传感器节点信息融合舰船通信网络路由研究

传统舰船通信网络路由算法存在数据传输成功率低的情况,因此设计一种传感器节点信息融合的舰船通信网络路由算法。采用拓扑意识方法,制定路由协议,根据路由协议制定一种具有方向性的传输机制。在此基础上,从路由发现、路由维护、路由应答、异常处理和路由传输距离5个步骤完成舰船通信网络路由算法的设计。实验对比结果表明,此次设计的传感器节点信息融合的舰船通信网络路由算法比传统算法传输成功率高,具有一定实际应用意义。     

船联网环境下舰船传感通信大数据融合调度算法

针对传统舰船传感通信大数据融合调度算法存在时延较高的问题,提出一种船联网环境下舰船传感通信大数据融合调度算法。在船联网环境下,通过ETL对舰船传感通信大数据实施预处理,步骤包括抽取大数据、转换大数据以及加载大数据,基于大数据预处理结果,制订数据融合调度策略,获取节点的具体发送序列,实施各时隙内融合周期调度状态的分配,获取最终的接收调度序列与睡眠调度序列,实现舰船传感通信大数据融合调度。实验结果证明该算法的时延最低,说明该算法更适用于舰船传感通信大数据融合调度。     

数据挖掘聚类算法在船联网平台中的应用

随着通信技术的发展,船舶与船舶以及船舶与岸基之间的数据交互越来越频繁;同时数据的种类与数据帧的大小也急速增加,如何对这些信息进行快速有效的分析提取成为现代海洋业的重要研究领域。数据挖掘通过统计﹑自动学习等算法从海量数据中提取有效信息。随着船舶采集信息量的增大,成为信息中心最重要的功能之一。本文研究现有聚类算法的优缺点,重点分析聚类数据挖据算法DBSCAN,根据船舶数据处理的特点对算法进行了改进。     

基于卡尔曼滤波的多传感器跟踪融合算法

总结了基于卡尔曼滤波技术的各种跟踪融合算法,分别介绍了集中式和分步式跟踪融合算法,仿真了融合效果.集中式融合算法具有最优的估计性能但是对资源的要求也最高.分布式融合算法可以节省计算量和通信带宽,在一定条件下也可以实现对目标的最优估计.     

基于DBSCAN的港口泊位自动识别算法设计

为更好地监测船舶动态和船舶在港口的作业情况,通过对K-Means算法和DBSCAN(Density-Based Spa-tial Clustering of Applications with Noise)密度聚类算法进行对比,选择DBSCAN密度聚类算法对港口泊位进行聚类,对港口泊位的位置和大小进行识别.基于船舶自动识别系统(Automatic Identification System,AIS)历史数据、船舶动态信息和船舶基础信息,采用DBSCAN密度聚类算法对全球4 079个港口的泊位进行自动识别,得出泊位的位置、方向、岸线长度和类型等信息.将聚类结果与真实泊位信息相对比,结果表明,聚类结果的误差很小,证明该算法是有效的.计算结果可用于实时跟踪船舶在港作业动态,分析泊位历史作业情况,为港航基于数据的协同优化提供参考.     

基于轨迹段DBSCAN的船舶轨迹聚类算法

船舶自动识别系统(Automatic Identification System, AIS)数据中蕴藏着大量的海上交通特征,为挖掘AIS数据中有关船舶运动规律有效的、潜在的信息,提出一种改进型轨迹段DBSCAN(Density-Based Spatitcal Clustering of Applications with Noise)的聚类算法。船位转向角和航速变化量作为信息度量对船舶轨迹进行分段,采用离散Frechet距离作为轨迹相似度度量,利用类似DBSCAN算法对轨迹段进行聚类,得出船舶运动典型轨迹。以天津港为例,采用改进的轨迹段DBSCAN算法对船舶轨迹进行聚类,能从一定程度上提高聚类的效果和准确率,为进一步研究船舶异常行为打下基础。     

基于无序信息融合技术的舰船组合导航系统研究

多源信息融合技术在舰船组合导航系统中有广泛的应用。多传感器信息融合中存在的通信延迟不可避免,这样就会使得采集到的信息达到融合中心是无序的。本文主要研究船舶不同起始时间下的无序信息融合的组合导航技术,以此进行船舶的导航。最后进行仿真实验,实验结果表明算法精度高、鲁棒性强。     

一种优化的船体外板三维点云数据提取方法

针对水火弯板机检测系统中船舶外板三维点云数据自动提取过程存在边缘噪点、板下贴合垫木识别效率低以及外板边缘拟合等问题,提出一种优化DBSCAN聚类算法,首先根据现场加工环境精简点云,利用网格划分来建立外板点云拓扑模型,然后根据DBSCAN密度聚类算法搜索出外板点云,最后采用最小二乘法进行边缘拟合。结果表明,该算法能有效识别外板边缘,提取出外板点云。     

基于自动识别系统大数据的船舶施工轨迹识别与预测

针对疏浚监控管理工作很难全天覆盖所有船舶、无法做到实时监控的问题,分析某绞吸挖泥船的AIS(自动识别系统)高频数据,包括疏浚船舶动态的航行轨迹、速度、航向等数据。对船舶施工轨迹辨识和预测进行研究,提出利用DBSCAN聚类算法粗略识别出施工区域,利用LOF(局部异常因子)算法去除航行轨迹中非施工状态下的轨迹,并利用时间序列ARIMA模型对船舶施工轨迹进行预测。结果表明,DBSCAN聚类算法结合LOF算法进行施工轨迹辨识方法合理可行,ARIMA模型进行施工轨迹预测的方法具有精确度高、实时性、易实现的特点。     

异步多传感器数据融合

在分布式多传感器数据融合系统中，由于每个传感器的采样周期不同以及具有不同的通信延迟，导致送入融合中心的局部航迹往往不是同步的。提出一种多传感器异步数据融合算法，该算法首先利用最小二乘实现时域融合，将航迹同步化，然后利用一种序贯的Kalman滤波方法进行融合。     

数据融合技术在船舶组合导航中的应用研究

随着船舶导航系统的组合应用,有必要对组合导航信息进行数据融合以提供高可靠性的导航信息。在简单分析了船舶导航信息主要的数据融合方法的基础上,针对联邦滤波器的结构设计了传感器本地多次数据融合决策算法,并对融合了传感器本地决策数据融合算法的容错性进行了分析,对于推动数据融合在船舶组合导航中的应用具有一定借鉴意义。     

信息融合系统能力综合评价的一种计算方法

不同的融合系统具有的融合效果是不同的。在相同的能力要素指标空间下,不同软件版本在各个指标上会表现出差异,有的在漏情率上要好,但可能精度较差。为了能综合评价不同版本的信息融合能力差异,本文提出了一种计算信息融合系统能力综合得分的归一化方法,并给出了1个实际应用例子。     

通信对抗中短波传输信道的仿真建模

针对短波中不同的传输模式,提出了短波无线通信信道的理论模型及算法,并采用Matlab工具进行了计算机仿真计算。分析了影响信道传输特性的几种参数,对其中的主要参数作了较为详细的讨论。研究的结果对于短波地波和天波在通信对抗中的应用具有一定的参考价值。     

天线阵列综合中的遗传算法应用综述

自适应天线阵列综合技术是现代无线电通信技术发展的一个重要领域。首先在对遗传算法的发展、基本思想、特点等方面作简要概述的基础上，进而着重介绍该算法在天线阵列综合中的几个研究应用方向，展示了其广泛的适用性及处理天线阵列综合问题的卓越能力，同时对出现的难点和应注意的问题发表了看法。     

神经网络在多目标分布式融合中的应用研究

提出了适合分布式多传感器多目标(MSMT)数据融合估计算法，对这种推广的分层融合估计算法进行了数学推导和描述，研究了利用神经网络进行MSMT跟踪融合的网络结构和算法，进行了计算机模拟仿真。仿真结果表明神经网络融合估计可提高跟踪精度，并且这种融合方法是有效的。     

双波段红外目标数据融合模型的研究

从跟踪性能,计算的复杂性,以及应用范围等方面对双波段红外传感器的三种融合模型进行比较,得出来自同一平台上两个红外传感器的数据,在各传感器没有各自的数字处理机的情况下,点迹融合模型较其余两种模型实用的结论。最后给出在点迹融合模型的基础上,用极大似然融合算法对点迹进行融合处理的仿真结果,证明该算法用于此种模型能提高目标状态信息的估计精度,降低测量误差,从实际应用上进一步说明算法的有效性。