当然，GPS很重要，但雷达和自动识别系统(AIS)使用各种传感器实时跟踪和报告船舶位置。传感器融合技术正在开发用于自主航运。此外，还有与其他传感器和人工智能(AI)结合的水听器机器学习(ML)识别和跟踪鲸鱼的活动(显然，大量的船只已经撞上了鲸鱼，这对船只和鲸鱼都不好)。如果出了问题，还有紧急位置指示无线电信标(EPIRB)，这是一个在海上发生紧急情况时向搜索和救援服务(SAR)发出警报的设备。本FAQ回顾了这些传感器在海上导航中的应用以及如何应用传感器融合在每种情况下都被用来提高系统性能和准确性。
AIS采用自组织时分多址(SOTDMA)技术，像一个在甚高频海上波段工作的应答器。它每分钟可以处理超过4500个报告，每两秒更新一次。AIS显示器包括无线电范围内船舶的符号，每艘都有速度矢量和航向(图1)。点击这些符号会显示额外的信息，如船舶的大小和名称、航线和速度、船级、呼号等。该系统还估计了最近的进近点和到达最近进近点的时间。
根据《海上生命安全公约》(SOLAS)，基本AIS是对所有客船(不论大小)、300总吨以上从事国际航行的船舶、500总吨以上的船舶(不论是否从事国际航行)的强制性系统。
传感器融合定位
增加传感器融合，以提高AIS信息的准确性。例如，将基本AIS信息与船舶雷达融合可以帮助自动规划建议路线。一个API可以提供基于卫星的AIS (S-AIS)数据，通过使用40多个纳米卫星星座的机器学习算法进行增强。当数据与雷达和其他sar相关软件和工具的数据相关联时，S-AIS系统可以进一步增强。准确、及时地获取船舶位置信息是实现自主导航的第一步。
自主导航的传感器融合
与汽车和卡车一样，船舶的自动导航仍在开发中，将依赖于传感器融合。用于海上自主导航的传感器组合与用于汽车和卡车的系统有些不同。按照目前的设想，海上自主导航将基于四种传感器模式:用于精确定位的传感器，如S-AIS数据、全球导航卫星系统(GNSS)接收器、风传感器和惯性测量单元(imu);视觉传感器，包括立体和单目相机;用来识别各种声音的麦克风;和雷达和激光雷达为遥感(图2)．
感知任务类似于地面导航，与定义明确的问题有关，如定位异常情况和附近船只的分类。人工智能和ML流程正在开发，以解决这些感知挑战。船舶与汽车或卡车之间的一个显著区别是船舶没有汽车或卡车那么灵活;他们的行动要慢得多，这可能会给态势分析更多的时间。但船只也有更大的惯性，改变速度和方向的速度更慢。船只有时间收集和处理更多关于周围环境的卫星数据和音频信息。
与汽车和卡车一样，可视和红外摄像机、雷达和激光雷达提供了操作上的折衷。视觉相机可以使用颜色来识别物体，如其他船只，而红外相机可以在所有条件下，包括白天，雾，雨，和夜间识别物体，当视觉相机是没有用的。摄像机可以被雷达或激光雷达补充或取代。传统的海军雷达工作在S波段和x波段，但自主操作分辨率不足。为汽车导航开发的Ka和w波段雷达正在适应海洋环境，而激光雷达正在采用在海洋环境中使用。由于动态环境的不同，只需要常规激光雷达，不需要多普勒激光雷达。
除了提高安全性之外，开发船舶自主导航的经济效益预计也会非常可观。先进自主水上应用计划(AAWA)的参与者已经开发出无人货运船的初步设计。在这些设计中，集装箱船舶的桥梁、船员舱、供水、环境条件和排污系统都被排除在外。其结果是重量减少了5%，燃料成本减少了15%，几乎完全消除了船员成本(在港口或停靠时仍需要船员)，从而估计减少了44%的运营成本。
拯救鲸鱼
一种独特的混合传感器被部署在南加州海岸的圣巴巴拉海峡，以防止在这条狭窄而繁忙的水道中迁徙的蓝鲸、座头鲸和长须鲸与船只发生碰撞。该系统被称为“鲸鱼安全”(Whale Safe)，它将监听鲸鱼声音的声学浮标与博物学家和导游看到的鲸鱼结合起来。它将这些数据与一个鲸鱼栖息地模型叠加，该模型使用从104只带卫星标记的蓝鲸收集的数据来确定鲸鱼可能的位置。这些信息被发送到卫星上，卫星下行连接到海峡中的船只，以帮助它们避免与鲸鱼相撞(图3)。
声学浮标使用水听器(水下麦克风)和集成计算机来探测和识别通道中的声音。由此产生的音频数据通过卫星传输给科学家，科学家们可以确认这些声音是否属于鲸鱼的叫声，以及发出这些叫声的是什么类型的鲸鱼。因为声音的传播会随着水下环境的变化而变化，鲸鱼之间的交流也会以不同的音高和音量进行，所以从浮标上探测到的声音只能表明附近有一只或多只鲸鱼。它无法确定有多少鲸鱼出现，它们离浮标有多远，或者它们离浮标的方向是什么。
浮标提供的粗略的位置信息，可以帮助自然学家和船上的向导以及在该水道内搜寻鲸鱼的勘测飞机的活动提供信息和指导。当发现鲸鱼时，观察者会记录下日期、时间、位置、数量和种类。鲸鱼警报和观察者Pro移动应用程序被用来将观察结果传输到数据库。该数据库还包括每月对圣巴巴拉海峡航道进行空中调查时收集的数据。每次调查飞行包括两个横断面，覆盖约180海里。
鉴于音频和视觉数据的不精确性，一个鲸鱼栖息地模型已经开发出来，以预测鲸鱼在海峡中的可能位置。栖息地模型将音频和视频数据与当前的海洋条件结合起来，使用AI/ML预测栖息地的适宜性(0- 100%)，并估计在圣巴巴拉海峡地区的一系列10 x 10公里网格单元中鲸鱼存在的可能性。生境模型中的参数包括盐度、叶绿素a浓度、海面温度和其他水柱特性(由水道中的另一系列浮标测量)。当模型发现鲸鱼出现的概率很高时，它会在相应的网格单元中向船只发出警告，使船只能够优化资源以避免鲸鱼碰撞。
储蓄海员
紧急位置指示无线电信标(EPIRB)是在海上发生紧急情况时向搜索和救援服务(sar)发出警报的装置。epirb由S-AIS系统支持，该系统结合了AIS设备和一系列卫星。支持当前EPIRB系统的传感器融合包括地基和天基元素(图4),包括:
- 在危及生命的情况下被激活的EPIRB。
- 轨道卫星中的SAR中继器(SARRs)和SAR信号处理器(sarp)。SARR或SARP是几种类型卫星所携带的二次有效载荷;
- 在极低空地球轨道上的五颗卫星，
- 在地球静止轨道上的11颗卫星
- 46颗卫星在中高度地球轨道上。
- 卫星下行接收和信号处理地面终端。
- 任务控制中心(mcc)负责向救援协调中心(RCCs)分发信标位置数据。
- rcc来协调实际的救援任务。
传统的陆基沿海AIS系统只能覆盖离岸50海里的范围。S-AIS提供全球覆盖。S-AIS还支持与独立传感器系统的关联，如舰载雷达、光学成像卫星和其他sar相关工具。将各种数据源相关联，可以识别所有需要救助的船只，并有助于优化救援工作。
总结
在海上应用中使用的传感器的范围比大多数陆地系统更广泛和更复杂。传感器和传感器融合应用于一系列海上活动，从船舶定位到拯救鲸鱼和海员的生命。在未来，传感器融合有望使自主集装箱和其他船舶的发展成为可能，节约资金并降低运输成本。
参考文献
用于船舶自主导航的人工智能/机器学习传感器融合《IEEE智能交通系统汇刊》
自动识别系统美国国土安全部
自动识别系统,维基百科
海上AI-NAV芬兰地理空间研究所
无人船:导航和更多、陀螺仪和导航
鲸鱼的安全方法鲸鱼的安全
了下:传感器提示
