LabVIEW与MATLAB混合编程在雷达AIS航迹关联中的应用

6 下载量 158 浏览量 更新于2024-09-01 收藏 898KB PDF 举报
"基于LabVIEW的雷达与AIS航迹关联的研究探讨了现代船舶交通管理系统中如何通过结合LabVIEW和MATLAB实现雷达与自动识别系统(AIS)航迹的关联。利用LabVIEW的图形化编程界面和MATLAB的矩阵运算能力,通过改进的BP神经网络算法,提升了航迹关联的效率和技术水平。该研究为多传感器数据融合提供了一种新方法,有助于解决重复融合和错误融合的问题。" 本文主要关注的是航迹关联技术在船舶交通管理系统(VTS)中的应用,尤其是在雷达和AIS数据集成方面的挑战。航迹关联是VTS的关键步骤,它涉及将来自不同传感器的数据(如雷达和AIS)正确地分配给同一艘船,以确保准确的信息分析和决策。 传统的航迹关联方法包括基于模糊数学和统计理论的算法,如最邻近方法、模糊聚类法等。然而,这些方法往往存在局限性,例如关联门限的自适应问题。为解决这些问题,作者提出采用神经网络方法,特别是改进的BP(反向传播)神经网络。BP神经网络通过反向传播误差来调整权重,而加入动量因子可以避免训练过程中的局部最小值陷阱,增加网络层数可以提升训练性能。 在实现过程中,LabVIEW作为图形化编程工具,以其直观的界面和在虚拟仪器设计上的优势,被用于构建关联模型。与MATLAB的矩阵运算能力相结合,这种混合编程方式提高了模型的解析能力和开发效率,拓宽了两者在航迹关联领域的应用范围。 系统模型部分介绍了基本的BP神经网络架构,包括输入层、隐藏层和输出层,其中隐藏层通常采用Sigmoid激活函数,以实现非线性转换。通过这种方式,神经网络能够学习并适应雷达和AIS数据的复杂关联模式。 这项研究为VTS系统提供了一个新颖的航迹关联解决方案,利用神经网络和混合编程技术,不仅提高了数据处理的准确性和实时性,还为未来航迹关联技术的发展开辟了新的路径。通过这种技术,可以更有效地整合多传感器数据,优化船舶交通管理,从而增强航行安全和效率。