摘要：現有的航跡關聯方法主要有基于統計和基于模糊數學兩大類方法。基于統計的方法大多依賴閾值的設置,基于模糊數學的方法參數設置復雜,且多數方法相關比較時只考慮單個航跡點的信息。針對現有問題,該文首先從航跡的整體出發,在傳統歐式距離度量的基礎上,提出了一種距離分布直方圖的特征并提取了航跡的相似特征,有效地利用了航跡間的整體特性,具有較好的抗噪聲性能以及關聯準確率。其次充分考慮了船舶運動特征以及不同數據源位置精度,提取了航跡間的速度差分布直方圖特征、傳感器來源特征。然后將這些特征組合并利用機器學習的方法訓練關聯模型,有效地避免了需要人工設定閾值以及參數設置復雜的問題。最后,該文構建了一個真實的船舶數據集,實驗結果表明距離分布直方圖特征相比傳統的距離特征總體關聯準確率提高了3.23%~11.65%,組合特征相較于單一的距離分布直方圖特征總體關聯準確率提高了0.068%,驗證了該文方法的有效性。