大型飞机在较低等级机场滑行转弯性能研究

针对大型飞机在较低等级机场滑行道转弯运行受限的问题,基于飞机转弯性能,提出了一种转弯滑行道内侧边线半径和特定机型转弯半径关系的模型.该模型可以根据特定机型的转弯性能,在较低等级机场转弯滑行道内侧边线半径为确定值的情况下,计算出该机型转弯半径的取值范围.如果大型飞机转弯半径在该取值范围内,就可以在该机场滑行转弯.用A380飞机在某4E机场模拟转弯过程,验证了大型飞机在较低等级机场滑行转弯的可行性.

飞鸟与无人机目标雷达探测与识别技术进展与展望

飞鸟和无人机(UAVs)是典型的“低慢小”目标,具有低可观测性,对两者的有效监视和识别成为保障空中航路安全、城市安保等需求迫切需要解决的难题。飞鸟和无人机目标类型多、飞行高度低、机动性强、雷达散射截面积小,加之探测环境复杂,给目标探测带来极大困扰,已成为世界性难题。因此迫切需要研发“看得见(检测能力强)、辨得明(识别概率高)”的无人机、飞鸟等“低慢小”目标监视手段和技术,实现目标的精细化描述和识别。该文集中对近年来复杂场景下旋翼无人机和飞鸟目标检测与识别技术的研究进展进行了归纳总结,介绍了飞鸟和无人机探测的主要手段,从回波建模和微动特性认知、泛探模式下机动特征增强与提取、分布式多视角特征融合、运动轨迹差异、深度学习智能分类等方面给出了检测和识别的有效途径。最后,该文总结了现有研究存在的问题,对未来复杂场景下飞鸟和无人机目标检测与识别技术的发展进行了展望。

雷达探鸟技术发展与应用综述

探鸟雷达已成为机场鸟击防范、风力发电场鸟击风险评估、鸟类自然保护区鸟情观测与科学研究的重要工具。文中首先论述了探鸟雷达的主要组成部分。然后,分析了地面杂波、空域杂波和其他无关目标对探鸟雷达探测效果的影响,进而介绍了传统的杂波抑制方法和相参雷达杂波抑制技术,以及先进的探鸟雷达采用的目标检测、目标跟踪、目标显示、数据记录和雷达组网等数据处理技术。接着,给出了当前的探鸟雷达能够获取的目标轨迹、回波大小、回波强度、信号波动、飞行速度、飞行高度等反映飞鸟目标特性的主要指标。最后,描述了国内外四种典型雷达探鸟系统,并针对雷达探鸟技术的未来发展提出了一些思考及可行性建议。

基于视频数据的机场跑道外来物检测

提出了一种基于视频数据的机场跑道外来物(FOD,Foreign Object Debris)检测算法,该算法包括几何校正、背景差分、杂波抑制和伪装消除等4个步骤.其中,几何校正排除了摄像头轻微抖动造成的图像差异;背景差分利用每个像素对应的颜色向量信息,建立背景模型并进行定时更新;杂波抑制和伪装消除利用差分图像和原始图像信息,建立马尔科夫随机场和概率统计模型,在降低虚警的同时提高了检测率.将本算法应用于两组不同光照条件下获取的视频图像,检测不同形状和颜色的FOD目标;采用本算法对机场实测数据进行测试,验证了算法的有效性.

飞鸟与旋翼无人机雷达微多普勒测量实验研究

针对飞鸟和旋翼无人机目标识别的迫切需求,开展微多普勒测量实验研究.首先对飞鸟翅膀扑翼运动、无人机目标主体运动和旋翼转动进行建模分析与参数化表征,从雷达动目标回波中提取多普勒频移信息;然后利用短时傅里叶变换转换为时频图,对目标微多普勒特征进行精细化描述,并从雷达参数、目标类型、观测条件等多个角度重点分析了微动特征的影响因素;最后利用K波段线性调频连续波雷达开展飞鸟和两款典型旋翼无人机("御MAVIC Air 2"和"悟Inspire 2")微动测量实验,对微动参数进行估计,验证了理论模型的正确性.实测数据分析表明:目标旋翼叶片长度越大、转速越高,微多普勒频率越大;叶片数目增多导致微动特征重叠;雷达观测角度、调制周期以及时频分析的时间窗长均会对微动特性产生重要影响.

基于支持向量机的机场智能驱鸟决策

为提高机场鸟击防范管理水平,实现探鸟雷达与多种驱鸟设备联动,提出一种基于支持向量机(SVM)的机场智能驱鸟决策方法。该方法包括训练和测试两部分。训练部分利用机场鸟类探测预警与驱赶联动系统获取的大量历史鸟情信息,结合专家知识,通过数据预处理与支持向量机训练,建立驱鸟策略分类模型;测试部分根据驱鸟实时智能决策结果,对驱鸟策略分类模型进行持续修正与优化。通过某机场的实测鸟情信息数据与若干驱鸟实例,证明驱鸟策略分类模型具有较高的决策正确率,并能够通过自身修正与优化应对各种新问题。本文方法针对实时鸟情信息,实现了多种驱鸟设备的优化组合,克服了驱鸟设备长期重复运行造成的鸟类对驱鸟设备的耐受性问题,极大改善了驱鸟效果。

基于时域特性的非相参雷达目标检测与跟踪

将跟踪雷达的目标检测策略应用于搜索雷达数据处理,提升对复杂低空空域非相参雷达图像中小弱目标的检测与跟踪能力。首先,根据跟踪目标的生命周期等时域特性,修正"最优分类面"中目标预估位置邻域内的分割阈值,以提高目标检测灵敏度。然后,利用杂波在雷达图像序列中的时域特性进一步修正"最优分类面",剔除剩余杂波。最后,将本算法与已经实现的基于空域特性的杂波抑制算法相结合,分别应用于仿真和实测数据,并采用多种方法评价检测结果。检测结果表明,本算法能够在提高检测率的同时,进一步降低虚警率。

基于Rao-Blackwellized蒙特卡罗数据关联的检测跟踪联合优化

提出了基于Rao-Blackwellized蒙特卡罗数据关联的雷达目标检测跟踪联合优化算法。Rao-Blackwellization方法将单目标跟踪与数据关联分开处理,将序贯蒙特卡罗方法(粒子滤波)用于数据关联,实现杂波与虚警量测中的多目标跟踪。同时,根据粒子的分布范围确定波门大小。在考虑粒子权重的前提下,利用检测单元与所有粒子的相对位置对检测门限进行修正,提高检测率。将本文算法与已经实现的基于空域特性的杂波抑制算法相结合,分别应用于仿真数据、S波段相参与非相参雷达实测数据。实验结果表明,本文算法能够在粒子数较少的情况下,实现对小弱目标的检测与跟踪。

气象雷达探鸟技术综述

气象雷达组网特别适用于大陆范围内鸟类大规模活动的观测。首先介绍了美国和欧洲相对成熟的基于气象雷达组网的鸟情预警系统,并对二者的性能进行了对比分析。然后,从目标回波幅度、高度分布、飞行速度和方向等方面分析了气象雷达飞鸟目标的回波特性,进而讨论了杂波抑制、气象信息剔除、飞鸟目标特征提取、机器学习、交叉验证等气象雷达鸟情信息提取技术。在此基础上,介绍了气象雷达组网探鸟在鸟类生态学研究和鸟击防范方面的应用。最后,从探测覆盖范围和气象雷达系统性能2个方面,讨论了在中国建立基于气象雷达组网的全国鸟情预警系统的初步构想。

基于PHD的粒子滤波检测前跟踪改进算法

针对在低信噪比目标检测问题中,基于PHD的粒子滤波检测前跟踪算法(PHD-TBD)存在目标位置估计误差较大的缺陷,提出一种结合粒子群优化算法的基于PHD的粒子滤波检测前跟踪方法(PSO-PHD-TBD)。该算法在滤波预测和更新步骤之间加入基于NSGA-Ⅱ的多目标粒子群优化算法,结合量测信息将预测完成的粒子集的分布进行优化,将所有粒子转移到后验概率密度较大的区域,进而改善了多目标位置估计的性能;然后使用基于密度聚类的DBSCAN算法对粒子聚类,提取目标状态。仿真实验表明,在不同信噪比条件下,PSO-PHD-TBD在多目标数目估计情况与PHD-TBD算法一致,而位置估计精度明显优于PHD-TBD算法。

基于小波包分析与多核学习的滚动轴承故障诊断

为了更准确地诊断滚动轴承故障,提出了一种基于小波包分析与多核学习的滚动轴承故障诊断方法.该方法首先对振动信号进行3层小波包分解,将振动信号分解为不同频带的信号,提取各频带的相对能量特征,构建特征向量;然后采用多核学习算法从训练样本集中学习核函数与分类器;最后使用训练出的分类器识别滚动轴承故障类型.为了验证方法的有效性,进行了滚动轴承故障诊断实验,实验结果表明该方法的故障诊断准确率达到98.25%,与传统的基于小波包与支持向量机的滚动轴承故障诊断方法相比,其故障诊断准确率更高,同时由于避免了核函数的选择问题,该方法更便于实际应用.

基于空域特性的低空空域雷达目标检测

为实现基于非相参雷达的低空空域监视,提出一种基于空域特性的杂波抑制算法,通过构造"最优分类面"来区分复杂低空空域雷达图像中的小弱目标和杂波,极大改善了非相参雷达的低空探测能力。首先,采用背景差分与固定阈值分割建立前景和背景统计模型。然后,基于该模型提取空域特性,建立马尔可夫随机场模型,从而自适应地调节"最优分类面"中的阈值。前景模型数据反映了待检测像素的聚集程度,背景模型数据反映了其相对位置。将本算法分别应用于X波段和S波段航海雷达获取的图像序列。检测结果表明:本算法在检测到低空空域小弱目标的同时,能够将虚警率保持在较低的水平,优于恒虚警检测等经典算法。最后,将本算法与已经实现的目标跟踪算法相结合,实现了一整套完整的低空空域雷达目标检测与跟踪算法。