刘姗姗，马社祥，孟 鑫，张启超

（天津理工大学 电气电子工程学院，天津 300384）

随着海运和客运业的不断发展，加强船舶安全管理和重点目标监测更加迫切。在交通密集、状况复杂的很多沿海和港口的水域，海上交通事故预警的精确性和有效性也尤为重要。提前掌握船舶的走向信息能有效地减少船舶触礁和碰撞等海上交通事故的发生。船舶航行轨迹分析可以获得海上航道的有用信息和船舶的行为模式。该技术还可为海上交通管制、目标监测和海上安全预警提供新的理论依据。文献［1］根据建立的系统方程和测量方程，运用卡尔曼滤波算法估计船舶的未来航行轨迹。文献［2］针对欠驱动水面舰艇，利用无味卡尔曼滤波器（UKF）预测动态目标轨迹位置。文献［3］将扩展卡尔曼滤波算法和竞争神经网络相结合，利用EKF估计船舶航行的状态，再运用NN预测船舶的航行状态。文献［4］在交互式多模型算法的解算过程中，引用期望最大值算法来估计船舶分别在匀速运动和匀转弯运动时的位置。文献［5］根据船舶的位置信息，利用多项式卡尔曼算法预测船舶的未来走向。文献［6］运用贝叶斯网络通过概率推理来预测船舶行为。文献［7］利用高斯过程（gaussian process regression，GPR）对船舶航行轨迹进行回归预测。上述预测方法均为需要构建船舶运动数学方程的线性预测方法。因为有很多外界环境（例如天气、风速等因素）对船舶运动有较大的影响，随机和多样的干扰使得实时准确的运动数学方程很难构建，大多只适用于理想状态。……