由于船舶自动识别系统（Automatic Identification System,AIS）本身固有的脆弱性问题,非法使用AIS设备的船舶频繁出现,严重影响了船舶航行安全。为保护海上AIS信道,保障AIS信息准确性和可信度,需要针对AIS甚高频数据链路（VHF Digtial Link,VDL）电文进行获取、分析和识别。为此,本文基于AIS大数据的智能分析,构建船舶信息多源识别模型,以剔除虚假信息干扰,识别船舶身份,保障船舶海上航行安全。本文针对上述船舶非法运营的现象,首先将获取的海量AIS数据在不破坏其数据结构的基础上设计了相应预处理方案,将无关数据、噪声数据及间断数据去除,得到以MMSI为主键的基于时间序列的AIS数据集。其次,基于所提取的数据集,分析其船舶轨迹特征,从数据交互、数据存储、内存维护、船舶身份校验和识别五个方面,设计与其相对应的功能模块,建立了基于大数据的船舶多源信息识别模型。然后,为了解决船舶身份复用的识别问题,对船舶轨迹进行拟合和关联性判断。在轨迹拟合方面,本文深入研究了径向基（Radial Basis Function,RBF）的原理,详细分析了粒子群算法（Partical Swarm Optimization,PSO）的性能及优化策略,采用非线性递减惯性权重和基于惯性权值的学习因子的优化方法,提出了一种改进粒子群优化的径向基（Partical Swarm Optimization-Radial Basis Function,PSO-RBF）拟合算法。实验结果表明,改进的PSO-RBF算法拟合性能优于RBF算法。在关联性判断方面,由于轨迹起始时间不一致导致传统离散化弗雷歇算法计算的距离不具备参考价值。因此,在传统的弗雷歇距离轨迹关联算法中引入移位的思想,该方法有效提高了关联性判断的准确性。同时,将改进的PSO-RBF算法与弗雷歇关联算法相融合,构建了船舶身份复用识别模型。最后,为剔除船舶安装多台AIS设备产生的虚假信息干扰,结合船舶数据的时间、航速、航向、经度和纬度五个特征,运用AIS信息内插外推法、逻辑回归二分类法和历史信息反向验证法,建立船舶多台AIS设备辨识模型。基于上述研究,根据船舶多源信息识别的实际应用,搭建了船舶多源信息识别系统。该系统对船舶身份复用识别模型和船舶多台AIS设备辨识模型进行实用性验证,结果表明,本系统接入全国AIS的实时数据后,可准确识别非法使用AIS设备的船舶,并能够将识别结果实时报告给海事相关监管部门。该模型的研究对提升我国海事监管技术水平、监管效率和保障船舶海上航行安全具有实践意义。