自动识别系统消息的卫星检测

16 ITU-R M.2084报告

5.3 随机法

Tunaley4描述了研究侦测A类船舶统计的第三种方法。在这一方法中，将来自这些船舶的AIS消息到

达卫星的时间看作具有泊松分布的随机变量。从这一方法导出的表示式中，除了P1,N这一项用下式替代外，总的形式与以前的分析法相同： 其中：

?： k · (N ? 1)/?T

k： 考虑如前面（1.6）中所描述的那样的两倍时隙碰撞因子的因子 ?： AIS消息长度（26.7 ms） N： 船舶数目 ?T： 消息发送时间间隔

P1,N ≈ e(???/2)

对于在均匀分布的船舶环境中的A类发射机的情况下，很容易发现，用这一方法得到的结果实际上与这一节中前面所描述的分析法的结果相同。只要注意到下面的指数函数的近似表达式，就可以解释这一问题：

e( ? x) ≈ 1?x 当x << 1时

通过这个近似式的适当替代和将各项重新排列，可以发现，发射占空比低的情况下，分析法和随机法得到相同的方程。

用三种不同的分析方法得到接近相同的结果足以确认从这里所得到的结果的正确性。在随后的讨论中，不同场景下的分析结果将与上面导出的底线值进行比较。由于三种分析途径是等效的，只使用最便于描述任何一种给定的场景的分析方法。

6 系统内部干扰分析（A类和B类混合时）

现在研究由A类和B类船舶一起组成的环境中侦测A类船舶的问题。上面描述的随机法对研究这一情

况是方便的。由于B类单元功率较低，不是每一时隙碰撞都会导致消息的丢失。例如，从图2可以看出，来自位于远离星下点的单艘B类船舶的AIS消息与来自位于星下点附近的A类船舶的AIS消息发生碰撞将导致D/U达到+17 dB。这已远超过10 dB的干扰标准，因而将仍然会正确地接收这一A类船舶的消息。偶然可能会有多个这样的信号叠加在一起聚合到对这个例子将会造成信号丢失的那一点。因而，不能使用前面所描述的简单分析程序，因为它假设，每一次碰撞都会造成消息丢失。

4 Dr. J.K.E. Tunaley 博士[无日期] 用于空载AIS的随机模式。

ITU-R M.2084报告

为了使用随机法，有必要作某些修正。特别是，因子?要用下式来替代：

17

? = kA (NA ? 1)/?TA + kB (NB)/?TB

其中下标是指A类和B类的相应参数。常数kA是与在前面的方程中的k相同的值。然而，常数kB开始只能大致估计。它考虑了只有部分B类时隙碰撞才会产生消息丢失这一事实，信号丢失取决于卫星接收机上的相对功率。提供更精确的常数kB的估计值的一种技术是对单个数据点运用前面所描述的仿真模型。用这些结果导出kB的值为1.2。

图9到图11显示了在各种不同条件下，在A类和B类混合的环境中，侦测出A类AIS消息的概率。

图9

A类和B类混合环境中的侦测概率 （一颗卫星、单次卫星通过）*

18 ITU-R M.2084报告

图10

A类和B类混合环境中的侦测概率 （一颗卫星，12小时观测时间）*

7 系统内部干扰分析（船舶不均匀分布）

上面所讨论的只有A类以及A类和B类混合的环境都是在假设在卫星天线的覆盖区内船舶的地理分布

是不变的均匀的条件下进行研究的。虽然这一假设使侦测概率的计算简化，但是，船舶的实际环境不可以用这一简化的假设来充分地代表。为了进一步探讨这一问题，进一步为这一研究拟定了一个经修正的仿真方法，以便考虑船舶不均匀分布、更典型的实际环境。然而，这样做要引进大量的需要涉及的附加变量，包括： — — — —

世界上装备了AIS的船舶总数。

所要研究的目标船舶的地理位置（纬度和经度）。 装备AIS的船舶的全世界分布。 卫星的地面跟踪信息。

对这一研究而言，不可能获得全世界正在工作的装备AIS的船舶数的权威性数据。除了根据SOLAS条约所要求的运载器具外，数量日益增长的更大的私人拥有的游艇和工作船正在装备A类AIS单元。根据各种资料来源，估计数量的范围从50 000左右到超过80 000。为了进行这一研究，使用2005年全世界有70 000艘装备A类单元的船舶的估计值。

ITU-R M.2084报告

图11

A类和B类混合环境中的侦测概率 （六颗卫星；12小时观测时间）*

19

很显然，目标船舶的位置对侦测概率有很大影响。例如，对位于远离大量使用的航道的船舶，几乎有100%可靠性可以侦测到。而对于位于靠近更密集地使用地区的船舶将不是这种情况。对于这一研究而言，使用位于下面四个地点的任何一个地点的目标船舶：选择离美国纽约市和洛杉矶市的海岸1 000 km的地点，靠近墨西哥湾的一个地点，大西洋中部的一个地点。

描述船舶的地理分布是有点儿更具挑战性的工作。根据由海上的船舶所报告的自愿气象观察的情况可以推断出全世界船舶密度的一个有用的代表。2004年10月那个月一套可以得到的数据包含有超过80 000份气象观测报告，报告来自约800艘船舶，包含相关的纬度/经度数据。图12表示了这一分布。正如从这一数据中可以看到的那样，位置的密集程度大大高于海岸区域和主要的船舶航道，并且正如我们所预计的那样，在广阔的大洋区域，密度相对比较低。为了提供一个合理的全世界A类船舶的表达式，对在这一数据中船舶分布的相对分布作了假设。这一分布将不能充分代表将来的B类船舶的分布，因为预料这些B类船舶主要局限于海岸附近地区。

20 ITU-R M.2084报告

图12

全世界A类船舶的典型分布 自愿气象观测船舶报告的位置

2004年12月

为了用更实际的全世界的船舶分布来研究A类船舶的侦测问题，使用这一数据库是能够采取的一个最初的步骤。

用这一数据和与上面所描述的相类似的但有如下附加变化的蒙特卡洛仿真程序，能够完成不均匀船舶分布的分析： — —

使用在气象观测数据中所包含的船舶位置的随机子集，而不是在卫星覆盖区内均匀分布的位置。 根据所假设的卫星轨道参数，沿着通过目标船的一个有代表性的卫星轨道，将卫星位置分段。 图13到图16显示了对于前面所确定的四个测试地点上所得到的A类船舶的侦测概率与全世界装备A类单元的船舶的数量的关系。请注意，指示全世界装备A类的船舶总数的横坐标有变化。

8 候选的提高卫星容量的技术

这里所提交的分析结果证明了使用卫星侦测AIS来提供远距离船舶监视的能力的技术生存能力和容量

的限制。使用各种不同的卫星场景和全世界装备A类AIS的船舶的密度估计值，研究结果提出，在某些地区中，特别是在北大西约地区中，船舶的密度可能超过所发射的卫星的船舶处理容量。着手进一步研究，探讨各种不同的提高卫星AIS容量的概念和技术，以便更好地适应这些所预期的更大的船舶密度。为了探讨这些不同的技术，通常从均匀的船舶分布的观点来讨论这一问题就足够了，并且更方便。使全世界的船舶数据库可能得到的容量提高（按照百分比）将是与这里使用均匀船舶分布得到的结果非常相似的。下面介绍四种可能用的技术。