1.一种船舶轨迹实时预测方法，其特征在于包括如下几个步骤：①通过海面雷达获得船舶的实时和历史位置信息，各船舶的位置信息为离散二维位置序列x′＝[x1′，x2′，...，xn′]和y′＝[y1′，y2′，...，yn′]，通过应用小波变换理论对原始离散二维位置序列x′＝[x1′，x2′，...，xn′]和y′＝[y1′，y2′，...，yn′]进行初步处理，从而获取船舶的去噪离散二维位置序列x＝[x1，x2，...，xn]和y＝[y1，y2，...，yn]；

②在每一采样时刻对船舶轨迹数据预处理，依据所获取的船舶原始离散二维位置序列x＝[x1，x2，...，xn]和y＝[y1，y2，...，yn]，采用一阶差分方法对其进行处理获取新的船舶离散位置序列Δx＝[Δx1，Δx2，...，Δxn-1]和Δy＝[Δy1，Δy2，...，Δyn-1]，其中Δxi＝xi+1-xi，Δyi＝yi+1-yi(i＝1，2，...，n-1)；

③在每一采样时刻对船舶轨迹数据聚类，对处理后新的船舶离散二维位置序列Δx和Δy，通过设定聚类个数M′，采用遗传聚类算法分别对其进行聚类；

④在每一采样时刻对船舶轨迹数据利用隐马尔科夫模型进行参数训练，通过将处理后的船舶运行轨迹数据Δx和Δy视为隐马尔科夫过程的显观测值，通过设定隐状态数目N和参数更新时段τ′，依据最近的T′个位置观测值并采用B-W算法滚动获取最新隐马尔科夫模型参数λ′；

⑤在每一采样时刻依据隐马尔科夫模型参数，采用Viterbi算法获取当前时刻观测值所对应的隐状态q；

⑥在每一采样时刻，通过设定预测时域W，基于船舶当前时刻的隐状态q，获取未来时段船舶的位置预测值O，从而在每一采样时刻滚动推测到未来时段内船舶的轨迹。

2.根据权利要求1所述的船舶轨迹实时预测方法，其特征在于：所述步骤①中，通过应用小波变换理论对原始离散二维位置序列x′＝[x1′，x2′，...，xn′]和y′＝[y1′，y2′，...，yn′]进行初步处理，从而获取船舶的去噪离散二维位置序列x＝[x1，x2，...，xn]和y＝[y1，y2，...，yn]：对于给定的原始二维序列数据x′＝[x1′，x2′，...，xn′]，利用如下形式的线性表达式分别对其进行近似：其中：

f′(x′)表示对数据平滑处理后得到的函数表达式，ψ(x′)表示母波，δ、J和K均为小波变换常数，ψJ，K(x′)表示母波的转换形式，cJ，K表示由小波变换过程得到的函数系数，它体现了子波ψJ，K(x′)对整个函数近似的权重大小，若此系数很小，那么它意味着子波ψJ，K(x′)的权重也较小，因而可以在不影响函数主要特性的前提下，从函数近似过程中将子波ψJ，K(x′)除去；在实际数据处理过程中，通过设定阈值χ来实施“阈值转换”，当cJ，K＜χ时，设定cJ，K＝0；阈值函数的选取采用如下两种方式：和

对于y′＝[y1′，y2′，...，yn′]，也采用上述方法进行去噪处理。

3.根据权利要求1或2所述的船舶轨迹实时预测方法，其特征在于：所述步骤④中确定航迹隐马尔科夫模型参数λ′＝(π，A，B)的过程如下：

4.1)变量赋初值：应用均匀分布给变量πi，aij和bj(ok)赋初值 和 并使其满足约束条件： 和 由此得

到λ0＝(π0，A0，B0)，其中ok表示某一显观测值，π0、A0和B0分别是由元素 和 构成的矩阵，令参数l＝0，o＝(ot-T′+1，...，ot-1，ot)为当前时刻t之前的T′个历史位置观测值；

4.2)执行E-M算法：

4.2.1)E-步骤：由λl计算ξe(i，j)和γe(si)；

变量 那么

其中s表示某一隐状态；

4.2.2)M-步骤：运用 分别估计

πi，aij和bj(ok)并由此得到λl+1；

4.2.3)循环：l＝l+1，重复执行E-步骤和M-步骤，直至πi、aij和bj(ok)收敛，即|P(o|λl+1)-P(o|λl)|＜ε，其中参数ε＝0.00001，返回步骤4.2.4)；

4.2.4)：令λ′＝λl+1，算法结束。

4.根据权利要求1至3之一所述的船舶轨迹实时预测方法，其特征在于：所述步骤⑤中确定船舶航迹最佳隐状态序列的迭代过程如下：

5.1)变量赋初值：令g＝2，βT′(si)＝1(si∈S)，δ1(si)＝πibi(o1)，ψ1(si)＝0，其中，其中变量ψg(sj)表示使变量δg-1(si)aij取最大值的船舶航迹隐状态si，参数S表示隐状态的集合；

5.2)递推过程：

5.3)时刻更新：令g＝g+1，若g≤T′，返回步骤5.2)，否则迭代终止并转到步骤

5.4)；

5.4) 转到步骤5.5)；

5.5)最优隐状态序列获取：

5.5.1)变量赋初值：令g＝T′-1；

5.5.2)后向递推：

5.5.3)时刻更新：令g＝g-1，若g≥1，返回步骤5.5.2)，否则终止。

5.根据权利要求1至4之一所述的船舶轨迹实时预测方法，其特征在于：所述步骤③中，聚类个数M′的值为4。

6.根据权利要求1至5之一所述的船舶轨迹实时预测方法，其特征在于：所述步骤④中，状态数目N的值为3，参数更新时段τ′为30秒，T′为10。

7.根据权利要求1至6之一所述的船舶轨迹实时预测方法，其特征在于：所述步骤⑥中，预测时域W为300秒。