进入21世纪,海洋再度成为全球资源争夺的关键,在拥有海岸线的国家的战略地位飞速提升。我国作为海洋大国,由于历史原因,同周边多个国家存在海洋争端,有关国家通过岛屿侵占、油气盗采、非法测绘、非法捕捞、非法闯入等方式频频侵犯我国领海权益。由于缺乏行之有效的管控手段,截止到目前,在我国所管辖的海域之中有近九成的海域是没有进行全面监控的,因此仅能借助卫星遥感以及执法船巡航等方式进行事后处理,通过了解可以看出,这样的手段非常的单一,并且具备很差的时效性,同时也缺少了初期的识别预警以及连续跟踪监视的性能,由此一来对我国海洋强国战略的进一步开展起到了阻碍的作用。本项目研究主要面向三个业务场景:首先是岛礁变化监控,其次是海域开发利用活动监控以及检测,最后是海上移动目标行为辨别。该论文主要与海上移动目标行为识别业务有关,即对雷达数据、AIS数据、电磁信号侦测数据、可见光及红外影像数据等数据,建立多源数据关联规则,进行基于机器学习的目标属性综合。从而将传统分散、独立的识别方式改变为协同式和非协同式相结合的模式。然后基于规则模板技术,对目标异常行为进行建模,实现有指向性的异常行为识别。本文针对我国管辖海域内典型目标的行为识别与监视需求,充分利用团队现有装备、系统及研究基础,面向特定海域监视,海上移动目标行为识别等应用场景,采用信息融合,机器学习,规则模板等技术,基于天、船、空、岸等一体化综合监视体系为前提的初期预警以及持续跟踪能力的海上目标行为识别系统,实现多设备协同监视,对海上动态目标的有效识别,连续跟踪以及异常行为识别,解决识别方式分散,目标识别率低等方面的问题。本文的研究成果已经在南海重点海域进行常态化应用示范,为完善我国的海域主权维护提供了更为有效的手段。