Ермаков Никита Дмитриевич — аспирант
353922, г. Новороссийск, пр. Ленина, 93
Ermakov, Nikita D. — Postgraduate Student
93 Lenin Avenue, Novorossiysk, 353922
Астреин Вадим Викторович — доктор технических наук, профессор
353922, г. Новороссийск, пр. Ленина, 93
Astrein, Vadim V. — Doctor of Technical Sciences, Professor
93 Lenin Avenue, Novorossiysk, 353922
В работе рассмотрена задача повышения достоверности морского ситуационного мониторинга на основе согласования данных автоматической идентификационной системы и радиолокационной станции. Актуальность исследования обусловлена необходимостью обеспечения надежной навигационной обстановки в условиях неполноты и противоречивости данных от разнородных сенсорных источников. Проведен анализ реальных навигационных логов судна-цели, в ходе которого построены независимые треки движения по данным каждой из систем и вычислены расхождения в координатах, скорости и временных метках. Показано, что данные двух систем имеют различную частоту обновления и характеризуются систематическим пространственным смещением, что существенно затрудняет их непосредственное совместное использование без предварительной обработки. Предложена нейросетевая модель адаптивного слияния навигационных данных, способная выполнять интеллектуальную фильтрацию поступающей информации и выявлять аномалии без жесткого априорного усреднения входных сигналов. Архитектура модели включает два независимых входных канала обработки: канал радиолокационных данных и канал данных АИС соответственно, а также блок адаптивного слияния (фьюжна), реализующий динамическое перераспределение доверительных коэффициентов в зависимости от текущей неопределенности каждого из источников. Реализован механизм выявления нестабильности навигационных данных на основе анализа статистики ошибок реконструкции с применением дисперсионного критерия неопределенности, позволяющего в режиме реального времени оценивать качество поступающих измерений и адаптивно корректировать веса источников. Экспериментальная проверка на реальных навигационных данных продемонстрировала работоспособность предложенной нейросетевой модели адаптивного слияния и возможность формирования согласованной траектории движения судна-цели на основе динамического перераспределения коэффициентов доверия между источниками. Полученные результаты подтверждают функциональность предложенной архитектуры и ее применимость для решения навигационных задач.
The study addresses the problem of improving the reliability of maritime situational monitoring by reconciling data from the Automatic Identification System (AIS) and radar. The relevance of the study stems from the need to ensure a reliable navigational picture when data from heterogeneous sensor sources are incomplete or contradictory. Real navigational logs of a target vessel were analysed; independent vessel tracks were constructed from each system, and discrepancies in position, speed, and timestamps were calculated. The results show that the two systems have different update rates and exhibit a systematic spatial offset, which substantially complicates their direct joint use without preprocessing. A neural network model for adaptive navigation data fusion is proposed. The model performs intelligent filtering of incoming data and detects anomalies without fixed a priori averaging of the input signals. Its architecture comprises two independent processing branches, one for radar data and the other for AIS data, and an adaptive fusion block that dynamically redistributes confidence weights according to the current uncertainty of each source. A mechanism for detecting instability in navigation data was implemented by analysing reconstruction-error statistics using a variance-based uncertainty criterion. This enables real-time assessment of incoming measurement quality and adaptive adjustment of source weights. Experimental validation on real navigational data demonstrated the operability of the proposed adaptive fusion model and its ability to generate a consistent target-vessel trajectory by dynamically redistributing confidence weights between the sources. The results confirm the functionality of the proposed architecture and its applicability to navigation tasks.
The authors declare that there are no conflicts of interest present.