船舶的有效识别对船舶安全保障、船舶走私监管、海上态势评估有着重要的意义，而我国目前对海上尤其是中远海范围船舶的身份识别和监管能力仍很薄弱，亟待提升。已有的船舶识别系统在覆盖范围、识别精度和处理效率上无法满足船舶监管和国家安全的需要。因此，迫切需要研发新的船舶识别、追踪手段，有效地扩大船舶识别的时间和空间范围，提升船舶识别的精度和效率。　　针对上述问题，本文设计并实现了基于电子数据和AIS数据融合的船舶识别系统。电子数据的时空覆盖范围广，携带船舶配属雷达信息。AIS数据有身份属性字段，位置精度高，并提供了丰富的船舶的动态信息。通过融合电子数据和AIS，实现两者的充分互补，扩大了系统的时间和空间覆盖范围、提高了系统识别的精度、增强了系统的鲁棒性。　　本文主要工作和贡献可以归纳为以下四点:　　1)提出一种电子数据航迹和AIS航迹关联算法　　要实现对来自不同数据源的电子数据和AIS的航迹融合，首要任务就是要实现航迹关联。针对全球海量数据航迹关联，为了在保证关联准确度的基础上，有效缩短关联时间，提出航迹三级关联判决算法，通过多级筛选过滤，在大大减少候选AIS航迹数目的同时保证算法关联的准确性。实验结果表明，该算法在处理时间和关联准确度上满足系统的设计要求，且优于已有算法。　　2)提出一种电子数据航迹和AIS航迹融合算法　　在实现电子数据航迹和AIS航迹关联的基础上，为了得到船舶目标更准确的航迹，将关联起来的电子数据航迹和AIS航迹进行融合。分析已有算法融合精度的不足，提出基于动态航迹质量和静态传感器测量误差的加权融合算法，该算法不仅考虑传感器本身静态固定误差也考虑到航迹的实时质量，算法因考虑了实时因素而提高了融合后航迹的精度。其次使用卡尔曼滤波算法平滑融合后的航迹，进一步降低融合后航迹的噪音误差。实验结果表明，融合后航迹精度得到有效提升。　　3)提出一种孤立点航迹匹配的算法　　在船舶识别的应用场景中，可能会发生航迹中断，需要判断孤立电子数据航迹点历史航迹的归属，从而完成船舶识别。本文基于融合后的航迹进行航迹预测，预测航迹在孤立电子数据航迹点时刻的位置，通过比较预测点和孤立点间的距离实现孤立点航迹匹配。提出了一种基于隐马尔科夫的航迹预测算法，同时使用航迹聚类的方式减少隐马尔科夫的状态数，降低预测算法的时间复杂度。最后融合马尔科夫的预测结果和根据历史航迹本身的航速和航向的预测值。实验结果表明，所提预测算法的准确性和时间复杂度优于已有算法，孤立点航迹匹配准确率不低于90.8％。　　4)设计并实现基于电子数据和AIS数据融合的船舶识别原型系统　　基于以上所提的三个关键算法，设计并实现基于电子数据和AIS数据融合的船舶识别原型系统，完成从实时数据接入到识别结果展示的流程。系统主要功能有电子数据和AIS数据预处理、基于电子数据参数对比识别、航迹提取、航迹关联、航迹融合、孤立点航迹匹配等并将各个功能模块整合成完整的船舶识别系统。实验结果表明，系统的平均识别准确率达到93.5％;10万条航迹时，系统的识别处理时间40秒。