机场场面监视雷达目标检测新方法

机场场面监视雷达可得到高分辨率实孔径图像,常规的雷达目标检测方法难以检测出其中的目标。本文首先分析了场面监视雷达目标检测中的问题,然后根据场面监视雷达回波信号的特点,提出了一种基于数字图像处理思想的目标检测新方法。给出了算法处理的基本流程和主要模块的具体实现方法。国内机场实测数据的处理结果表明本文算法可靠地检测出目标区域,目标团簇凝聚处理可有效消除孤立虚警点并填充目标区域内部漏警块。本文提出的方法对于场面监视雷达系统的研制有一定借鉴意义。

机场场面监视雷达系统设计

机场场面监视雷达是机场地面态势监视的重要手段,目前机场场面监视雷达产品几乎全部为国外公司制造。首先,给出了机场场面监视雷达的系统功能要求,并分析了对其具体技术要求;然后,提出了一种机场场面监视雷达系统的设计方案,介绍了方案的主要特点、系统组成、工作原理和关键技术;其次,根据场面监视雷达回波信号的特点,给出了基于数字图像处理思想的目标检测新方法;最后,介绍了场面监视雷达工程样机的研制和试验情况,给出了试验结果。文中提出的方法对于场面监视雷达系统的研制有一定借鉴意义。

一种适用于机场场面监视MLAT系统的状态模型

根据直角坐标系的目标运动模型和无源多点时差定位系统(MLAT)的特点,推导出了一种到达时间差(TDOA)状态模型方程,并基于该模型方程,设计了一种TDOA跟踪滤波器。与传统TDOA状态模型方程相比,所推导出的状态模型方程和滤波器不但能提高TDOA的估计精度,还可更有效地消除非视距(NLOS)成分。仿真和实测数据证实了所推导状态模型方程和所设计跟踪滤波器的有效性。

一种用于机场场面监视的高精度位置解算方法

对繁杂机场场面监视点进行优化定位,能够有效提高机场场面的运行效率,如何对监视点进行实时高精度定位一直是多点定位系统不断研究的技术难题。针对多点定位非线性方程解算问题,提出了自适应小生境弹射粒子群算法结合Taylor级数展开法的优化算法,将自适应小生境弹射粒子群算法搜索的定位结果作为Taylor级数迭代的初始参考点,解决了传统Taylor级数展开法依赖初始参考点选取的问题。结果表明:改进的粒子群算法结合Taylor级数展开法的定位估计精度相较于单纯的Taylor级数展开法有较大提升。

MRF模型去雾算法在机场场面监视中的应用

面对日益严峻的雾霾天气对民航业的影响,在雾霾天气下的机场场面监视方面,文章提出了一种基于MRF模型的去雾霾算法,并利用CNC去雾霾效果评价体系与Retinex、He等传统去雾霾算法的去雾效果进行了对比,可以看出,MRF模型去雾霾算法对场面监视的雾霾图像具有较好的效果性和鲁棒性。

某机场场面监视雷达数据采集系统设计

基于MLAT多点定位的A-SMGCS系统可显著提高机场场面监视的精度。对机场场面监视雷达中数据采集系统的设计方法进行详细地阐述。利用高速A/D实时采集对数放大器输出的回波数据,经F P G A处理后,通过光纤发送至信号处理。实际工作结果表明,该设计方案成熟、可靠,为类似的系统或项目提供一个有益的借鉴。

机场场面监视雷达反杂波性能分析

机场场面监视雷达主要监视目标为机场场面上的飞机、汽车及跑道异物等。作为一次雷达,其波束照射范围内除有用目标外同时还存在其他无关物体回波,如机场场面上的跑道、滑行道、停机坪、草地、环场路等的表面反射和传输路径上的雨、雾霾的反射回波等。如何在这些无用回波的背景下,可靠地检测并跟踪有用目标是机场场面监视雷达需要解决的重要问题。针对该问题,通过对机场场面监视雷达基本功能的分析,论述了机场场面监视雷达主要杂波的评估方法及相应的反杂波措施。

一种机场场面监视雷达的设计考虑

机场场面监视雷达(SMR)具有全天时全天候工作能力,是提高机场运行效率的重要设备.机场场面监视雷达主要监视目标是地面静止目标,与一般主要监视空中运动目标的普通雷达完全不同,因此两者的设计思路也不同。该文从机场场面监视雷达基本功能出发,具体分析了机场场面监视雷达设计要求,总结了机场场面监视雷达关键技术,给出了一种机场场面监视雷达的设计方案,并展望了机场场面监视雷达的发展趋势。

机场场面监视雷达

机场场面监视雷达airport surface detection radar空中交通管制中用来监视跑道、停机坪上飞机和车辆活动情况用的雷达。它能使管制员全面了解和掌握机场场面上各类目标的分布和活动情况。要求雷达分辨率高，天线转速快，确保高的数据率，且能判别各种运动目标类型。

机场场面监视雷达目标检测方法及应用实践微探

在社会经济快速发展的今天，机场场面监视雷达目标检测工作已经引起人们的重视。在机场场面监视的过程中，采用合理的雷达目标检测方法，不仅能够有效保证检测数据的准确性，而且还能保证机场场面中的各项设备得到更好的利用。因此，主要分析了机场场面监视雷达目标检测方法的具体应用，希望能够给相关工作人员提供一定的参考与帮助。

机场场面多点定位系统远端站优选方法

对于机场场面时差(TDOA)定位系统,一旦某个远端站的到达时间检测误差突增,将会对定位精度产生致命影响。提出了一种新的站点优选方法,首先采用平滑滤波估计目标真实位置,再以该估计值为基准进行测量位置与时差的偏差统计判决,从而快速地确定发生故障的站点。针对特定机场的蒙特卡洛仿真试验证明了该方法的有效性。

面向低视角场面监视的移动目标速度测量

为构建有效的机场场面视觉监视系统,提出了一种基于特征点持续跟踪与分析的移动目标速度测量方法。首先,利用场面几何特征对摄像机进行标定;然后,基于光流场对图像运动区域的特征点进行持续跟踪,在此基础上通过特征点轨迹聚类区分不同移动目标;最后,根据特征点高度与运动距离完成速度测量。所提方法能够利用机场场面摄像机获取的低视角单目视频图像,对移动目标的运动速度进行准确测量。基于广州白云国际机场的场面运行视频进行了仿真分析,验证了所提方法在低视角速度测量方面的可行性与优势。

改进SSD的机场场面多尺度目标检测算法

针对现有基于深度学习的通用目标检测方法对机场场面环境目标尺度差别大,特别是小目标难以检测到的问题,提出了一个基于SSD算法并结合特征金字塔融合网络的多尺度目标检测算法。该算法采用了更深的ResNet-50作为骨干网络,并单独设计了六层额外特征层。使用特征金字塔网络进行特征融合,以获得更鲁棒的语义信息。使用Soft-NMS以解决存在的漏检情况,调整先验框的尺度比以更好地检测小目标。通过在机场场面数据集实验表明,该改进算法能够在推断速度为32 frame/s的情况下,取得86.31%的mAP,对比其他先进的检测器,达到领先水平。

基于改进Faster-RCNN的机场场面小目标物体检测算法

针对目前应用于机场视频监控中的卷积神经网络方法存在小目标物体识别准确率较低的问题,本文提出了一种基于Faster-RCNN并结合多尺度特征融合与在线难例挖掘的机场场面小目标检测算法。该算法采用ResNet-101作为特征提取网络,并在该网络基础上建立了一个带有上采样的“自顶向下”的特征融合模块,以生成语义信息更加丰富的高分辨率特征图。并在网络训练过程中,采用在线难例挖掘的训练策略使模型更加鲁棒地对小目标样本进行定位。最后,手工构建了一个包含5982张图片的机场数据集,用于检测模型的训练和测试。结果表明,本文所提出算法显著提升了机场场面小目标物体检测的准确率,且使整体平均检测准确率达到了80.8%,该结果高于其他先进的目标检测模型。

基于迁移学习的机场场面目标检测与跟踪技术研究

本文分析了深度学习技术的基本原理,讨论了其应用与目标检测与跟踪领域的基本方式。利用实地采集的广汉机场场面视频数据,采用深度迁移学习的策略,研究了面向机场场面目标的检测与跟踪技术。

基于深度估计的机场场面视频图像技术研究

目前机场场面监视系统主要以高成本的场面监视雷达为主,对于中小型机场来说通常负担不起,为此提出一种低成本的场面监视技术。使用当下最流行的深度学习神经网络模型对场面视频图像进行无监督训练,加入深度信息估计技术可以对场面目标进行检测跟踪以及航机生成。通过对深度学习方法的调研,提出基于无监督学习的深度估计技术是最适用于机场场面视频图像监视系统的技术方法,为机场监视提供了重要理论支持。

基于保持高分辨率的实时机场场面小目标检测

针对现有的目标检测器,在机场场面环境下对于小目标检测的效果存在检测不到,定位不准的问题。首先建立一个包含4009张图片的机场场面数据集以供训练和测试使用,其次设计一个保持高分辨率网络用以保存场面小目标的特征信息,在网络中卷积时不被丢失。通过在神经网络中使用pixelshuffle操作,替换传统的双线性插值上采样,用以放大特征图与浅层特征图进行融合,增强特征的位置信息。实验表明,在均值平均精度达到64.7%的同时,速度上还能达到每秒45帧,满足实时性。特别是相比于Faster R-CNN目标检测算法,在小目标上的精度提升达到19.2%。

极坐标图像的机场目标特征提取方法

提出了一种机场场面监视雷达图像的机场目标特征提取方法。首先,为了解决雷达图像的亮点噪声问题,采用类形态学的图像预处理方法;然后,采用邻域链路法标记目标的轮廓像素;最后,单元面积作为权值,估计极坐标图像下机场目标的特征,并对权值的计算方法进行了讨论。实验表明,所提方法能够消除亮点噪声,得到比较准确的特征信息,为目标分类识别和多目标跟踪提供正确的特征。

场面多点定位信号处理独立性的实现

大型机场的场面多点定位(MLAT)系统具有接收站布局复杂和非视距(NLOS)传播严重的特点,为了选择最佳定位站点组合和消除NLOS对目标定位的影响,需要提供一个目标的估计位置。以往采用目标前次定位位置的方式存在将前次定位误差引入到当次目标信号处理中的缺陷。为了实现多点定位系统对目标当次信号处理的独立性,采用一种基于最优水平精度因子(HDOP)的目标位置估算方法,利用当次测量达到时间(TOA)信息,基于最优HDOP,通过快速优选、位置一致性判定和优化站点等方法,快速估计出目标当次二维位置,数据处理系统利用当次目标估计位置完成最佳站点组合选择和NLOS处理。仿真测试和机场场面真实数据测试验证了该方法的可行性,同时表明利用该方法提高了多点定位系统的定位连续性和定位精度。

基于倾向流和深度学习的机场运动目标检测

针对当前基于视频图像的场面监视目标检测方法存在定位误差较大,识别准确率低等问题,建立一种结合目标运动信息的机场场面运动目标检测方法:利用倾向流法提取出运动目标在图像中的候选区域,对候选区域执行点池化操作以确定区域建议的边界,采用Inception结构构建一个浅层卷积神经网络,并使用该网络对区域建议中的航空器、车辆和人员进行识别。结合国内机场的监视视频,构建了一个包含4 938张图片的机场目标数据集,用于算法的训练和测试。结果表明,运动目标提取的准确率达到94%以上,运动目标识别的Top-1准确率达到了97.23%,运动目标平均准确率达到86.23%。与3种深度学习目标检测算法相比,运动目标检测精度平均提升了39%。