储到数据库中。
[0045]S2、对船舶的位置、速度和方位信息进行航迹关联和航迹融合，具体步骤为：
[0046]S21、对船舶的位置、速度和方位信息进行坐标转换和时间配准，将经炜度形式信 息转换为极坐标形式信息，使用分段线性插值法将不同步的信息统一到同一时刻；
[0047]S22、对处理后的位置、速度和方位信息进行航迹关联，以目标船船舶自动识别系 统航迹信息为基准，先排除与船舶自动识别系统信息相比时间、距离差距较大的雷达航迹 信息；再通过计算船舶自动识别系统航迹信息和雷达航迹信息的关联程度，至多选择一个 关联程度较大的雷达航迹信息，将此船舶自动识别系统航迹信息和雷达信息选定为目标船 航迹融合的对象；
[0048] 关联程度的计算方法具体为：
[0049] 通过正态分布的隶属度函数得到距离、方位、航速、航向这4个因素的欧氏距离的 关联和不关联隶属度值，再与各因素权重大小进行加权平均可得到综合因素关联和不关联 隶属度；
[0050] 最后进彳丁双门限细关联，即判断综合因素关联隶属度最大值与满足细关联次数是 否满足设定的门限值，若都满足则停止关联判断，存储并绑定判定细关联的目标船的船舶 自动识别系统和雷达标号，作为关联程度较大的目标船航迹融合的对象。
[0051]S23、对选定的关联程度较大的目标船的船舶自动识别系统和雷达航迹信息进行 航迹融合，采用基于统计的加权估计法来完成目标船的航迹融合过程，并存储融合结果为 航迹预测提供数据；
[0052]S3、根据航迹融合的结果对目标船进行航迹预测，并做出船舶碰撞危险评价、避让 决策及目标船态势监测。
[0053] 船舶碰撞危险评价的方法具体为：
[0054] 综合考虑最小会遇距离、最小会遇时间、两船距离、目标船与本船的方位角、本船 与目标船的速度比这5个作为评价因素，得到各自隶属度后与其对应权重值加权得到综合 因素碰撞危险度。
[0055] 避让决策的方法具体为：
[0056] 首先确定避让行动时机，采用碰撞危险度理论的方法计算碰撞危险度，并将其与 设定的危险度阈值进行比较，若大于该阈值，根据本船与目标船的会遇态势判断避让方式， 确定本船是直航船还是避让船，以及向左还是向右避让；最后确定转向避让幅度。
[0057] 目标船态势监测的方法具体为：
[0058] 以本船为直角坐标系中心原点，实时绘制并显示本船周围8海里范围内的监测目 标位置、航向信息和航迹，并通过不同颜色绘制目标能直观反映不同碰撞危险程度状态，点 击对应目标能显示相应信息与避让建议。
[0059] 如图2所示，本发明的另一个实施例中，对于一次完整的辅助避碰过程，根据数据 处理和传递顺序，其工作流程具体为：
[0060] (1)通过串口接收AIS模块、雷达模块传输的报文，获取目标信息；
[0061] (2)按照AIS与雷达的报文信息格式解析，提取所需信息并存储到数据库中；
[0062] (3)从静态、动态多种数据中，取出融合所需位置、速度和方位信息，进行数据融 合，显示融合航迹，这样是为了确保数量分析来源的正确性与全面性；
[0063] (4)根据融合航迹，预测下一步目标位置、速度和方位信息，提供避碰分析和碰撞 预警的数据来源，并保证了后续分析判断的及时性；
[0064] (5)根据预测信息，判断会遇局势，并显示在以本船为中心的一定范围内的所有目 标，让操作人员直观掌握周围航行环境整体状况；
[0065] (6)评估是否有碰撞危险，这是船舶避碰系统的核心，评判方法应具有有效性与快 速性；
[0066] (7)若判断有危险，则给出碰撞预警；
[0067] (8)根据会遇局势，给出避让方案。
[0068]如图3所示，本发明实施例的基于航迹融合和航迹预测的船舶避碰辅助决策系统 用于实现本发明实施例的基于航迹融合和航迹预测的船舶避碰辅助决策方法，包括串口接 收模块和数据库，以及均与所述数据库连接的信息处理模块、算法模块和人机交互模块，所 述串口接收模块与所述信息处理模块相连；
[0069]所述信息处理模块，包括船舶自动识别系统信息处理模块、雷达信息处理模块和 其他信息处理模块，用于接收来自串口接收模块发送来的船舶航行信息，并对其进行预处 理得到船舶的位置、速度和方位信息，最后将处理结果保存到数据库中；
[0070]所述算法模块，包括数据融合算法模块、航迹预测算法模块、避让决策算法模块、 碰撞危险算法模块和其他算法模块，用于从数据存储模块中读取船舶的位置、速度和方位 信息，并对其进行航迹融合和航迹预测，根据计算结果进行碰撞预警和避让决策；
[0071]所述人机交互模块，包括目标态势监控模块、信息查询模块、碰撞预警模块、系统 配置模块和其他功能模块，用于实时的显示船舶的航行信息，以及各种预警信息。
[0072]本发明的另一个实施例中，本发明提供的基于航迹融合与航迹预测的船舶避碰辅 助决策系统，具体包括：
[0073] 1.串口接收模块
[0074]本发明对应实现的装置通过串口与AIS和雷达模块相连，其硬件结构示意图如图4所示，通过串口接收模块程序循环获取AIS与雷达传输的报文信息。
[0075] 2.信息处理模块
[0076]包括AIS和雷达信息处理模块，即对串口接收模块获取的信息，分别按照AIS与雷 达报文格式进行解析，并提取有效信息存储到数据库中。
[0077] 4.数据融合算法模块
[0078]对AIS与雷达目标的位置、速度和方位信息进行数据融合，具体包括：
[0079] (1)坐标转换：由于雷达目标位置为极坐标系的距离和方位形式，AIS是经炜度形 式信息。为了统一坐标系便于后续数据处理，把地球椭球面近似当作圆形来处理位置信息， 将AIS经炜度信息转换为极坐标。
[0080] (2)时间配准：把对同一目标的不同步的量测数据统一到同一时刻，这通常是由 于多个传感器采样周期不同，且系统接收到的时刻也不同。采用较为简单可行的分段线性 插值方法，其原理是将插值点用折线段连接起来，从而更逼近原函数。
[0081] 3)航迹关联：首先进行时间距离粗关联，可以排除时间、距离差距比较大的目标， 如几小时或十几海里，这样大幅度减少了需要后续判断关联对象，提高计算效率；然后进行 模糊综合评判航迹关联算法，通过正态分布的隶属度函数得到距离、方位、航速、航向这4 个因素的欧氏距离的关联和不关联隶属度值，再与各因素权重大小进行加权平均可得到综 合因素关联和不关联隶属度；最后进彳丁双门限细关联，即判断综合因素关联隶属度最大值 与满足细关联次数是否满足设定的门限值，若都满足则停止关联判断，存储并绑定判定细 关联的AIS和雷达目标标号，确定航迹融合的船舶对象。
[0082] (4)航迹融合：采用基于统计的加权估计法来完成目标航迹融合过程，是在总体 均方误差最小的情况下，确定最优加权因子，从而保证融合后的估计值达到最精确，该方法 简单易实现。最后融合结果存入数据库，为航迹预测提供融合航迹数据。
[0083] 5.航迹预测算法模块
[0084] 采用改进的Sage-Husa自适应Kalman滤波算法，在Kalman滤波的基础上加入了 对量测噪声的统计特性估计，且采用基于协方差匹配技术的滤波收敛判据来防止滤波发 散，根据信息使用顺序，可以分为时间更新（预估过程）和量测更新（校正过程），这两个过 程的交替计算，则完成递归滤波过程。具体算法过程如图5所示，预测结果为图5中推算状 态向量μ，，将其存入数据库。
[0085] 6.碰撞危险算法模块
[0086] 包括运动矢量分析、会遇态势划分、船舶碰撞危险评价算法，具体过程：将研究目 标当作质点，在直角坐标系中分析本船与目标的具体会遇态势，如图6所示。
[0087] 船舶碰撞危险评价模型，选取最小会遇距离DCPA、最小会遇时间TCPA、两船距离 D、目标船与本船的方位角ΛΒ、本船与目标船的速度比K(K=VT/V。）这5个作为评价因素。 可以获得后续分析需要的参量，其中：
[0088] DCPA=DXsin(C0T_BT)
[0089]
[0090] 然后根据^"和ΔC，可把会遇态势定量划分为对遇、右舷交叉相遇、左舷交叉相 遇、追越、被追越这5种局势；最终通过船舶碰撞危险评价模型的得到具体量化碰撞危险度 的值，并将其存入数据库。
[0091] 并通过
得到取终综合因素碰撞危险度。3[|0^、&1" (^、&[|、&^、3|(为目标船参数的对应权重，均属于[0， 1]，全部之和为1，并且对应隶属度函数为：
[0092]<