[發明專利]AIS與雷達的航跡關聯方法及裝置

在審

• 申請號: 202210256070.8
• 申請日: 2022-03-15
• 公開（公告）號: CN114660561A
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 楊宜菩;孫立國;呂品
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G01S7/41
• 分類號: G01S7/41;G06N3/02;G06N3/08
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王慶龍

1.一種自動識別系統AIS與雷達的航跡關聯方法，其特征在于，包括：

分別將AIS航跡點和雷達航跡點輸入局部特征提取模塊，獲取AIS簇級節點的高維特征向量和雷達簇級節點的高維特征向量；

將所述AIS簇級節點的高維特征向量和所述雷達簇級節點的高維特征向量輸入注意力機制圖神經網絡，獲取AIS簇級節點的高維分布特征向量和雷達簇級節點的高維分布特征向量；

基于所述AIS簇級節點的高維分布特征向量和所述雷達簇級節點的高維分布特征向量，獲取AIS航跡與雷達航跡之間的關聯。

2.根據權利要求1所述的AIS與雷達的航跡關聯方法，其特征在于，所述局部特征提取模塊包括局域聚合層、特征描述層和分組層；

其中，所述局域聚合層用于對航跡點進行不同尺度的局域聚合，獲取所述航跡點的分布特征；

所述特征描述層用于對所述航跡點的分布特征進行編碼，獲取所述航跡點的高維特征向量；

所述分組層用于對所述航跡點的高維特征向量進行聚類和編碼處理，獲取簇級節點的高維特征向量。

3.根據權利要求2所述的AIS與雷達的航跡關聯方法，其特征在于，分別將AIS航跡點和雷達航跡點輸入局部特征提取模塊，獲取AIS簇級節點的高維特征向量和雷達簇級節點的高維特征向量，包括：

分別將所述AIS航跡點和所述雷達航跡點輸入所述局部特征提取模塊的局域聚合層，獲取所述AIS航跡點的分布特征和所述雷達航跡點的分布特征；

分別將所述AIS航跡點的分布特征和所述雷達航跡點的分布特征輸入所述局部特征提取模塊的特征描述層，獲取所述AIS航跡點的高維特征向量和所述雷達航跡點的高維特征向量；

分別將所述AIS航跡點的高維特征向量和所述雷達航跡點的高維特征向量輸入所述局部特征提取模塊的分組層，獲取AIS簇級節點的高維特征向量和雷達簇級節點的高維特征向量。

4.根據權利要求1所述的AIS與雷達的航跡關聯方法，其特征在于，所述注意力機制圖神經網絡包括自注意力機制圖神經網絡模塊和交叉注意力機制圖神經網絡模塊；

所述自注意力機制圖神經網絡模塊用于獲取AIS簇級節點之間的注意力權重和雷達簇級節點之間的注意力權重；

所述交叉注意力機制圖神經網絡模塊用于獲取AIS簇級節點與雷達簇級節點之間的注意力權重。

5.根據權利要求4所述的AIS與雷達的航跡關聯方法，其特征在于，將所述AIS簇級節點的高維特征向量和所述雷達簇級節點的高維特征向量輸入注意力機制圖神經網絡，獲取AIS簇級節點的高維分布特征向量和雷達簇級節點的高維分布特征向量，包括：

將所述AIS簇級節點的高維特征向量和所述雷達簇級節點的高維特征向量輸入所述注意力機制圖神經網絡的自注意力機制圖神經網絡模塊，獲取AIS簇級節點之間的注意力權重、雷達簇級節點之間的注意力權重；

將所述AIS簇級節點的高維特征向量和所述雷達簇級節點的高維特征向量輸入所述注意力機制圖神經網絡的交叉注意力機制圖神經網絡模塊，獲取AIS簇級節點與雷達簇級節點之間的注意力權重；

利用所述注意力機制圖神經網絡對所述AIS簇級節點之間的注意力權重、所述AIS簇級節點與雷達簇級節點之間的注意力權重，以及所述AIS簇級節點的高維特征向量進行注意力機制聚合，獲取AIS簇級節點的高維分布特征向量；

利用所述注意力機制圖神經網絡對所述雷達簇級節點之間的注意力權重、所述AIS簇級節點與雷達簇級節點之間的注意力權重，以及所述雷達簇級節點的高維特征向量進行注意力機制聚合，獲取雷達簇級節點的高維分布特征向量。

6.根據權利要求1所述的AIS與雷達的航跡關聯方法，其特征在于，基于所述AIS簇級節點的高維分布特征向量和所述雷達簇級節點的高維分布特征向量，獲取AIS航跡與雷達航跡之間的關聯，包括：

根據所述AIS簇級節點的高維分布特征向量和所述雷達簇級節點的高維分布特征向量，獲取得分矩陣；

對所述得分矩陣進行迭代優化，獲取傳輸任務矩陣；

在所述傳輸任務矩陣中，行的最大得分值與列的最大得分值處于同一位置的情況下，將行中最大得分值對應的AIS航跡與列中最大得分值對應的雷達航跡進行關聯。