基于AIS的航道船舶流量智能采集系统开发

通航能力和通航需求的准确分析,对于区域航运业的发展有着重要的意义。航道船舶交通流量及相关货运信息的精确采集,是统计分析的基础。本文研究基于AIS（船舶自动识别系统）数据的航道交通流量智能采集系统的设计方案,论述该智能系统的设计原理及主要算法、主要结构,重点说明该系统中的智能航道通过船舶AIS信息跟踪记录控制模块的工作流程。     

基于非线性回归的目标航迹预测算法

基于非线性回归对目标航迹进行准确预测是实现目标跟踪的基础。针对传统的卡尔曼滤波在目标行为发生较快变化时航迹预测精度降低的问题,本文提出了一种改进的卡尔曼滤波算法对目标航迹进行预测。该方法结合了目标的实际运动情况,根据预测值和真实值的实时偏差调整滤波过程,将系统方差矩阵转换为可变量,从而可以解决当目标行为明显变化时传统方法预测精度低的问题。实验结果表明,在目标行为状态发生变化的情况下,提出的算法均可以实现对目标航迹的速度、方向和转向角的精准预测。     

一种并行LSTM-FCN模型在船舶航迹预测中的应用

航迹预测是保障船舶航行安全、提高海洋交通管制效能、高效搜索海面目标的关键技术.为提高船舶航迹预测精确度,针对航迹特征多维度的特点,提出一种并行LSTM-FCN(parallel LSTM-FCN, PLSTM-FCN)模型.该模型有效结合LSTM模型对时间序列数据长期趋势预测的优势和全卷积网络(FCN)模型擅于提取时间序列数据细节变化规律的特点,通过并行结构设计保证相同训练效率下提取特征参数翻倍,实现较高精确度的高维航迹数据特征提取和趋势预测.基于动态时间规整算法和拉依达准则的船舶历史航迹数据预处理方法,可提高PLSTMFCN模型从不同类型船舶历史航迹中深度学习航行趋势和转弯细节的效率.基于船舶自动识别系统(AIS)数据的仿真实验结果表明, PLSTM-FCN模型对多维特征船舶航迹预测的精确度明显优于传统循环神经网络.     

基于无迹卡尔曼滤波的飞行航迹预测方法研究

为了解决现有的航迹预测方法预测精度和稳定性不足的问题,在已有的历史航迹数据的基础上,提出一种基于无迹卡尔曼滤波的飞行航迹预测模型.根据已知航班的部分航迹点构建航空器运动观测方程和状态方程,并通过无迹卡尔曼滤波完成航迹预测,面向所得数据和原始数据展开误差比较分析,检验算法及预测过程准确性.研究结果表明,通过上述算法进行飞行航迹预测,不但精度较高,并且稳定性非常理想,与传统的扩展卡尔曼滤波算法相比较,具有较小的误差,为之后开展航空器航迹预测仿真识别工作提供一定的应用和借鉴参考.     

基于波形匹配的星载AIS信号检测

在星载船舶信号检测的研究中,针对星载AIS系统存在时延和较大多普勒频移问题,提出了基于波形匹配的AIS信号时延频偏联合估计及其译码算法.利用AIS信号序列中的先验信息构造样本信号,通过计算并比较样本信号在不同时延和频偏下与接收信号的相关系数,估计出AIS信号的时延和频偏值,进而估计出AIS信号的码元序列.方法不需要对信号进行解调,简单易于实现.仿真结果表明,上述算法比二比特差分解调具有更好的性能,在相同信噪比下优于二比特差分解调3 dB左右,适用于存在时延和较大多普勒频偏的情况,为星载船舶信号的准确检测提供了有效方法.     

船舶航迹控制鲁棒自适应模糊设计

研究了船舶直线航迹控制问题.基于Lyapunov稳定性理论,将Nussbaum增益技术融入Backstepping设计方法之中,利用模糊系统逼近系统中的未知非线性,提出一种鲁棒自适应模糊控制算法.该算法保证了闭环系统的信号是一致最终有界的,使得系统输出收敛到零的一个较小邻域,从而能够实现船舶的直线航迹控制;而且,该算法不需要高频增益符号的任何信息,还解决了可能存在的控制器奇异值问题.计算机仿真结果验证了控制器的有效性.     

基于自动识别系统的长江控制河段船舶视觉伺服跟踪方法

针对狭窄弯曲的控制河段目标船舶跟踪监视难度大,直接采用现有海事视频跟踪监视方法存在跟踪滞后、对准误差,乃至目标丢失的问题,提出了采用船舶自动识别系统(AIS)与多个云台摄像机联动的方式对控制河段船舶进行主动跟踪监视。云台摄像机根据目标船舶的经纬度进行初始对准;同时结合船舶航速、航向进行动态预测跟踪以平滑图像并消除跟踪滞后;进一步运用目标船舶图像识别进行误差校正,以保证目标船舶始终处于最佳监视区域。仿真结果表明,该算法可对目标船舶进行连续、动态跟踪,实时性好,准确性高。     

盲源分离技术在AIS中的应用

AIS自动识别系统是国际船舶组织统一使用的一种海上船舶运输系统。船上的AIS设备定时地报告该船的位置、航向以及其他相关的安全信息等,其他船只和岸上的基站同时可以收到这些汇报信息。它通过船舶之间以及船舶和岸台之间交换航行信息,进一步加强航行安全。AIS采用SOTDMA技术来调配发送信息的时隙,但是信息冲突是不可避免的。引入盲源分离技术,一旦信息发生冲突,可以将信息分离出来,防止了信息的丢失,从而提高了信号的监测概率。     

基于S-Transformer的多模态船舶轨迹预测

船舶轨迹预测是实现船舶智能航行的前提与基础. 目前, 针对船舶轨迹预测的研究大多仅依赖于船舶自动识别系统(AIS)历史数据, 而未利用到船舶上其他传感器信息. 于是本文提出了一种多模态轨迹预测模型——S-Transformer. 在该网络中, 电子海图中的海水/陆地被分割作为辅助训练目标与真实舟山港AIS数据加以综合从而对模型进行训练, 并对船舶未来航行轨迹进行预测; 其中, 本文还引入segment recurrence来捕获AIS数据的长期依赖关系. 实验结果表明, S-Transformer在不同的船舶行驶情况中都有优秀的预测结果, 并优于相关预测任务的单模态基准模型.     

基于Transformer模型和Kalman滤波预测船舶航迹

针对日趋复杂的海上交通情况,船舶航迹的跟踪预测问题显得尤为重要,然而船舶航行轨迹的数据是具有长期特性的数列,而且易受到风浪、杂波和噪声等影响,致使其特征数据动态变化,航迹规律难以把握.基于上述问题,提出一种结合Transformer模型和Kalman滤波的航迹预测方法.利用宁波市渔船AIS(Automatic Iden-tification System)数据进行模型训练,并对船舶航迹进行预测.实验结果表明,该方法与传统处理方法相比,其预测的精度更高,并行处理序列数据方面也更具有优越性.     

基于卡尔曼滤波和TITAN路径的雷电预警

雷电灾害是一种常见的自然灾害,受其发生的随机性、瞬时性、地域性影响,预警预报具有一定的难度;为提高雷电短临预报的准确性和及时性,文章提出了一种新型的基于clique聚类识别和卡尔曼滤波算法进行雷电识别及追踪外推的方法,并在自主开发的广州市雷电监测预警系统中采用该算法和传统的雷暴识别、跟踪、分析路径算法(TITAN)分别实现了未来1小时逐6分钟(即6、12、…、60 min)的雷电路径预报;通过2020年5月至10月广州地区闪电定位数据对两种算法的检验分析表明:两种算法基本性能接近,均能有效识别、追踪和预测出大部分雷暴移动路径,且经过优化的新算法在各时次的预测命中率上均已优于传统基于TITAN风暴路径的预测算法,对于提高雷电临近预报的准确性有一定参考价值。     

基于Camshift和Kalman滤波的自动跟踪算法

针对传统的Camshift算法在跟踪时需要手动定位目标,在颜色干扰、遮挡等复杂背景中容易跟丢目标的问题,提出了一种基于Camshift和Kalman滤波的自动跟踪算法。首先利用帧间差分法和Canny边缘检测法分割出运动目标的完整区域,然后用提取出的目标区域初始化Camshift算法的初始搜索窗口,从而实现了目标的自动跟踪。当背景中存在相似颜色干扰或者目标被严重遮挡时,采用Kalman滤波与Camshift算法相结合的改进算法进行跟踪。实验结果表明,本文改进算法在目标被严重遮挡、颜色干扰等情况下仍能有效、稳健地跟踪。     

结合Camshift和Kalman预测的运动目标跟踪

针对单一的CamShift跟踪算法在目标发生遮挡时非常容易致使跟踪目标失败的问题,本文提出了一种基于CamShift和Kalman预测的跟踪算法。首先,采用帧间差分阈值法来快速、精确地检测和提取出运动目标;然后,通过在CamShift算法中使用运动目标的颜色特征,在图像序列中找到运动目标的所在位置和大小;最后,使用Kalman滤波预测目标的位置,进而有效地解决了背景中大面积相同颜色的干扰和目标部分被遮挡等问题。用无线遥控车完成了运动目标的跟踪实验,实验证明结合CamShift算法和Kalman预测滤波能实时、准确地跟踪目标。     

违章车辆快速检测方法研究——基于鲁棒颜色差分直方图

针对传统的智能交通系统中违章车辆检测方法实时性差、易受光照变化条件变化制约,影响后续辨别车辆违章和图像取证抓拍的问题,提出了一种基于颜色差分直方图和卡尔曼滤波的鲁棒、快速的违章车辆检测跟踪算法。该算法采用背景模糊匹配思想,选择初始背景图像;利用对环境变化鲁棒的颜色差分直方图算法检测运动目标;对运动目标团块的质心运动状态采用卡尔曼滤波进行跟踪预测,从而在预测的区域内检测同一目标团块;通过判断其质心运动轨迹,达到辨别违章车辆检测与抓拍的目的。通过对真实道路中不同天气条件下的场景进行检测,实验结果表明该算法能够快速而准确地检测违章车辆。     

基于多人遮挡的定位跟踪算法

针对传统视频跟踪算法中存在的问题,提出一种基于多人遮挡问题的定位跟踪算法,该算法采用改进的投影分析方法对运动目标进行定位,并结合Kalman滤波进行匹配跟踪。仿真实验结果表明,该算法能够有效区分、定位、跟踪处于2种不同遮挡状态下的每个人的位置,具有一定应用价值。     

基于CamShift和Kalman组合的改进目标跟踪算法

针对应用CamShift算法进行目标跟踪过程中,当目标被严重遮挡、目标被与目标颜色相近的背景干扰时易丢失跟踪目标的问题,提出了一种基于CamShift和Kalman滤波组合的改进跟踪算法;为克服目标因严重遮挡而丢失的缺陷,利用自适应算法改进了传统的CamShift算法,扩大了搜索窗口,使运动目标位于搜索窗口内;为解决目标因颜色相近背景干扰而丢失的问题,改善跟踪准确率,利用卡尔曼滤波预测目标运动空间位置,作为下一帧搜索窗口的质心坐标;基于上述改进,利用C++语言,研发了改进的CamShift目标跟踪软件模块,给出了该模块的算法流程;实验结果表明,改进后的目标跟踪算法能有效地克服传统CamShift算法的缺陷,大大提高运动目标跟踪的准确性;所提的算法可以应用于运动小车跟踪,人脸识别等领域。     

改进扩展卡尔曼滤波算法的目标跟踪算法

为了获得更加理想的运动目标跟踪效果,提出了一种基于改进扩展卡尔曼滤波的目标跟踪算法。构建时间差和信号到达方向的观测方程,利用几何和代数关系化简得到伪线性模型,通过改进卡尔曼滤波算法对目标运动轨迹进行跟踪,采用仿真实验对算法性能进行测试。结果表明,相对于传统扩展卡尔曼滤波算法,在相同条件下,该算法不仅提高了目标跟踪精度,而且使目标跟踪结果更加稳定。     

海上运动目标跟踪系统的设计

为实现对海上运动目标的实时跟踪,克服跟踪效果易受到严重遮挡影响的缺点,建立了一套实时跟踪系统,并且结合目标的运动信息与新的模型更新策略,对均值漂移与卡尔曼滤波器相结合的跟踪算法做出了改进.当运动船只被遮挡的比例较大时,先用估计出的目标速度矢量更新卡尔曼滤波器,并用相应的模型更新策略更新目标模型以提高模型相似性度量的精确性,再单独利用滤波器进行跟踪,取得了较好的跟踪效果.实验结果表明,该系统可以较好地实现海上运动目标的跟踪,并且改进后的算法具有良好的实时性和鲁棒性.     

自适应卡尔曼滤波在目标跟踪系统中的应用

目标跟踪是精确制导系统中的重要组成部分.文中针对运动目标跟踪问题,在建立运动模型的基础上,应用卡尔曼滤波算法进行了跟踪仿真研究.考虑到直角坐标系下的扩展卡尔曼滤波容易发散,可能导致滤波精度变差,所以文章提出一种针对非线性观测模型和线性动态模型的自适应推广卡尔曼滤波器.直角坐标系下的自适应卡尔曼滤波算法,对虚拟噪声进行了估计,动态补偿观测器模型的线性化误差,削减了系统的观测误差,并对其滤波理论及算法进行了仿真研究.结果表明:该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法.     

基于自动化采煤设备定位系统应用研究

介绍了一种基于雷达的长壁采煤机械定位系统,该系统基于雷达测距传感器,用于确定采矿设备相对于矿山煤巷基础设施的位置,通过试验验证了使用雷达传感器进行定位的合理性。为了从单个雷达信号中估计两个关键的定位参数,即沿轨位置和跨轨位置,研究了几种概率数据处理技术,对于跨轨位置,传统的卡尔曼滤波方法足以实现可靠的估计,对于沿轨位置估计,必须通过跟踪算法来识别煤巷肋墙上的特定基础设施元素,我们在三维交互显示中探索了一种新的可视化分析方法以方便识别重要特征用于分类器算法,基于分类器的输出,使用已识别的元素作为位置路径点,可以提供一个稳定和准确的采矿设备定位估计。