近年来，随着国民经济尤其是沿江经济的迅速发展，内河航运业增长迅速。但内河航道自然条件恶劣和信号台通行指挥效率低，导致交通拥堵、航运事故等现象频发，其通航能力无法满足实际的发展需求，严重影响了社会经济的发展。为实现航道指挥的智能化、规范化，建立控制控制河段信号台智能辅助指挥系统显得尤为必要。　　在控制河段信号台智能辅助指挥系统实际运行中，由于船舶自动识别系统（Automatic Identification System，AIS）信息缺失和信息发送间隔的存在，导致系统无法及时、准确揭示船舶驶达（驶离）控制河段的通行信号，影响控制河段船舶通行效率。为解决这一问题，本文提出采用卡尔曼滤波（Kalman Filter, KF）预测船舶运动位置预测，丰富运动船舶航迹，提高船舶通行信号揭示的及时性和准确性。同时，控制河段具有狭窄、弯曲等特点，基于线性模型的KF无法满足实际的预测需求。虽然扩展卡尔曼滤波（Extended Kalman Filter, EKF）适用于非线性模型，但由于算法的局限性，其预测的精度不高。为提高算法的预测精度，本文在 EKF算法的基础上提出改进卡尔曼滤波（Improved Extended Kalman Filter, IEKF）算法。论文的主要研究内容如下：　　①分析了控制河段船舶运动位置预测和卡尔曼滤波的发展现状。针对控制河段船舶航行的特点，在对机动目标模型分析的基础上，采用“当前”统计模型建立控制河段船舶的运动模型。　　②完成AIS信息采集。论文采用C++语言完成AIS信息的监听、读取与解析功能。对相关信息进行转换，为船舶运动位置预测提供必要的数据支持。　　③将 AIS与 EKF算法结合预测船舶的运动位置，并对算法存在的问题提出改进的方法。以长江泸州航道局神背嘴信号台为背景，对所提算法的有效性进行验证。　　④在预测周期的选取上提出分区域周期法。在用户关心的区域采用短周期预测船舶运动位置，而在其它区域采用长周期预测，这样既满足了用户的实际需求，又节省了系统资源。