095] 接著，預處理模塊依據(jù)數(shù)據(jù)融合模型對所有信息進行空間校準和時間校準。由AIS 獲得的目標位置數(shù)據(jù)表示為經(jīng)度和煒度，而雷達獲得的目標位置數(shù)據(jù)表示為距離和方位， 因此，在對目標信息進行關(guān)聯(lián)處理前，需要將兩者統(tǒng)一變換到平面直角坐標中。
[0096] AIS坐標變換:AIS的目標位置信息來自于GPS接收機，GPS采用國際通用的WGS-84 坐標系。WGS-84坐標系的原點位于地球的質(zhì)心，Ζ軸指向地球極方向，X軸指向起始子午面和 赤道的交點，Υ軸與X軸、Ζ軸構(gòu)成右手系。WGS-84系所采用橢球參數(shù)為：
[0097] a = 6 378 137.000 000 000 0(m)
[0098] b = 6 356 752.314 2(m)
[0099] c = 6 399 593.625 8(m)
[0100] f = 1/298.257 223 563
[0101] e2 = 0.006 694 379 901 3
[0102] e'2 = 0.006 739 496 742 27
[0103] WGS-84系統(tǒng)與平面直角坐標系之間采用高斯-克呂格投影，見公式(2-1)。
[0104]
(2-1)
[0105] 式中:X、Y為點的平面直角坐標系的橫、縱坐標；夢、i為點的地理坐標，以弧度計， λ從中央經(jīng)線起算，表示經(jīng)度，P:為煒度;S為由赤道至煒度變處的子午線弧長;N為煒度資處 的卯酉圈曲率半徑;η為地球的第二偏心率，a、b則分別為地球橢球體的長短半軸。
[0106]
[0107] ν=ι+η2
[0108]
[0109]
[0110] 1 由，
[0111]
[0112] μ2 = μ0-?
[0113]
[0114]
[0115]
[0116] 雷達坐標變換:雷達數(shù)據(jù)的坐標采用的是極坐標，其目標位置數(shù)據(jù)表示為距離(R) 和方位(Θ)，把它變換為平面直角坐標系下的數(shù)據(jù)表不xr(x軸分量)和yR(y軸分量）：
[0117] , 、 (2-2)
[0118] 多傳感器融合由于各傳感器的采樣率不同、起始時間不同等原因，存在觀測數(shù)據(jù) 在時間上的不同步問題。具體來講，雷達對目標的掃描周期一般是一定的，而AIS的報告周 期是隨著船舶的航行狀態(tài)而發(fā)生改變的，雷達與AIS系統(tǒng)具有不同的數(shù)據(jù)率，為了進行后續(xù) 的航跡相關(guān)處理，應將兩個傳感器的信息統(tǒng)一到同一時刻。
[0119] 若在同一時間段內(nèi)AIS和雷達的米樣時刻分別如下：
[0120] AIS的采樣時刻序列：TAi = tAii，tAii，…tAif; (i = 1，2,…η)
[0121 ]雷達的采樣時刻序列：TRj = tRji，tRji，…tRjt; (j = 1，2，…η)
[0122]當我們將| tAi_tA(i-1) | (表不AIS前一個時刻和后一個時刻的時間差)與| tRj_tR{j一ι) (表示雷達前一個時刻和后一個時刻的時間差)相比，采用差值小的傳感器在所研究的各 采樣時刻為基準采樣時刻，然后利用數(shù)據(jù)率高的數(shù)據(jù)進行內(nèi)插或外推處理（拉格朗日插 值），求得它們在各采樣時刻的位置數(shù)據(jù)。
[0123]設由AIS數(shù)據(jù)得到的目標在tA(i-1)，tA(i+l)時刻的位置坐標分別為（XA(i-l，yA(i-1))， (XA(i+l)，yA(i+l))，當 I tAi-tA(i-1) I < I tRj-tR(j-1) I 時，由公式（2-3)可得與雷達 tRj 時刻的 AIS 位 置數(shù)據(jù)(x/u，y/u)。其他的航速、航向等信息也可由該方法得到。
[0124] (2-3)
[0125] 當目標平穩(wěn)運動時，我們以雷達的η個采樣時刻作為基準采樣時刻，而當目標狀態(tài) 快速改變時，由于AIS提供數(shù)據(jù)的周期變短，短于雷達的掃描周期時，改作以AIS的各采樣時 刻作為基準采樣時刻，該方法將隨目標的機動而自動調(diào)節(jié)采樣時刻作為基準數(shù)據(jù)，具有自 適應的特點，并且采樣時刻點選擇密集，減少了誤差引入的可能。
[0126] 再接著，由關(guān)聯(lián)模塊利用最近鄰域法進行航跡關(guān)聯(lián)。
[0127] 設(級，7故）、（織，7[^)分別為1^時亥仏15^1^經(jīng)時空校準所推算出的目標位置，當 前設ARPA雷達跟蹤波門為△ X、△ y，ΑΙS與ARPA的航跡關(guān)聯(lián)分為以下兩種情況：
[0128] 跟蹤波門內(nèi)只有一個目標：
[0129]當AIS與雷達的目標位置信息滿足公式(2-3)時，則實現(xiàn)AIS目標和ARPA雷達目標 的航跡關(guān)聯(lián)。
[0130] (2-4)
[0131] 跟蹤波門內(nèi)有多個目標：
[0132] 為了提高關(guān)聯(lián)質(zhì)量，需要進行m次關(guān)聯(lián)檢測，在關(guān)聯(lián)檢測樣本間建立距離函數(shù)PlJ，i 代表第i組AIS的數(shù)據(jù)，j代表第j組雷達的數(shù)據(jù)，i和j是獨立不相關(guān)的。
[0133]
(2-5)
[0134] 根據(jù)公式(2-5)，對于確定的j組ARPA數(shù)據(jù)，要找到處于同一目標的AIS所對應的數(shù) 據(jù)，只要找到i，該i使得距離PU取得最小值。
[0135] 最后，由融合處理模塊進行目標融合。
[0136] 經(jīng)航跡關(guān)聯(lián)檢驗確定為同一目標的航跡可以進行航跡融合處理，得到航跡。目標 航跡融合方法采用直觀、高效的加權(quán)平均法，這種方法能夠直接對校準后數(shù)據(jù)進行統(tǒng)計加 權(quán)處理，減少信息損失，有利于提高融合航跡的精度。設AIS測量的誤差為σ Α2,加權(quán)因子為 W1，雷達測量的誤差方差為〇R2，加權(quán)因子為W2，融合后的值為X。
[0137] 融合值的均方誤差為公式(2-6):
[0138] σ2 = E [ (χ-Χ)2 ] = Ε [ wi2 (χ-χι) 2+W22 (x~X2) 2+2wiW2 (χ-χι) (x~X2) ] (2-6)
[0139] 其中：
[0140] Ε[ (χ-χι) (Χ-Χ2) ] =0
[0141] 進一步化解可以得到公式(2-7):
[0142]
(2-7)
[0143]今σ2取最小值，則對σ2求導數(shù)，今導數(shù)為0，代入式(2-8):
[0144]
(2-8)
[0145] 可以得到此時
[0146] 根據(jù)最優(yōu)權(quán)重因子的判斷結(jié)論，則可確定權(quán)重系數(shù)見公式(2-9):
[0147] (2-9)
[0148] 式中：
[0149] 〇rl2、〇al2--雷達、AIS的測距精度；
[0150] 〇Re2、〇Ae2--雷達、AIS的測角精度；
[0151 ] 〇rv2、〇av2--雷達、AIS的測速精度。
[0152]由公式(4-10)可以得到融合后的目標數(shù)據(jù)。
[0153]
(2-10)
[0154] 態(tài)勢評估子系統(tǒng)12與信息融合子系統(tǒng)11連接，態(tài)勢評估子系統(tǒng)12用于對海域目標 信息和空域目標信息進行目標態(tài)勢評估以得到目標威脅概率。態(tài)勢評估子系統(tǒng)12與多個處 理平臺連接，對接收到的海域目標信息和空域目標信息分發(fā)給多個處理平臺，利用多個處 理平臺進行探測處理，當某一平臺發(fā)現(xiàn)威脅目標，將通知態(tài)勢評估子系統(tǒng)12,以便態(tài)勢評估 子系統(tǒng)12將該威脅目標通知其他平臺，這樣使得各個處理平臺不再依賴自身的探測設備， 而可以通過系統(tǒng)信息共享其他平臺的發(fā)現(xiàn)，從而提高安全防御和軍事決策的隱蔽性和實效 性。
[0155] 態(tài)勢評估子系統(tǒng)12包括初步評估單元121、深度評估單元122、以及顯示單元123。 初步評估單元121用于對海域目標信息和空域目標信息中包括的目標屬性進行評估判斷， 為海域目標信息和空域目標信息指定對應的評估值，并得出對應的目標運動軌跡和目標屬 性信息;其中海域目標信息和空域目標信息中包括目標信息、目標屬性、以及靜態(tài)信息，其 中的目標屬性有航向、航速、目標類型等信息。經(jīng)初步評估單元121評估后，輸出目標運動軌 跡、目標類型、目標大小、目標往來次數(shù)、目標威脅度、目標攔截成功率、目標攔截時間等信 息，該初步評估單元121可以結(jié)合其他處理平臺中的氣象資源、行政資源、歷史資源、以及人 文資源，對目標進行往來次數(shù)的統(tǒng)計、威脅度的評估等。
[0156] 深度評估單元122與初步評估單元121連接，用于對評估值超出警戒值的海域目標 信息和空域目標信息進行深度評估，利用神經(jīng)網(wǎng)絡算法對海域目標信息和空域目標信息進 行運算，以得出目標威脅概率和目標關(guān)聯(lián)信息;對于評估值超出警戒值的目標，目標威脅度 超出了設定的警戒值，該目標的威脅度較大，進而對該目標進行深度評估，深度評估利用神 經(jīng)網(wǎng)絡算法，輸入初步評估單元121所得的信息，包括多目標多航跡，根據(jù)神經(jīng)網(wǎng)絡算法輸 出目標威脅概率和目標關(guān)聯(lián)信息。神經(jīng)網(wǎng)絡算法是一種模仿生物神經(jīng)網(wǎng)絡行為特征，進行 分布式并行信息處理的算法數(shù)學模型。這種網(wǎng)絡依靠系統(tǒng)的復雜程度，通過調(diào)整內(nèi)部大量 節(jié)點之間相互連接的關(guān)系，從而達到處理信息的目的。如圖5所示，網(wǎng)絡中的神經(jīng)元是分層 排列的，每個神經(jīng)元只與前一層的神經(jīng)元相連接。第一層為輸入層21，它由線性變換單元組 成的，中間為隱層22,隱層22的層數(shù)可以是一層或多層，最上一層為輸出層23。隱層22和輸 出層23均由非線性變換單元組成。
[0157] 利用神經(jīng)網(wǎng)絡進行態(tài)勢評估與預測，首先必須進行態(tài)勢評估網(wǎng)絡的構(gòu)建。主要步 驟如下：一、層節(jié)點個數(shù)的確定:根據(jù)多個平臺的態(tài)勢初步評估信息，可以確定輸入層節(jié)點 個數(shù)。例如輸入節(jié)點包括目標作戰(zhàn)能力、角度、距離、高度及速度等評估指標；中間隱層節(jié)點 的數(shù)目與輸入層節(jié)點數(shù)目、輸出層節(jié)點數(shù)目、對待問題的難易程度等多種因素相關(guān)，通常利 用經(jīng)驗公式劃定隱含節(jié)點范圍，然后在經(jīng)多次訓練來取定最佳節(jié)點數(shù)。二、網(wǎng)絡樣本生成： 采用工程模糊集方法確定因素的權(quán)重系數(shù)，形成初始訓練樣本，然后通過專家校正法進行 調(diào)整優(yōu)化，生成最終的網(wǎng)絡訓練樣本。三、網(wǎng)絡訓練:采用標準梯度下降法與指數(shù)梯度下降 法相結(jié)合的學習算法，對神經(jīng)網(wǎng)絡進行訓練，使誤差滿足一定要求，確保網(wǎng)絡具備較強的魯 棒性。態(tài)勢評估網(wǎng)絡建成后，在目標完成要素拾取、識別出異常目標后，系統(tǒng)可自動對異常 目標進行態(tài)勢估計與預測，也可綜合參考其它方面的信息，比如視頻、雷達等資源，人工判 斷是否需要對該異常目標進行估計和預測。
[0158] 顯示單元123與初步評估單元121和深度評估122單元連接，用于顯示初步評估單 元121得到的評估值、目標運動軌跡、以及目標屬性信息，顯示深度評估單元122得到的目標 威脅概率和目標關(guān)聯(lián)信息