模糊神经网络融合雷达与AIS数据提高目标跟踪精度

本文主要探讨了"基于模糊神经网络的AIS与雷达目标数据融合"这一主题，发表于2005年的集美大学学报(自然科学版)第10卷第3期。作者郑佳春和陈宗恒针对航海信息多源性的问题，以雷达和AIS作为研究重点，提出了一个改进的自适应模糊系统结合径向基函数网络(RBF网络)和α-β滤波器的信息融合算法。在航海领域，为了确保船舶的安全航行、提升运输效率并保护海洋环境，船舶需要实时获取并融合来自不同传感器如罗经、计程仪、雷达、AIS和ECDIS的数据。 AIS提供自动识别和位置信息，而雷达则提供目标的精确位置和运动状态。然而，这些传感器各自存在局限性，如数据精度、更新频率和环境干扰等。通过模糊神经网络，能够处理雷达和AIS数据中的不确定性，同时利用其自适应性和鲁棒性，减少噪声影响，增强数据的可靠性。 文中提到，预处理阶段对雷达和AIS数据进行了必要的清洗和标准化，以确保融合后的数据准确无误。径向基函数网络作为一种非线性映射工具，有助于提取数据的内在特征，而α-β滤波器则负责滤除噪声和异常值，进一步优化数据质量。融合算法的设计旨在最大化利用两者的优点，减少数据间的冗余，提高目标跟踪的精度。 通过计算机仿真，研究者验证了这种融合方法的有效性，结果显示，相比于单一传感器的数据，融合后的目标跟踪性能得到了显著提升。这在实际应用中具有重要意义，特别是在复杂的航海环境中，能够帮助船舶做出更为精确的决策，从而提高整体的导航效率和安全性。 本文的研究内容深入到了多传感器数据融合的技术细节，特别是模糊神经网络在航海领域的具体应用，展示了如何通过信息融合技术提升船舶目标跟踪能力的关键步骤和成果。这项工作对于推进智能航海系统的发展以及优化海上交通管理具有理论和实践价值。