林化琛 鄭佳春 黃一琦 孫世丹 曹長(zhǎng)玉

摘要：本文介紹了一種海域多要素感知觀測(cè)與預(yù)警系統(tǒng)。該系統(tǒng)主要由雷達(dá)網(wǎng)、光電觀察設(shè)備、AIS、GPS、綜合信息處理平臺(tái)等組成。以先進(jìn)雷達(dá)技術(shù)、大數(shù)據(jù)和人工智能為支撐，實(shí)現(xiàn)對(duì)海面目標(biāo)實(shí)時(shí)態(tài)勢(shì)跟蹤和海洋環(huán)境實(shí)時(shí)監(jiān)測(cè)，綜合感知和立體觀測(cè)預(yù)警分析。文中介紹了基于非恒定自適應(yīng)門限的目標(biāo)全自動(dòng)探測(cè)、雷達(dá)組網(wǎng)全目標(biāo)融合、基于經(jīng)驗(yàn)正交分解的X-BAND雷達(dá)海浪探測(cè)、基于雷達(dá)視頻處理的溢油探測(cè)與報(bào)警等關(guān)鍵技術(shù);給出了系統(tǒng)在福建省海洋漁業(yè)、海警、海事等部門成功應(yīng)用案例，證明了該系統(tǒng)技術(shù)的可行性、先進(jìn)性，極具應(yīng)用推廣價(jià)值。

關(guān)鍵詞：雷達(dá);AIS;綜合感知;數(shù)據(jù)融合;海浪探測(cè)

O引 言

黨的十八大提出了建設(shè)海洋強(qiáng)國(guó)的重大部署。習(xí)近平總書記曾指出，建設(shè)海洋強(qiáng)國(guó)是中國(guó)特色社會(huì)主義事業(yè)的重要組成部分，要進(jìn)一步堅(jiān)持創(chuàng)新、協(xié)調(diào)、綠色、開放、共享的新發(fā)展理念，樹立海洋經(jīng)濟(jì)全球布局觀，主動(dòng)適應(yīng)并引領(lǐng)海洋經(jīng)濟(jì)發(fā)展新常態(tài)，加快供給側(cè)結(jié)構(gòu)性改革，著力優(yōu)化海洋經(jīng)濟(jì)區(qū)域布局，提升海洋產(chǎn)業(yè)結(jié)構(gòu)和層次，提高海洋科技創(chuàng)新能力。《福建省“十三五”海洋經(jīng)濟(jì)發(fā)展專項(xiàng)規(guī)劃》提出了運(yùn)用“互聯(lián)網(wǎng)+”思維指導(dǎo)海洋信息化工作，綜合應(yīng)用通信技術(shù)、計(jì)算機(jī)技術(shù)、物聯(lián)網(wǎng)技術(shù)、云技術(shù)等，構(gòu)建融合海域使用動(dòng)態(tài)化管理、海洋工程環(huán)境監(jiān)管、漁船信息化管理、安全生產(chǎn)監(jiān)管、養(yǎng)殖區(qū)域及水質(zhì)監(jiān)控、海洋漁業(yè)生產(chǎn)狀況及經(jīng)濟(jì)數(shù)據(jù)收集、應(yīng)急事項(xiàng)處置于一體的“智慧海洋”平臺(tái)，實(shí)現(xiàn)智能感知、智能調(diào)度、智能決策、智能服務(wù)，形成與海洋現(xiàn)代化管理相適應(yīng)的智慧海洋體系[1]?；诤Ｑ笥^測(cè)、海洋漁業(yè)、海洋執(zhí)法等業(yè)務(wù)需求， “海域多要素感知觀測(cè)與預(yù)警系統(tǒng)”應(yīng)運(yùn)而生，該系統(tǒng)通過(guò)對(duì)海面目標(biāo)實(shí)時(shí)態(tài)勢(shì)的跟蹤觀測(cè)和海洋環(huán)境實(shí)時(shí)監(jiān)測(cè)，綜合感知分析與預(yù)測(cè)處理，實(shí)現(xiàn)海域海面的“透明化”和“智能化”;可為海洋漁業(yè)、海警、海事等部門海上執(zhí)法及事故調(diào)查等提供關(guān)鍵信息支撐，可賦能智能漁業(yè)、智能執(zhí)法、智能搜救、海洋環(huán)境服務(wù)等新業(yè)態(tài)，對(duì)國(guó)家海洋信息化戰(zhàn)略的實(shí)現(xiàn)具有重大意義，具有廣泛的應(yīng)用前景。

1 系統(tǒng)的組成及功能

如圖1所示，海域多要素感知觀測(cè)與預(yù)警系統(tǒng)主要由雷達(dá)網(wǎng)、光電觀察設(shè)備、AIS、GPS、綜合信息處理平臺(tái)等組成。

海域多要素感知觀測(cè)與預(yù)警系統(tǒng)主要實(shí)現(xiàn)以下功能：

（1）漁業(yè)生產(chǎn)管理：雷達(dá)結(jié)合光電聯(lián)動(dòng)對(duì)目標(biāo)的進(jìn)一步識(shí)別，可實(shí)時(shí)掌控海上漁船的分布態(tài)勢(shì)。有針對(duì)性地查處伏季休漁、“三無(wú)”漁船、套牌等違法違規(guī)行為;

（2）環(huán)境資源保護(hù)：實(shí)時(shí)監(jiān)控重點(diǎn)區(qū)域（自然保護(hù)區(qū)、采砂區(qū)、水下文物保護(hù)區(qū)等），防范船只違規(guī)破壞海洋環(huán)境與資源;

（3）海洋監(jiān)測(cè)：實(shí)時(shí)監(jiān)測(cè)海洋氣象、海況、溢油泄漏;

（4）安全救助：故障、事故船只定位，事故過(guò)程調(diào)查，事故責(zé)任認(rèn)定;

（4）漁船信息服務(wù)：海上氣象、海況、臺(tái)風(fēng)信息，禁航區(qū)通告、漁船密度分布;

（6）漁獲物網(wǎng)上交易平臺(tái)：即時(shí)上架、實(shí)時(shí)下單、簡(jiǎn)化到港后的流轉(zhuǎn)環(huán)節(jié)，提升新鮮度。

2感知觀測(cè)與預(yù)警關(guān)鍵技術(shù)

為了實(shí)現(xiàn)高精度、高可靠、高智能的感知觀測(cè)與預(yù)警，系統(tǒng)利用岸基、艦載、機(jī)載或星載等各種平臺(tái)傳感器，融合雷達(dá)、紅外、電子偵收（ ESM）、AIS等多源特征進(jìn)行海面目標(biāo)綜合識(shí)別，解決同一目標(biāo)多源特征時(shí)空匹配關(guān)聯(lián)和異源特征數(shù)據(jù)融合識(shí)別等問(wèn)題，克服單一傳感器目標(biāo)特征不確定性，實(shí)現(xiàn)高置信度海面目標(biāo)識(shí)別[2-4];逐步建立完備的海面目標(biāo)特征數(shù)據(jù)庫(kù)，采用電磁散射汁算和動(dòng)靜態(tài)測(cè)量相結(jié)合的方法，利用實(shí)測(cè)數(shù)據(jù)迭代校驗(yàn)，提高目標(biāo)與海面復(fù)合電磁散射模型精度，進(jìn)一步提高電磁散射計(jì)算的速度和精度，解決實(shí)測(cè)數(shù)據(jù)樣本不完備和數(shù)量少等問(wèn)題;借助人工智能最新成果，采用機(jī)器學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)等模式識(shí)別技術(shù)，學(xué)習(xí)訓(xùn)練高分辨距離像、SAR/ISAR像等包含海面艦船目標(biāo)的雷達(dá)回波數(shù)據(jù)，提高目標(biāo)識(shí)別模式分類器的泛化能力，克服單純?nèi)斯ぴO(shè)汁的目標(biāo)識(shí)別特征復(fù)雜環(huán)境適應(yīng)性差、算法工程推廣能力低等問(wèn)題。涉及的關(guān)鍵技術(shù)很多，下面列舉幾個(gè)。

2.1 基于非恒定自適應(yīng)門限的目標(biāo)全自動(dòng)探測(cè)技術(shù)

該技術(shù)采用非恒定自適應(yīng)門限的TBD（ Track-before-detect）算法進(jìn)行小目標(biāo)自動(dòng)錄取。該技術(shù)的主要特點(diǎn)有：

（1）將雷達(dá)覆蓋域分割成若干個(gè)小模塊，每個(gè)模塊的門限由本模塊的視頻統(tǒng)汁來(lái)決定;

（2）使用自適應(yīng)門限進(jìn)行雜波抑制，并利用先跟蹤后探測(cè)算法對(duì)目標(biāo)進(jìn)行跟蹤、提取;

（3）自動(dòng)抑制海浪、雨雪雜波，在海況、雨雪條件變化時(shí)無(wú)須人工調(diào)整跟蹤參數(shù)，系統(tǒng)調(diào)試完畢后，參數(shù)通過(guò)自適應(yīng)更新，以實(shí)現(xiàn)穩(wěn)定跟蹤目標(biāo)。

目前，該項(xiàng)技術(shù)已大量應(yīng)用于浙江、山東、海南等省近海雷達(dá)監(jiān)控系統(tǒng)，為海警、漁政、救撈船只，為漁船救助管理、海監(jiān)執(zhí)法、伏季休漁漁船管理執(zhí)法等提供實(shí)時(shí)海面數(shù)據(jù)支撐。應(yīng)用結(jié)果表明：在探測(cè)概率、同等條件下的探測(cè)距離、目標(biāo)虛警率等核心參數(shù)領(lǐng)先于國(guó)內(nèi)同類產(chǎn)品。

2.2雷達(dá)組網(wǎng)全目標(biāo)融合技術(shù)

系統(tǒng)涉及現(xiàn)有的軍方觀通站、海事VTS、自建小目標(biāo)雷達(dá)站等多雷達(dá)組網(wǎng)融合工作，需進(jìn)行多目標(biāo)信息融合處理[5-8]。多目標(biāo)信息融合和目標(biāo)融合流程分別如圖2和圖3所示，根據(jù)目標(biāo)的多種特性判斷是否為同一目標(biāo)進(jìn)行融合，重點(diǎn)解決融合時(shí)可能出現(xiàn)非同一目標(biāo)的融合而造成目標(biāo)缺失的問(wèn)題及相同目標(biāo)的不融合造成目標(biāo)重復(fù)的問(wèn)題[9-11]。

該技術(shù)已在沿海多省近海雷達(dá)系統(tǒng)中得到應(yīng)用，能夠?qū)崿F(xiàn)多雷達(dá)站數(shù)據(jù)自動(dòng)融合，融合率高達(dá)98%以上，且支持對(duì)溢油、海浪數(shù)據(jù)的融合。

2.3基于經(jīng)驗(yàn)正交分解的X-BAND雷達(dá)海浪探測(cè)技術(shù)

X-BAND雷達(dá)測(cè)波技術(shù)與測(cè)波浮標(biāo)相比有運(yùn)維成本低、可移動(dòng)觀測(cè)、業(yè)務(wù)化程度高、探測(cè)范圍廣、數(shù)據(jù)連續(xù)性好等優(yōu)點(diǎn)，已得到國(guó)內(nèi)外普遍認(rèn)可。該技術(shù)主要利用導(dǎo)航X波段雷達(dá)圖像，通過(guò)三維傅里葉變換譜分析反演出海浪參數(shù)，存在：（1）基于波浪場(chǎng)的空間均勻性和時(shí)間穩(wěn)定性假設(shè)，而這一假設(shè)在真實(shí)的海區(qū)中很少成立;（2）譜分析反演算法中需要用到流體力學(xué)中的線性頻散關(guān)系，而海浪在近岸傳波時(shí)受到水深變淺和岸的折射的影響，線性頻散關(guān)系可能不適用，并且頻散關(guān)系方程中需要水深作為已知條件;（3）譜分析反演算法中需要用調(diào)制傳遞函數(shù)來(lái)描述導(dǎo)航X波段雷達(dá)復(fù)雜的成像機(jī)制，受到雷達(dá)極化方式、入射角、風(fēng)速、風(fēng)向、氣溫、海表層水溫、海面白帽等兇素的影響，這一函數(shù)很難準(zhǔn)確確定。

為了克服傳統(tǒng)譜分析反演算法的缺點(diǎn)，有效解決非均勻波浪場(chǎng)的參數(shù)提取問(wèn)題，我們從真實(shí)海區(qū)的非均勻波浪場(chǎng)出發(fā)，提出了適用于非均勻和均勻波浪場(chǎng)的經(jīng)驗(yàn)正交分解法（簡(jiǎn)稱EOF算法）。該算法的核心流程如圖4所示，首先，利用經(jīng)驗(yàn)正交函數(shù)將導(dǎo)航X波段雷達(dá)圖像序列分解為不同的模態(tài)，從第一主模態(tài)的最大熵功率譜中提取海浪的周期，根據(jù)主成分的標(biāo)準(zhǔn)差與有效波高的經(jīng)驗(yàn)關(guān)系獲得海浪的有效波高;其次利用重構(gòu)的第一模態(tài)海浪場(chǎng)的Fourier譜反演海浪的波向，并利用波浪條紋的相似性消除波向的180。模糊。

目前，該技術(shù)已在溫州海洋與漁業(yè)局、交通部救助船、海軍某部項(xiàng)目得到實(shí)際應(yīng)用，效果良好，并于2016年系統(tǒng)通過(guò)了國(guó)家海洋標(biāo)準(zhǔn)汁量中心測(cè)試。

2.4基于雷達(dá)視頻處理的溢油探測(cè)與報(bào)警技術(shù)

該技術(shù)通過(guò)對(duì)普通海事雷達(dá)回波進(jìn)行高級(jí)處理，可實(shí)現(xiàn)全自動(dòng)、全天候、實(shí)時(shí)的探測(cè)，發(fā)現(xiàn)、跟蹤和監(jiān)視溢油區(qū)域的變化。它既可以是一整套獨(dú)立的雷達(dá)系統(tǒng)，也可以將溢油探測(cè)處理模塊與船載導(dǎo)航雷達(dá)前端整合。在具備網(wǎng)絡(luò)傳輸?shù)臈l件下，可以組成溢油監(jiān)控網(wǎng)。

該技術(shù)的信息處理過(guò)程如下：首先，通過(guò)雷達(dá)視頻處理模塊，將雷達(dá)視頻分配給其他組件，通過(guò)溢油探測(cè)模塊處理原始雷達(dá)視頻并提取溢油信息;其次，將提取溢油信息傳送給溢油探測(cè)服務(wù)器，生成若干報(bào)警層并將其發(fā)送給管理部門，同時(shí)記錄原始數(shù)據(jù)，處理過(guò)的數(shù)據(jù)及報(bào)警信息;最后，將溢油探測(cè)處理結(jié)果可視化并提供區(qū)域配置工具。

目前，該技術(shù)已多次應(yīng)用于中海油鉆進(jìn)平臺(tái)，海事局巡邏船、溢油回收船等用戶。

3 應(yīng)用案例

海域多要素感知觀測(cè)預(yù)警系統(tǒng)在福建沿?，F(xiàn)已經(jīng)完成30個(gè)站點(diǎn)布設(shè)，每個(gè)站點(diǎn)配備有雷達(dá)設(shè)備、光電設(shè)備、AIS設(shè)備、數(shù)據(jù)處理設(shè)備、電源管理設(shè)備等硬件設(shè)備和岸基近海雷達(dá)綜合監(jiān)測(cè)系統(tǒng)數(shù)據(jù)綜合數(shù)據(jù)采集軟件等，通過(guò)專用網(wǎng)絡(luò)將雷達(dá)網(wǎng)監(jiān)控信息發(fā)送至中心數(shù)據(jù)服務(wù)器，中心數(shù)據(jù)服務(wù)器進(jìn)行數(shù)據(jù)的融合、處理、記錄并分發(fā)至各級(jí)應(yīng)用終端。系統(tǒng)已經(jīng)投入使用并取得成效，并多次受到領(lǐng)導(dǎo)的表?yè)P(yáng)。主要有：

（1）在2017年“金磚會(huì)議”期間，成功為海警總隊(duì)提供海上目標(biāo)監(jiān)控，在2018年三季度與福建省海警總隊(duì)試用期間，配合總隊(duì)抓獲多起違法走私行為。

（2）在2018年伏休期內(nèi)，為福建省海洋與漁業(yè)廳打擊違法作業(yè)漁船、非法海沙開采等提供實(shí)時(shí)監(jiān)測(cè)手段，并協(xié)助福建省海洋與漁業(yè)執(zhí)法總隊(duì)成功抓獲多起違法行為。

（ 3） 2018年8月開始與海事局合作，已配合福建海事局進(jìn)行多次海上交通事故調(diào)查，典型案例是10月31日福建海事局對(duì)沙埕港附近發(fā)生的“閩連漁運(yùn)60059”沉船事故海難發(fā)生時(shí)間及地點(diǎn)準(zhǔn)確調(diào)查，接到福建海事局協(xié)助調(diào)查的要求后，第一時(shí)間協(xié)助海事局通過(guò)系統(tǒng)回放功能，準(zhǔn)確判斷事故船沉沒時(shí)間及地點(diǎn)，圖5為閩連漁運(yùn)60059船位報(bào)告圖，圖6為閩連漁運(yùn)60059沉船點(diǎn)定位圖;海事局及時(shí)安排救助船只現(xiàn)場(chǎng)搜救，為海上搜救贏得時(shí)間，海上救援船只成功救起十余人。該事故調(diào)查受到福建省領(lǐng)導(dǎo)高度贊揚(yáng)。

4結(jié)語(yǔ)

海域多要素感知觀測(cè)與預(yù)警系統(tǒng)基于海洋觀測(cè)、海洋漁業(yè)、海洋執(zhí)法等業(yè)務(wù)需求開發(fā)，通過(guò)對(duì)海面目標(biāo)實(shí)時(shí)態(tài)勢(shì)的跟蹤觀測(cè)和海洋環(huán)境實(shí)時(shí)監(jiān)測(cè)，實(shí)現(xiàn)包括海上目標(biāo)、海洋環(huán)境、海洋水文氣象等實(shí)時(shí)動(dòng)態(tài)數(shù)據(jù)綜合感知及智能預(yù)警分析。系統(tǒng)已經(jīng)在福建省海洋漁業(yè)、海警、海事等部f J成功應(yīng)用，取得了很好的效果，獲得省領(lǐng)導(dǎo)的認(rèn)可及贊揚(yáng)，具有很高的應(yīng)用及推廣價(jià)值。

基金項(xiàng)目：

福建省科技計(jì)劃重點(diǎn)項(xiàng)目（ N0.2017H0028）

集美大學(xué)國(guó)家基金培育計(jì)劃項(xiàng)目（ NO.ZP2020042）

參考文獻(xiàn)

[1]李晉、姜曉軼.助力海洋強(qiáng)國(guó)建設(shè)：海洋信息互聯(lián)互通、深度融合、智慧應(yīng)用D]海洋信息，2018， （3）：6-10.

[2]王晨熙，王曉博，朱倩等.雷達(dá)與AIS信息融合綜述[J].指揮控制與仿真，2009， 31 （2）：2-4.

[3] Won Eun-Sung， Ouchi Kazuo.Ship detection bySynthetic Aperture Radar with groud-based maritime radar withAIS[C]//Progress in Electromagic Research Symposium， PIERS2011.Suzhou： E[ectromagnetic Academy， 2011： 31-34.

[4]彭冬亮，文成林，薛安克.多傳感器多源信息融合理論及應(yīng)用[M].北京：科學(xué)出版社，2010： 23-24.

[5]劉傳潤(rùn)，鮑君忠.AIS與VTS的雷達(dá)目標(biāo)動(dòng)態(tài)信息融合算法與實(shí)現(xiàn)[J].航海技術(shù)，2007 （2）：37-39.

[6]李維運(yùn).VTS中雷達(dá)和AIS信息融合算法探討[J].中國(guó)水運(yùn).2006（7）： 116-118.

[7]沈飛，郭軍.基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合方法[J].自動(dòng)化與儀器儀表，2005（ 5）.

[8]鄭佳春，于浩等.分布式自適應(yīng)多傳感器多目標(biāo)跟蹤算法[J].中國(guó)慣性技術(shù)學(xué)報(bào)，2015， V0123（4）：472～476.

[9] Hu Xiaorui， Lin Changchuan.A Preliminary Studyon Torgets Association Algorithm of Rdddr and AIS UsingBP Neural Network. Procedia Engineering[J]. ProcediaEngineering（Sl 877-7058） ，2011（15）：1 441 -1445.

[10]Zheng Jiachun， Wang Yang etc.A Fusion A[gorithm ofTarget Dynamic Information for Asynchronous Multi-Sensors[J].Microsystem Technologies， 2017， V0123 （11）： 1-11.

[11]Cao Changyu， Zheng jiachun etc. Investigation of dPromoted You Only Look Once Algorithm and lts Applicationin Trafile Flow MonitoringDl.Applied sciences， 2019， Vol 9 （17}1-14

作者介紹：

林化琛，碩士，從事通信及物聯(lián)網(wǎng)技術(shù)研究;

鄭佳春，教授，從事智能信息處理、人工智能研究，（E-mail）jchzheng@jmu.edu.cn;

黃一琦，碩士研究生，從事深度學(xué)習(xí)研究