基于模糊理论与神经网络的雷达与AIS信息融合研究

摘要

当今，信息处理技术与计算机技术的飞速发展带动了多源信息融合技术的进步，信息融合技术在越来越多的领域得到广泛的应用，特别是在海上交通领域成为保障船舶安全航行，减少船舶碰撞带来的海上环境污染等方面发挥着愈来愈重要的作用。
　　在海上交通领域，多源信息融合是指将雷达、自动识别系统(Automatic Identification System，AIS)、GPS、北斗、伽利略导航系统进行综合处理、融合，并将融合后的信息统一标示。这里最关键的技术是雷达与AIS信息的融合技术。
　　要想在同一个屏幕上显示交通信息，就要对雷达与AIS数据融合。数据融合处理包括时间校准与坐标变换。由于雷达与AIS探测目标时的观测时间不同步以及空间基准点相异，因此应首先应对二者采集的数据进行预处理。
　　航迹关联是雷达与AIS信息融合的核心问题，即判断两个传感器的航迹是否表征同一个目标。其本质是解决传感器空间覆盖区域中的重复跟踪问题，因而航迹关联在一定程度上就是“去重复”。经过正确的航迹关联判决后可以进行航迹融合处理，得到目标的状态估计信息。
　　在深入研究神经网络与模糊理论的基础上，本文提出了基于自适应神经模糊推理(Adaptive Neuro-Fuzzy Inference System，ANFIS)网络的航迹关联算法，并对其数学模型做出详细的阐述。在利用该算法进行航迹关联判决之后，提出了基于贝叶斯正则化BP神经网络的航迹融合算法。文中利用MATLAB对本文的算法进行了大量的仿真，并用C++编程实现系统的核心算法。并用大连港的实际船舶数据进行算法验证，与传统的加权融合算法作对比。实际数据验证结果表明本文提出算法的优于传统的加权融合算法，具有一定的有效性与实用性。

目录

声明

摘要

第1章 绪论

1．1 研究背景与意义

1．1．1 研究背景

1．1．2 研究意义

1．2 信息融合研究进展及现状

1．3 本文的研究内容和结构安排

第2章 多源信息融合技术与应用

2．1 多源信息融合技术简介

2．1．1 多源信息融合的定义

2．1．2 多源信息融合的优势

2．1．3 应用领域

2．2 信息融合系统的模型和结构

2．2．1 信息融合系统的模型

2．2．2 信息融合系统的级别

2．2．3 信息融合系统的结构

2．3 多源信息融合的技术与方法

2．4 本章小结

第3章 模糊理论与神经网络理论基础

3．1 神经网络概述

3．1．1 神经网络理论的起源与发展

3．1．2 神经网络的组成

3．1．3 神经网络的学习规则

3．2 BP神经网络的原理

3．2．1 BP神经网络的学习算法

3．2．2 BP神经网络算法的不足

3．3 贝叶斯正则化BP神经网络的原理

3．3．1 贝叶斯正则化

3．4 自适应神经模糊推理系统的原理

3．4．1 模糊系统的基本概念

3．4．2 ANFIS网络结构与学习规则

3．5 本章小结

第4章 雷达与AIS信息融合算法

4．1 引言

4．1．1 模糊理论与神经网络在信息融合中的应用

4．1．2 研究方法概述

4．2 基于ANFIS的航迹关联算法

4．2．1 航迹关联模型

4．2．2 航迹关联算法

4．2．3 样本构造及仿真结果分析

4．3 基于贝叶斯正则化BP神经网络的航迹融合算法

4．3．1 航迹融合模型

4．3．2 样本构造及仿真结果分析

4．4 本章小结

第5章 数据融合算法验证

5．1 引言

5．2 航迹关联算法验证

5．3 航迹融合算法验证

5．4 本章小结

结论

参考文献

附录

致谢