详情

原文传递基于线性与非线性滤波器组合的船舶航迹实时预报方法

专利名称：	基于线性与非线性滤波器组合的船舶航迹实时预报方法
摘要：	本发明公开了一种基于线性与非线性滤波器组合的船舶航迹实时预报方法，包括：S1，采集目标历史轨迹作为数据集，并进行数据预处理，得到去除噪声的数据集；S2，使用N阶多项式拟合对数据集进行拟合，得到N+1个用于预测的多项式，使用K折交叉验证在N+1个预测多项式中选取最优预测曲线，得到初步预测结果；S3，使用中值滤波处理预测结果，得到去除非线性噪声的预测结果；本发明提出的一种基于线性与非线性滤波器组合的船舶航迹实时预报方法，用来预测目标船舶的未来轨迹。根据短期内的历史轨迹数据，实时更新组合滤波预测模型，实现成本低，且不需要智能水炮设备所在的船舶固有参数与外界环境参数，泛化性能好。
专利类型：	发明专利
申请人：	中国舰船研究设计中心;武汉科技大学;武汉船用电力推进装置研究所(中国船舶重工集团公司第七一二研究所)
发明人：	汪震;严震海;刘建设;龙飞;陈姚节
专利状态：	有效
申请日期：	2021-11-03T00:00:00+0800
发布日期：	2022-03-01T00:00:00+0800
申请号：	CN202111292868.X
公开号：	CN114118528A
代理机构：	杭州宇信联合知识产权代理有限公司
代理人：	王健
分类号：	G06Q10/04;G06Q50/30;G06T5/00;G06T5/20;G06T7/246;G;G06;G06Q;G06T;G06Q10;G06Q50;G06T5;G06T7;G06Q10/04;G06Q50/30;G06T5/00;G06T5/20;G06T7/246
申请人地址：	430081 湖北省武汉市武昌区张之洞路268号;;
主权项：	1.一种基于线性与非线性滤波器组合的船舶航迹实时预报方法，其特征在于，包括： S1，采集目标历史轨迹作为数据集，并进行数据预处理，得到去除噪声的数据集； S2，使用N阶多项式拟合对数据集进行拟合，得到N+1个用于预测的多项式，使用K折交叉验证在N+1个预测多项式中选取最优预测曲线，得到初步预测结果； S3，使用中值滤波处理预测结果，得到去除非线性噪声的预测结果。 2.如权利要求1所述的基于线性与非线性滤波器组合的船舶航迹实时预报方法，其特征在于，步骤S1具体包括： S11，使用智能水炮系统对目标船舶进行跟踪，采集其中偏航角和俯仰角信息用于描述目标轨迹； S12，采集数据的噪声设为随机变量X，其中，X服从一维高斯分布，概率密度函数为其中，μ为随机变量X的期望值，σ为X的标准差； S13，将所述概率密度函数作为计算高斯模板的高斯函数G(x)原型，将其期望值μ设置为当前模板卷积元素的值x0，则高斯模板其中，x为x0邻域元素的值，若一维高斯模板宽度为N，则高斯模板使用高斯模板遍历采集数据，进行卷积，得到滤波结果 3.如权利要求2所述的基于线性与非线性滤波器组合的船舶航迹实时预报方法，其特征在于，步骤S2中使用N阶多项式拟合对数据集进行拟合，具体包括：对样本集使用最小二乘法拟合得到0～N阶多项式其中N为多项式最高阶数，t为时间，b为偏置常量，a为多项式系数，m为阶数。 4.如权利要求3所述的基于线性与非线性滤波器组合的船舶航迹实时预报方法，其特征在于，步骤S2中使用K折交叉验证在N+1个预测多项式中选取最优预测曲线，具体包括： S21，把样本集S等间隔抽样分成k份，分别使用其中的(k-1)份作为训练集计算F(m,t)，一份作为交叉验证集； S22，计算验证集上预测值与真实值之间的误差值e＝(p-r)2，取误差值e的平均值最小的F(m,t)为最优预测曲线，其中，m为K折交叉验证规范阶数，p为预测值，r为真实值； S23，若有多个误差值e的均值相同的F(m,t)，则取其中阶数m最小的F(m,t)为最优预测曲线。 5.如权利要求1所述的基于线性与非线性滤波器组合的船舶航迹实时预报方法，其特征在于，步骤S3具体包括： S31，使用最优预测曲线计算预测时间点邻域内的多个预测结果，得到预测结果的集合； S32，使用中值滤波过滤预测结果中的非线性噪声，得到最终预测结果。 6.如权利要求4所述的基于线性与非线性滤波器组合的船舶航迹实时预报方法，其特征在于，还包括基于若干目标轨迹数据拟合得到线性滤波和非线性滤波参数值的预设参数，所述预设参数包括高斯函数标准差σ，高斯模板宽度N，多项式最高阶数D，样本份数k，以及，中值滤波的样本数据L。 7.如权利要求1-6任一项所述的基于线性与非线性滤波器组合的船舶航迹实时预报方法，其特征在于，还包括基于均方误差MSE定量评价预测结果。
所属类别：	发明专利