1.一种船舶轨迹点提取方法，其特征在于，包括如下步骤：

(1)读取雷达和AIS的航迹数据并进行数据融合处理，其中所述航迹数据包括：AIS和雷达两种航迹目标与本船的距离、坐标、航速、航向；

(2)根据融合后的航迹数据D中航速，计算所述船舶任意相邻两点之间的航速变化率，设置所有轨迹点的航速变化率的平均值为航速变化率阈值，比较航速变化率与阈值之间的大小，确立特征轨迹点集；

(3)根据所述的特征轨迹点集，对相邻特征轨迹点之间的距离求和，得到提取后特征点后的船舶特征轨迹长度；

(4)根据所述的特征轨迹点集，计算每个特征轨迹点的Vote值，具体内容和方法，包括：Vote值物理意义上为一个特征轨迹点被其他特征轨迹点连接的概率，每个特征轨迹点的Vote初值均为 N为特征轨迹点总个数，通过各个特征轨迹点之间的相互关系不断迭代，船舶特征轨迹点中第α点的Vote值公式为：其中，N为轨迹的特征轨迹点总个数，Bα是所有连接到特征点α的点集合，特征点β是属于集合Bβ的一个点，L(β)则是特征点β的对外连接数；

(5)根据所述的船舶轨迹段长度、每个特征轨迹点的Vote值和MDL准则，计算假设集合h条件的数据开销和基于假设集合h条件下的航迹数据D的数据开销；

(6)根据所述的假设集合h条件下的数据开销和基于假设集合h条件下的航迹数据D的数据开销，计算两者之和的最小值，最优解即为船舶特征轨迹点的最优点迹段。

2.如权利要求1所述的方法，其特征在于，步骤(1)所述的读取雷达和AIS的航迹数据并进行数据融合处理的具体内容和方法，包括：

1)分别取AIS和雷达两种航迹目标与本船的距离、坐标、航速、航向间的欧式距离组成单因素评判集；

2)将AIS与雷达目标航迹关联的结果分为两个等级，建立关联隶属度函数；

3)采用双门限法判断AIS与雷达目标航迹是否关联，若关联，将判为关联的目标编号记录下来，等待融合处理即可。

3.如权利要求1所述的方法，其特征在于，步骤(2)所述的根据所述融合后的航迹数据D中航速，计算所述船舶任意相邻两点之间的航速变化率，设置所有轨迹点的航速变化率的平均值为航速变化率阈值，比较航速变化率与阈值之间的大小，确立特征轨迹点集的具体内容和方法，包括：A、根据融合后的航迹数据D中航速，计算所述船舶任意相邻两点之间的航速变化率，设置所有轨迹点的航速变化率的平均值为航速变化率阈值；

B、比较所述的航速变化率与所述航速变化率阈值大小；

若所述航速变化率大于该阈值，则轨迹点选入特征轨迹点集；

若所述航速变化率小于该阈值，则轨迹点舍去。

4.如权利要求1所述的方法，其特征在于，步骤(3)中所述的特征轨迹点集，对相邻特征轨迹点之间的距离求和，得到提取后特征点后的船舶特征轨迹长度的具体内容和方法，包括：所述船舶特征轨迹点集为 特征点集合中相邻特征

轨迹点之间的特征轨迹段为：

其中 为船舶相邻轨迹的特征轨迹点之间的轨迹段长度，将所有相邻特征轨迹点之间的长度叠加，得到船舶特征轨迹的长度：

5.如权利要求1所述的方法，其特征在于，步骤(5)中所述的船舶轨迹段长度、每个特征轨迹点的Vote值和MDL准则，计算假设集合h条件的数据开销和基于假设集合h条件下的航迹数据D的数据开销的具体内容和方法，包括：基于船舶航迹数据D来获得候选假设集合h的点估计，则最大的假设集合h为极大后验假设hMAP，且满足：即：

L(h|D)＝L(D|h)L(h)

其中，L(D|h)为在假设集合h下的给定航迹数据D的开销，L(h)为假设集合h的开销，L(h|D)为在给定航迹数据D下假设集合h的开销；在最后一步，去掉了L(D),因此hMAP不依赖于h；

根据MDL准则，从信息传递的角度对第i条船舶的轨迹长度和假设条件下的数据进行编码压缩，则假设集合h条件的数据开销和基于假设集合h条件下的航迹数据D的数据开销为：其中 为特征点 的逃脱因子。

6.如权利要求1所述的方法，其特征在于，步骤(6)中所述的假设集合h条件下的数据开销和基于假设集合h条件下的航迹数据D的数据开销，计算两者之和的最小值，最优解即为船舶特征轨迹点的最优点迹段的具体内容和方法，包括：其中L(h)越大表示选取的特征点越多，与原轨迹拟合度越大，但L(D|h)越小；反之，L(h)越小，选取的特征点越少，但L(D|h)越大，当且仅当L(h)+L(D|h)之和最小时，得到船舶轨迹点的最优点迹段为