AIS与雷达的航迹关联方法及装置制造方法及图纸

本发明专利技术提供一种AIS与雷达的航迹关联方法及装置，所述方法包括：分别将AIS航迹点和雷达航迹点输入局部特征提取模块，获取AIS簇级节点的高维特征向量和雷达簇级节点的高维特征向量；将AIS簇级节点的高维特征向量和雷达簇级节点的高维特征向量输入注意力机制图神经网络，获取AIS簇级节点的高维分布特征向量和雷达簇级节点的高维分布特征向量；基于AIS簇级节点的高维分布特征向量和雷达簇级节点的高维分布特征向量，获取AIS航迹与雷达航迹之间的关联。本发明专利技术将AIS和雷达的航迹关联问题转化为分布特征之间的最优传输问题，再根据分布特征之间的最优传输确定航迹关联，提高了在目标密集场景下AIS和雷达的航迹关联的准确性。性。性。

【技术实现步骤摘要】
AIS与雷达的航迹关联方法及装置


[0001]本专利技术涉及AIS与航海雷达航迹融合
，尤其涉及一种AIS与雷达的航迹关联方法及装置。

技术介绍

[0002]随着船舶数量不断增多，船只密度不断增大，各船舶之间相关信息的交换在保障船舶航行安全和提高航运效率方面是十分重要的。
[0003]雷达和自动识别系统(Automatic Identification System,AIS)作为船舶避碰系统主要的数据来源，有着各自特点，而且二者获取的信息具有一定的互补性和冗余性。
[0004]船用航海雷达是主动式传感器，可以对运动和静止的目标进行检测跟踪，提供距离、方位、航速、航向等信息。但雷达易受天气、海况以及地形遮挡的影响，从而导致出现虚假目标、目标漏检和分辨率低等问题。
[0005]AIS是被动式传感器，工作在甚高频，不受船舶位置和天气因素的影响。但是AIS不是自动探测装置，不能探测到孤岛和其他未装备AIS设备的船舶，另外数据存在时间延迟。
[0006]因此，将AIS和雷达获得的数据进行结合有利于改善船舶对周围环境的探测性能，是船舶避碰和导航的重要手段。
[0007]传统AIS与雷达航迹关联方法主要有基于统计和基于模糊数学的方法。这两种方法十分依赖AIS与雷达航迹严格的时间对齐预处理操作。但是在目标密集环境下，被探测的目标数量很多，目标运动方式复杂多变，以及采样周期不同带来的航迹信息异步都对关联结果产生严重影响，导致关联的准确性不高。
[0008]综上，在目标密集场景下，提高AIS和雷达的航迹关联准确性是急需解决的技术问题。

技术实现思路

[0009]本专利技术提供一种AIS与雷达的航迹关联方法及装置，用以解决现有技术中在目标密集场景下，AIS与雷达的航迹关联准确性不高的缺陷。
[0010]本专利技术提供一种AIS与雷达的航迹关联方法，包括：
[0011]分别将AIS航迹点和雷达航迹点输入局部特征提取模块，获取AIS簇级节点的高维特征向量和雷达簇级节点的高维特征向量；
[0012]将所述AIS簇级节点的高维特征向量和所述雷达簇级节点的高维特征向量输入注意力机制图神经网络，获取AIS簇级节点的高维分布特征向量和雷达簇级节点的高维分布特征向量；
[0013]基于所述AIS簇级节点的高维分布特征向量和所述雷达簇级节点的高维分布特征向量，获取AIS航迹与雷达航迹之间的关联。
[0014]可选地，所述局部特征提取模块包括局域聚合层、特征描述层和分组层；
[0015]其中，所述局域聚合层用于对航迹点进行不同尺度的局域聚合，获取所述航迹点
的分布特征；
[0016]所述特征描述层用于对所述航迹点的分布特征进行编码，获取所述航迹点的高维特征向量；
[0017]所述分组层用于对所述航迹点的高维特征向量进行聚类和编码处理，获取簇级节点的高维特征向量。
[0018]可选地，分别将AIS航迹点和雷达航迹点输入局部特征提取模块，获取AIS簇级节点的高维特征向量和雷达簇级节点的高维特征向量，包括：
[0019]分别将所述AIS航迹点和所述雷达航迹点输入所述局部特征提取模块的局域聚合层，获取所述AIS航迹点的分布特征和所述雷达航迹点的分布特征；
[0020]分别将所述AIS航迹点的分布特征和所述雷达航迹点的分布特征输入所述局部特征提取模块的特征描述层，获取所述AIS航迹点的高维特征向量和所述雷达航迹点的高维特征向量；
[0021]分别将所述AIS航迹点的高维特征向量和所述雷达航迹点的高维特征向量输入所述局部特征提取模块的分组层，获取AIS簇级节点的高维特征向量和雷达簇级节点的高维特征向量。
[0022]可选地，所述注意力机制图神经网络包括自注意力机制图神经网络模块和交叉注意力机制图神经网络模块；
[0023]所述自注意力机制图神经网络模块用于获取AIS簇级节点之间的注意力权重和雷达簇级节点之间的注意力权重；
[0024]所述交叉注意力机制图神经网络模块用于获取AIS簇级节点与雷达簇级节点之间的注意力权重。
[0025]可选地，将所述AIS簇级节点的高维特征向量和所述雷达簇级节点的高维特征向量输入注意力机制图神经网络，获取AIS簇级节点的高维分布特征向量和雷达簇级节点的高维分布特征向量，包括：
[0026]将所述AIS簇级节点的高维特征向量和所述雷达簇级节点的高维特征向量输入所述注意力机制图神经网络的自注意力机制图神经网络模块，获取AIS簇级节点之间的注意力权重、雷达簇级节点之间的注意力权重；
[0027]将所述AIS簇级节点的高维特征向量和所述雷达簇级节点的高维特征向量输入所述注意力机制图神经网络的交叉注意力机制图神经网络模块，获取AIS簇级节点与雷达簇级节点之间的注意力权重；
[0028]利用所述注意力机制图神经网络对所述AIS簇级节点之间的注意力权重、所述AIS簇级节点与雷达簇级节点之间的注意力权重，以及所述AIS簇级节点的高维特征向量进行注意力机制聚合，获取AIS簇级节点的高维分布特征向量；
[0029]利用所述注意力机制图神经网络对所述雷达簇级节点之间的注意力权重、所述AIS簇级节点与雷达簇级节点之间的注意力权重，以及所述雷达簇级节点的高维特征向量进行注意力机制聚合，获取雷达簇级节点的高维分布特征向量。
[0030]可选地，基于所述AIS簇级节点的高维分布特征向量和所述雷达簇级节点的高维分布特征向量，获取AIS航迹与雷达航迹之间的关联，包括：
[0031]根据所述AIS簇级节点的高维分布特征向量和所述雷达簇级节点的高维分布特征
向量，获取得分矩阵；
[0032]对所述得分矩阵进行迭代优化，获取传输任务矩阵；
[0033]在所述传输任务矩阵中，行的最大得分值与列的最大得分值处于同一位置的情况下，将行中最大得分值对应的AIS航迹与列中最大得分值对应的雷达航迹进行关联。
[0034]可选地，对所述得分矩阵进行迭代优化，获取传输任务矩阵，包括：
[0035]在雷达航迹数大于AIS航迹数的情况下，将迭代优化后的得分矩阵添加一行和一列后作为所述传输任务矩阵。
[0036]可选地，分别将AIS航迹点和雷达航迹点输入局部特征提取模块，获取AIS簇级节点的高维特征向量和雷达簇级节点的高维特征向量之前，包括：
[0037]进行坐标转换，以使AIS航迹数据和雷达航迹数据在同一坐标系下。
[0038]本专利技术还提供一种AIS与雷达的航迹关联装置，包括：
[0039]第一获取模块，用于分别将AIS航迹点和雷达航迹点输入局部特征提取模块，获取AIS簇级节点的高维特征向量和雷达簇级节点的高维特征向量；
[0040]第二获取模块，用于将所述AIS簇级节点的高维特征向量和所述雷达簇级节点的高维特征向量输入注意力机制图神经网络，获取AIS簇级节点的高维分布特征向量和雷达簇级节点的高维分布特征向量；...

【技术保护点】

【技术特征摘要】
1.一种自动识别系统AIS与雷达的航迹关联方法，其特征在于，包括：分别将AIS航迹点和雷达航迹点输入局部特征提取模块，获取AIS簇级节点的高维特征向量和雷达簇级节点的高维特征向量；将所述AIS簇级节点的高维特征向量和所述雷达簇级节点的高维特征向量输入注意力机制图神经网络，获取AIS簇级节点的高维分布特征向量和雷达簇级节点的高维分布特征向量；基于所述AIS簇级节点的高维分布特征向量和所述雷达簇级节点的高维分布特征向量，获取AIS航迹与雷达航迹之间的关联。2.根据权利要求1所述的AIS与雷达的航迹关联方法，其特征在于，所述局部特征提取模块包括局域聚合层、特征描述层和分组层；其中，所述局域聚合层用于对航迹点进行不同尺度的局域聚合，获取所述航迹点的分布特征；所述特征描述层用于对所述航迹点的分布特征进行编码，获取所述航迹点的高维特征向量；所述分组层用于对所述航迹点的高维特征向量进行聚类和编码处理，获取簇级节点的高维特征向量。3.根据权利要求2所述的AIS与雷达的航迹关联方法，其特征在于，分别将AIS航迹点和雷达航迹点输入局部特征提取模块，获取AIS簇级节点的高维特征向量和雷达簇级节点的高维特征向量，包括：分别将所述AIS航迹点和所述雷达航迹点输入所述局部特征提取模块的局域聚合层，获取所述AIS航迹点的分布特征和所述雷达航迹点的分布特征；分别将所述AIS航迹点的分布特征和所述雷达航迹点的分布特征输入所述局部特征提取模块的特征描述层，获取所述AIS航迹点的高维特征向量和所述雷达航迹点的高维特征向量；分别将所述AIS航迹点的高维特征向量和所述雷达航迹点的高维特征向量输入所述局部特征提取模块的分组层，获取AIS簇级节点的高维特征向量和雷达簇级节点的高维特征向量。4.根据权利要求1所述的AIS与雷达的航迹关联方法，其特征在于，所述注意力机制图神经网络包括自注意力机制图神经网络模块和交叉注意力机制图神经网络模块；所述自注意力机制图神经网络模块用于获取AIS簇级节点之间的注意力权重和雷达簇级节点之间的注意力权重；所述交叉注意力机制图神经网络模块用于获取AIS簇级节点与雷达簇级节点之间的注意力权重。5.根据权利要求4所述的AIS与雷达的航迹关联方法，其特征在于，将所述AIS簇级节点的高维特征向量和所述雷达簇级节点的高维特征向量输入注意力机制图神经网络，获取AIS簇级节点的高维分布特征向量和雷达簇级节点的高维分布特征向量，包括：将所述AIS簇级节点的高维特征向量和所述雷达簇级节点的高维特征向量输入所述注意力机制图神经网络的自注意力机制图神经网络模块，获取AIS簇级节点之间的注意力权重、雷达簇级节点之间的注意力权重；
将所述AIS簇级节点的高维特征向量和所述雷达簇级节点的高维特征向量输入所述注意力机制图神经网络的交叉注意力机制图神经网络模块，获取AIS簇级节点与雷达簇级...

【专利技术属性】
技术研发人员：杨宜菩，孙立国，吕品，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：