现代船舶交通管理系统中,雷达与AIS航迹的关联处在一个非常重要的位置上。结合LabVIEW图形化编程特点和MATLAB强大的矩阵运算能力,应用二者混合编程和BP网络算法的改进,实现雷达与AIS的航迹关联。利用图形化编程工具LabVIEW开发平台与神经网络相结合,能更直观地分析关联模型,拓宽了二者的应用领域,并为提高航迹关联技术和开发效率提供了新的思路。 在现代船舶交通管理系统中,雷达与自动识别系统(AIS)航迹的关联技术是确保交通安全和效率的关键。本文探讨了一种基于LabVIEW和MATLAB混合编程以及改进的BP神经网络算法来实现雷达与AIS航迹的关联方法。LabVIEW因其图形化编程界面而便于分析和设计关联模型,而MATLAB则以其强大的矩阵运算能力为算法计算提供支持。 航迹关联的主要目的是将来自不同传感器的数据正确匹配,以识别同一艘船的信息。在VTS系统中,雷达和AIS数据的融合至关重要,但同时也会遇到数据重复或错误融合的问题,因此需要有效的关联算法来解决。传统的关联方法包括模糊数学和统计理论,如最邻近方法、多因素模糊综合评判法和模糊聚类法。尽管这些方法有一定的效果,但仍有待优化,比如关联门限的自适应问题。 本文提出了一种利用神经网络的新方法,尤其是改进的BP神经网络。基本的BP神经网络通过误差反向传播来更新权重,以最小化网络总误差。在实际应用中,为了避免网络陷入局部最小值,加入了动量因子,这使得网络在训练过程中能更好地调整权重,提高性能。通过LabVIEW平台,可以直观地构建和调试神经网络模型,提高了开发效率。 关联算法采用了两级门限判定。神经网络的输出作为第一级门限,当其值超过阈值(如0.85)时,认为雷达和AIS航迹可能存在关联。接着,通过多时刻多次判断,统计关联次数,设置第二级门限,以确保关联的准确性。如果多个AIS目标的关联次数相同且超过门限,可以通过计算它们与雷达目标的距离差(dij)来进一步确定最佳匹配。 这种方法的创新之处在于它结合了LabVIEW的可视化编程优势和神经网络的自适应学习特性,为航迹关联技术提供了新的视角。通过这种方式,不仅可以提高关联的精确度,还能够提升开发效率,为未来的VTS系统开发提供了有价值的参考。
- 粉丝: 9
- 资源: 912
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助