1. 课程导入与智能船舶导航系统概览

智能船舶并不是“无人船”的同义词。按照国际海事组织（IMO）与主流船级社的表述，智能船舶是指通过感知、通信、决策与控制技术的融合，在不同程度上具备辅助决策、部分自主或完全自主航行能力的船舶。它的核心特征可以概括为三点：能感知（获取自身状态与周围环境）、能理解（把多源数据融合成一致的态势）、能行动（把决策转化为航向、航速与操纵指令）。三者之间靠数据贯通，而数据的第一道来源，就是导航传感器。

本课程聚焦“导航传感器与数据基础”，也就是智能船舶这条能力链的最前端。理解这一点很重要：后续的路径规划、避碰决策、能效优化，全部建立在传感器数据的质量之上。传感器输出错了，再聪明的算法也只是在错误的世界模型上做优化。

导航系统的组成：从传感器到执行器

一套典型的智能船舶导航系统，可以按信息流向划分为四层。第一层是感知层，包括卫星导航接收机（GNSS，含GPS、北斗、GLONASS等）、惯性测量单元（IMU）、计程仪、罗经（电罗经或光纤陀螺罗经）、雷达、AIS、电子海图（ECDIS）、风速风向仪、测深仪以及视觉/红外相机等。第二层是数据处理层，负责时间同步、坐标统一、滤波融合与质量评估，典型输出是船舶的位置、姿态、速度与周围目标态势。第三层是决策层，完成航线规划、避碰判断与航行风险评估。第四层是执行层，把决策转化为舵角、主机转速等操纵指令，并通过反馈回到感知层形成闭环。

需要强调的是，各传感器并不是简单并列。它们之间存在明显的互补与冗余关系：GNSS提供绝对位置但易受遮挡与干扰；IMU短时精度高但存在漂移；计程仪提供对地或对水速度；罗经提供艏向。融合算法正是利用这种互补性，在某一传感器失效或降级时仍能维持可用的导航解。

传感器与数据在智能航行中的作用

把上面的结构放到实际航行场景中看，传感器数据的作用可以落到三个具体判断上。第一是我在哪：GNSS给出经纬度，IMU与罗经给出姿态与艏向，融合后形成六自由度的船舶状态估计。第二是周围有什么：雷达与AIS给出目标的位置、航向、航速，ECDIS给出航道边界、水深与碍航物。第三是我能不能安全通过：把自身状态与目标态势叠加，计算最近会遇距离（DCPA）与到达最近点时间（TCPA），据此判断是否存在碰撞风险。

举个教学示例（数值为合理假设，非实测）：某船以12节航速沿航道航行，GNSS输出位置更新率为1 Hz，IMU为100 Hz，AIS目标更新间隔约2～10秒。融合时若直接把1 Hz的GNSS位置与100 Hz的IMU数据简单拼接，会出现时间戳错位，导致姿态估计抖动。正确做法是以GNSS的秒脉冲（PPS）为基准，把各传感器数据统一到同一时间基准，再按各自噪声特性设置观测噪声矩阵。假设GNSS水平位置标准差取2米、IMU陀螺零偏稳定性取0.5度每小时，融合后位置估计的短时平滑性会明显优于单一GNSS输出。这类参数设置不是拍脑袋，而是来自设备手册与现场标定。

课程学习目标与知识框架

本课程的知识框架按“器件—数据—融合—应用”递进组织。前半部分讲清各类导航传感器的工作原理、输出格式与误差特性，包括GNSS定位原理与差分服务、IMU的机械与光学实现、罗经的寻北原理、计程仪的多普勒与相关法测量、雷达与AIS的目标信息结构。中间部分进入数据基础，重点是坐标系定义（WGS-84大地坐标、ENU东北天当地坐标、船体坐标）、时间系统与同步、数据清洗与异常值识别、卡尔曼滤波的基本形式与参数整定。后半部分把这些能力接到应用上：多源融合导航解算、完好性监测、传感器故障检测与隔离，以及面向智能航行的态势数据组织。

学习目标可以归纳为四条：能说清每种传感器的测量原理与适用边界；能读懂并处理常见的导航数据格式与坐标转换；能搭建一个基本的多源融合流程并判断结果是否合理；能针对传感器降级或数据异常提出可执行的排查与处置思路。这四条对应“懂原理、会处理、能实现、可排障”，也是后续章节反复训练的能力。

最后提醒一点：智能船舶的“智能”不体现在设备数量上，而体现在数据是否被正确理解和使用。一台GNSS接收机输出的不只是一串经纬度，它背后有时间基准、坐标系、精度因子和完好性标志。本课程要训练的，正是从这些看似枯燥的数据字段中读出船舶真实状态的能力。