目前,在水上交通运输领域,主要是基于雷达系统、AIS系统、GPS系统、VHF通信系统、CCTV系统对船舶航行状态进行监控。不同的传感器检测到的信息种类和数据精度也各不相同,且各种传感器都有自身的优缺点。如AIS采集的信息比较全面且数据精度较高,同时不容易受地理条件和天气因素的影响;但是,AIS容易受到高噪声和人为干扰;更重要的是,AIS只能检测到安装了AIS设备的目标。雷达能检测河道岸线、航标以及绝大部分物体;但是,雷达也易受天气、电磁、地形等因素影响。而VHF通信系统和CCTV系统也只能分别提供语音数据和图像信息。因此,对不同类型的传感器数据进行融合,不但可以从空间上增强了检测目标的能力,而且还可以延长检测目标的时间跨度,同时还可以增加信息的多样性和提高数据的精度。首先,本文对AIS与岸基雷达检测的目标船舶位置和速度数据的融合方法及融合后船舶航迹预测进行了初步的研究与探索,针对AIS和岸基雷达检测的船舶航迹数据特点建立了位置级无反馈分布式融合结构,并根据该融合结构依次利用小波多尺度方法对各传感器数据源进行降噪和利用逻辑法对单传感器多目标航迹进行跟踪;接着在对多源数据进行时空配准时采用了RBF神经网络插值算法对各类传感器数据进行时间配准;然后,应用了改进的统计误差法提取目标船舶相关联航迹对,并利用遗传粒子群算法(GA-PSO)将AIS和岸基雷达检测的目标船舶航迹数据加权融合模型中的加权值进行了优化,提高了多源传感器数据的融合质量;最后,利用基于遗传算法改进的BP神经网络模型(GA-BP)对融合后的目标船舶航迹进行预测。在本文的研究过程中,利用了MATLAB对文中所研究利用的多源数据处理模型和算法都进行了仿真验证,各模型和算法的仿真结果表明:文中所采用新的数据处理模型和方法比现有的模型和方法整体精度更高,速度更快,效果更好,可以直接嵌入到现有的系统中,有一定的实际应用价值。