更為簡單、快速，但是，對(duì)雷達(dá)的數(shù)據(jù)進(jìn)行配準(zhǔn)時(shí)，明顯不如三次樣條插值法[10]。

2.2 航跡關(guān)聯(lián)

國內(nèi)外學(xué)者提出的航跡關(guān)聯(lián)算法分主要有兩大類：一種是基于統(tǒng)計(jì)的方法，包括距離-速度航跡關(guān)聯(lián)算法[4]、最近鄰 (NN)航跡關(guān)聯(lián)算法[22]、修正的近鄰域(MK?NN)算法[23]、加權(quán)法[24]、修正法[25]等；另一種是基于模糊數(shù)學(xué)的方法，包括模糊雙門限法[26]、基于多因素模糊綜合決策的航跡關(guān)聯(lián)算法[16]、基于神經(jīng)網(wǎng)絡(luò)算法[27]、柯西型隸屬度函數(shù)法[28]、模糊C均值聚類算法[29]等。

文獻(xiàn)[4]研究了距離-速度綜合細(xì)關(guān)聯(lián)算法，易于工程實(shí)現(xiàn)，正確關(guān)聯(lián)的概率較高。劉社[16]提出了基于歷史航跡的航跡關(guān)聯(lián)算法，簡化了距離較近的航跡間的關(guān)聯(lián)問題，但是未考慮對(duì)于相距較遠(yuǎn)的航跡關(guān)聯(lián)問題。文獻(xiàn)[10]采用了多因素模糊綜合決策的航跡關(guān)聯(lián)算法，在對(duì)雷達(dá)和AIS 進(jìn)行T?D航跡粗關(guān)聯(lián)后在進(jìn)行模糊綜合決策關(guān)聯(lián)，該算法提高了航跡信息處理的效率，使航跡融合的整體性能提高，但是計(jì)算量較大。張景鵬等[9,30]采用多因素模糊-灰色關(guān)聯(lián)綜合的自適應(yīng)閾值關(guān)聯(lián)算法，提高了計(jì)算效率和算法質(zhì)量，減少計(jì)算量，但是算法的實(shí)現(xiàn)比較復(fù)雜。文獻(xiàn)[27]采用基于神經(jīng)網(wǎng)絡(luò)的航跡關(guān)聯(lián)算法，主要解決密集、交叉及機(jī)動(dòng)情況下的多目標(biāo)航跡關(guān)聯(lián)問題。夏光帥[22]提出了一種基于圖和灰色理論的多傳感器航跡關(guān)聯(lián)算法，可以濾除與目標(biāo)航跡無關(guān)航跡，提高航跡關(guān)聯(lián)的效率。

2.3 航跡信息融合

為了使獲得的航跡信息更加精確可靠，需要將來自航跡關(guān)聯(lián)檢驗(yàn)確定為同一目標(biāo)的航跡信息進(jìn)行航跡融合處理。目前，雷達(dá)和AIS 目標(biāo)航跡融合的算法主要有神經(jīng)網(wǎng)絡(luò)算法[11]、卡爾曼濾波法[31]、加權(quán)平均融合算法[32-33]、加權(quán)協(xié)方差航跡融合算法[10]和自適應(yīng)加權(quán)航跡融合算法[4,20]。

文獻(xiàn)[16, 34]提出了一種基于航跡質(zhì)量的自適應(yīng)加權(quán)航跡融合算法，仿真結(jié)果表明融合后的系統(tǒng)航跡比單一航跡的具有更好的質(zhì)量和可靠性。劉麗娜[4]采用了改進(jìn)的自適應(yīng)加權(quán)航跡融合算法，提高了航跡融合的精度，使融合后的航跡更加接近于真實(shí)運(yùn)動(dòng)軌跡。王晨曦[10]提出了改進(jìn)的基于加權(quán)協(xié)方差航跡融合算法，分別針對(duì)航跡距離較近與較遠(yuǎn)時(shí)的算法進(jìn)行改進(jìn)，降低了航跡融合算法的復(fù)雜程度并提高了運(yùn)算效率。文獻(xiàn)[33]采用基于最小方差原則的統(tǒng)計(jì)加權(quán)平均算法進(jìn)行雷達(dá)和AIS 航跡融合，融合后的航跡目標(biāo)信息更加接近真實(shí)目標(biāo)航跡。劉加歡[23]提出了一種基于修正的卡爾曼濾波的航跡融合算法，該算法在融合航跡的同時(shí)還具有平滑濾波的效果。文獻(xiàn)[9]采用一種最優(yōu)加權(quán)因子自適應(yīng)加權(quán)航跡融合算法，提高了航跡融合的精度，但計(jì)算較復(fù)雜。

3 雷達(dá)與AIS 的信息融合的研究展望

國內(nèi)外學(xué)者對(duì)雷達(dá)與AIS 信息融合的研究已經(jīng)取得了一定進(jìn)展，但是仍有許多問題有待于進(jìn)一步研究。

3.1 目標(biāo)密集環(huán)境下的航跡融合

目標(biāo)密集環(huán)境下的航跡融合問題是一個(gè)具有挑戰(zhàn)性的課題，在目標(biāo)密集環(huán)境下，被探測的目標(biāo)數(shù)量很多，且目標(biāo)運(yùn)動(dòng)方式復(fù)雜多變。在信息容量巨大、信息之間的關(guān)系復(fù)雜的情況下，有許多挑戰(zhàn)性的問題有待解決，如目標(biāo)密集和航跡交叉環(huán)境下的關(guān)聯(lián)正確率低、傳感器開機(jī)時(shí)機(jī)及采樣周期不同導(dǎo)致的航跡信息異步不等速率等問題，對(duì)航跡關(guān)聯(lián)性能的影響；多目標(biāo)跟蹤與航跡關(guān)聯(lián)的聯(lián)合優(yōu)化問題；系統(tǒng)誤差對(duì)狀態(tài)估計(jì)和航跡關(guān)聯(lián)的影響等。

3.2 信息融合處理算法

雷達(dá)與AIS 的信息融合也有很多問題需要解決，如現(xiàn)有算法計(jì)算量大，不利于工程實(shí)現(xiàn)；只對(duì)算法進(jìn)行了仿真分析，并未用大量實(shí)際數(shù)據(jù)進(jìn)行驗(yàn)證；在神經(jīng)網(wǎng)絡(luò)與模糊理論方面的研究還比較少等問題。

3.3 智能化自動(dòng)避碰系統(tǒng)

隨著人工智能技術(shù)的不斷發(fā)展和計(jì)算機(jī)技術(shù)水平的不斷提高，研究基于AIS/雷達(dá)信息融合的集成化、智能化自動(dòng)避碰系統(tǒng)，利用AIS 與雷達(dá)信息實(shí)現(xiàn)船舶目標(biāo)識(shí)別跟蹤、進(jìn)行智能自動(dòng)避碰決策，是今后減少或避免海上碰撞事故發(fā)生的重要研究方向。

4 結(jié) 語

本文對(duì)雷達(dá)與AIS 信息融合技術(shù)進(jìn)行了系統(tǒng)的闡述，包括雷達(dá)、AIS 信息特點(diǎn)比較、信息融合模式與關(guān)鍵技術(shù)發(fā)展情況的概述，重點(diǎn)闡述了航跡關(guān)聯(lián)和信息融合2 項(xiàng)關(guān)鍵技術(shù)的研究現(xiàn)狀。在此基礎(chǔ)上，從目標(biāo)密集環(huán)境下的航跡融合和信息融合處理算法2 個(gè)方面分析了目前雷達(dá)與AIS 信息融合研究領(lǐng)域存在的主要問題，展望了雷達(dá)與AIS 信息融合技術(shù)在智能化自動(dòng)避碰領(lǐng)域的發(fā)展前景。