基于最小二乘多项式曲线拟合的船舶AIS目标航迹追踪方法与流程

基于最小二乘多项式曲线拟合的船舶ais目标航迹追踪方法
技术领域
1.本发明涉及ais航迹追踪技术领域，尤其涉及基于最小二乘多项式曲线拟合的船舶ais目标航迹追踪方法。


背景技术：

2.ais是综合了船舶的导航、避碰、海事监管等一体化的现代无线电系统，在水上交通运输领域里发挥着非常重要作用。在船舶ais导航系统中，根据ais信号特点，设计船舶航迹追踪算法就显得十分关键，直接影响船舶ais导航系统的准确性，因此如何对船舶ais航迹追踪算法进行设计，以提高船舶ais航迹追踪的效果成为目前研究的方向重点。
3.当前船舶ais航迹追踪算法包括卡尔曼滤波算法，该算法可以对目标轨迹进行拟合和估计，但其运行时间较长，导致目标轨迹追踪的实时性差；均值漂移算法，该算法软件的通用性差，在船舶ais航迹追踪领域很难得到高精度的追踪结果；粒子滤波算法，一种非线性追踪算法，对目标的运行状态进行高精度逼近拟合，但由于船舶ais航迹追踪变化十分复杂，导致粒子滤波算法同样很难得到高精度的追踪结果。


技术实现要素：

4.本发明提供基于最小二乘多项式曲线拟合的船舶ais目标航迹追踪方法。
5.本发明通过以下技术方案实现：基于最小二乘多项式曲线拟合的船舶ais目标航迹追踪方法，包括以下步骤：s1、数据输入：输入海量的ais动态信息，所述的ais动态信息包括经度、纬度和mmsi号；s2、数据预处理：提取ais动态信息中的经度和纬度位置信息；过滤异常数据；标记驻点；分离拟合目标的航迹坐标，得到经度和纬度；建立拟合目标函数；s3、数据计算：根据航迹坐标中的和进行矩阵压缩存储并生成对应正规方程组；由正规方程组进行矩阵行列式变换求解得到系数矩阵；根据系数矩阵中的残差平方和最小计算最大残差平方；s4、生成航迹拟合曲线：将步骤s3中计算得到的数据带入拟合函数生成航迹拟合曲线。
6.进一步的，所述步骤s2包括以下子步骤：s201、采用lof算法过滤异常数据；s202、将mmsi号相同且经纬度数据重合的点标记为驻点，去除驻点中相同经纬度的重复驻点；s203、通过mmsi号进行航迹分割，分离出需要进行拟合目标航迹的经纬度坐标。
7.进一步的，所述步骤s201设数据点集合为，异常点集合为，通过公式计算每个点的第距离领域内各点的第可达距离，将第可
达距离带入公式 计算每个点的第局部可达密度，通过公式 计算每个点的第局部离群因子得到异常点集合,其中为领域点的第距离，为领域点到点的距离，为点的第距离领域。
8.进一步的，预处理后的坐标数据由进行拟合得到最小二乘多项式曲线拟合目标函数，所述=由个线性无关函数，，
…
线性组合而成，所述的个线性无关函数，，
…
取值为，最小二乘多项式曲线拟合目标函数。
9.进一步的，将个坐标数据带入最小二乘多项式曲线拟合目标函数得到具有个未知数的个线性方程组即：将个线性方程组进行矩阵变换得到矩阵：=,===。
10.进一步的，所述矩阵进行矩阵压缩存储得到：=即=其对应的正规方程组为=。
11.进一步的，通过残差平方和最小公式得到,将取极小值并记录最大残差平方=，通过求得坐标数据的最小二乘拟合多项式。
12.进一步的，将正规方程组进行矩阵行列式变换得到最终矩阵：
==根据最终矩阵求解系数矩阵得到， ， ，
…
， ， ，
…
， 和= 的值并将其带入正规方程组=求出即为系数项。
13.进一步的，将系数项带入拟合目标函数,生成航迹拟合曲线。
14.本发明的有益效果：本发明提出的基于最小二乘多项式曲线拟合的船舶ais目标航迹追踪方法是基于雷达输出目标航迹和目标真实航迹两个点集的关联匹配并根据计算得到的最大残差平方来判断ais目标是否于实际航线偏航，具有高精度追踪船舶ais航迹的能力，达到更高的实时性。
附图说明
15.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
16.图1为本发明提出的基于最小二乘多项式曲线拟合的船舶ais目标航迹追踪方法的流程图；图2为本发明提出的基于最小二乘多项式曲线拟合的船舶ais目标航迹追踪方法
未过滤异常数据点的图；图3为本发明提出的基于最小二乘多项式曲线拟合的船舶ais目标航迹追踪方法采用lof算法过滤异常数据点的图；图4为本发明提出的基于最小二乘多项式曲线拟合的船舶ais目标航迹追踪方法中最小二乘曲线拟合结果图。
具体实施方式
17.为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
18.实施例1参考图1和图4，基于最小二乘多项式曲线拟合的船舶ais目标航迹追踪方法，该方法基于雷达输出目标航迹和目标真实航迹两个点集的关联匹配并根据计算得到的最大残差平方来判断ais目标是否于实际航线偏航。
19.主要包含以下几个处理过程：数据输入、数据预处理、数据计算、得到曲线轨迹方程。
20.（1）数据输入：输入海量的ais动态信息，该动态消息包含经度、纬度，mmsi号等信息紧接着进行数据预处理，所述的mmsi号为船舶识别代号。
21.（2）数据预处理1：进行位置信息提取经度坐标，纬度坐标，并过滤偏差。
22.（3）数据预处理2：过滤异常数据采用local outlier factor算法，mmsi号相同且经纬度数据重合那么将会标记为驻点并去除相同的经度坐标，纬度坐标来达到降低计算数据量的目的，通过mmsi号进行航迹分割分离出需要进行拟合目标航迹坐标，此阶段三个步骤没有先后顺序。
23.（5）数据预处理3：根据上述三个步骤处理后的数据特征建立的拟合目标函数。
24.（6）数据计算1：将得到的经度坐标，纬度坐标进行矩阵压缩存储，生成对应的正规方程组x/y。
25.（7）数据计算2：将x/y正规方程组进行矩阵行列式变换得到最终矩阵方程组求解出其系数矩阵，并记录最大残差平方=，是在求解系数矩阵时的中间产物即最小二乘法的残差平方和最小得到的。
26.（8）得到曲线轨迹方程：将计算得到的系数代入拟合函数：，生成航迹拟合曲线。
27.实施例2参考图2-图3，本实施例在实施例1的基础上，提出基于最小二乘多项式曲线拟合的船舶ais目标航迹追踪方法异常数据处理的具体实施方式。
28.进一步的，具体实施方式如下：lof通过计算一个数值score来反映一个样本的异常程度法，即一个样本点周围的样本点所处位置的平均密度比上该样本点所在位置的密度。比值越大于1，则该点所在位置的密度越小于其周围样本所在位置的密度。计算每个点的局部可达密度，进而计算得到每
个点的局部离群因子，去除离群程度最高也就是偏差最大的个点。
29.设数据点集合为,异常点集合为，首先计算每个点的第距离邻域内各点的第可达距离，其中为领域点的第距离，为领域点到点的距离，接着计算每个点的第局部可达密度，其中为点的第距离领域，再计算每个点的第局部离群因子： ，最后得到异常点集合。
30.本发明利用最小二乘多项式曲线拟合处理算法的优点，应用到船舶ais目标航迹追踪中，并根据最小二乘多项式的最大残差平方可以作为ais船舶是否偏航的有效判据，同时将输入数据采用lfo过滤异常数据，剔除相同数据的方式极大的提高了最小二乘多项式曲线拟合的精度，降低了计算量提高拟合效率。
31.以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。