一种基于特征谱特征的机场跑道异物检测方法及装置制造方法及图纸

本发明专利技术涉及雷达技术领域，针对现有技术存在的问题，本发明专利技术提供一种基于特征谱特征的机场跑道异物检测方法及装置。实现在于实现低虚警概率下的FOD检测。以跑道基准背景数据作为杂波图参考数据，对跑道雷达数据进行杂波图恒虚警处理；本发明专利技术对跑道雷达数据杂波图恒虚警处理后的数据进行分类，分为背景杂波信号和包括虚警信号的FOD回波；对背景杂波信号和FOD回波信号分别进行特征值计算，然后根据相应特征值提取对应特征并形成对应特征向量；将背景杂波信号对应的特征向量以及背景杂波信号标号进行分类器训练，得到该分类器参数；将FOD回波信号特征值对应的特征向量通过分类器参数，判断FOD回波中是否有FOD，实现对跑道FOD检测。

Method and device for detecting foreign matter in airport runway based on characteristic spectrum characteristic

The invention relates to the technical field of radar, aiming at the problems existing in the prior art, the invention provides a method and a device for detecting foreign bodies in an airport runway based on the characteristics of the characteristic spectrum. Implementation is to realize FOD detection under low false alarm probability. To track data as the clutter background datum reference data, radar data on the runway clutter map CFAR processing; the invention of the runway radar clutter map CFAR after the data were classified into FOD echo signal and background clutter including false alarm signal; the background clutter signal and FOD echo the signal characteristics of each value, then according to the corresponding feature extraction and the formation of the eigenvectors corresponding to the corresponding feature values; will the background clutter signal corresponding to the feature vector and background clutter signal label classifier training to get the classifier parameters; the feature of FOD echo signal value corresponding to the feature vector through the classifier parameters, to determine whether there is FOD FOD echo, the runway detection FOD.

【技术实现步骤摘要】
一种基于特征谱特征的机场跑道异物检测方法及装置
本专利技术涉及雷达
，尤其是一种基于特征谱特征的机场跑道异物检测方法及装置。
技术介绍
机场跑道异物(ForeignObjectDebris,FOD)是指不应存在于机场跑道上会对飞机造成损伤的物体，例如遗落在跑道上的金属零件、碎石块、防水塑料布等。FOD对飞机的起飞和降落会造成严重的威胁，在飞机起飞前必须予以清除。传统的人工巡查方法需要消耗大量的时间，影响了机场跑道的飞机通勤量，同时在雨雾等恶劣天气下依靠人工来发现微小异物也并非易事，因此，有必要研制一种机场跑道异物自动检测系统，能够实时对跑道环境进行监测，及时上报FOD的存在及具体位置信息。目前，国外机场跑道异物检测方面的成熟系统主要有基于毫米波雷达体制的英国QinetiQ公司的Tarsier1100系统、美国TrexEnterprises公司的FODFinder系统和以色列Xsight公司的FODetect系统以及基于光学摄像体制的新加坡Stratech-systems公司的iFerret系统。由于光学监测系统采用视频处理技术，受亮度和光照的影响很大，在夜晚、雨雾天气或者能见度很低的情况下，检测的正确率很低，会出现大量的虚警或漏警，目前主流的FOD检测方法都是采用毫米波雷达体制。强地杂波背景下的弱静止目标检测是毫米波雷达FOD检测系统面临的关键问题之一，目前通常采用恒虚警检测算法(ConstantFalseAlarmRate,CFAR)，包括以单元平均恒虚警(CellAveragingConstantFalseAlarmRate,CA-CFAR)为代表的空域CFAR和以杂波图恒虚警为代表的时域CFAR。然而，由于机场跑道散射特性较为复杂，导致CFAR类方法在FOD检测过程中出现虚警的概率较大，这时只能通过视频或人工进行逐个排查，造成时间资源的浪费。如何降低FOD检测系统的虚警概率是目前研究的热点。
技术实现思路
本专利技术所要解决的技术问题是：针对现有技术存在的问题，提供一种基于特征谱特征的机场跑道异物检测方法及装置。实现在于实现低虚警概率下的FOD检测。本专利技术采用的技术方案如下：一种基于特征谱特征的机场跑道异物检测方法包括：以跑道基准背景数据作为杂波图参考数据，对跑道雷达数据进行杂波图恒虚警处理；对跑道雷达数据杂波图恒虚警处理后的数据进行分类，分为背景杂波信号和包括虚警信号的FOD回波；对背景杂波信号和FOD回波信号分别进行特征值计算，然后根据相应特征值提取对应特征并形成对应特征向量；将背景杂波信号对应的特征向量以及背景杂波信号标号进行分类器训练，得到该分类器参数；将FOD回波信号特征值对应的特征向量通过分类器参数，判断FOD回波中是否有FOD，实现对跑道FOD检测。进一步的，通过检测门限将杂波图恒虚警处理后的数据分为背景杂波信号和FOD回波。进一步的，所述检测门限获取过程是：对获取所述跑道基准背景数据的同一跑道进行第二次空扫，获得跑道更新背景数据；将所述跑道基准背景数据作为杂波图参考数据，对跑道更新背景数据进行杂波图恒虚警处理；然后对跑道更新背景数据做杂波图恒虚警处理后的信号求平均功率值，则该平均功率值为检测门限。进一步的，所述特征值计算过程是：s＝[s1,s2,...,sN]T计算自相关矩阵R；其中，sk为s第k个时刻的值，k＝1,2,...,N，N为信号维度，上标T表示矩阵转置；对自相关矩阵R进行特征值分解得到特征谱λr为自相关矩阵的第r个特征值；其中，表示向下取整，且当s若代表背景杂波信号，则λr为背景杂波信号自相关矩阵的第r个特征值；当s若代表FOD回波信号，则λr为FOD回波信号自相关矩阵的第r个特征值。进一步的，所述特征向量f＝{feature1,feature2}形成过程是：若对背景杂波数据λr计算对应的特征向量，则f代表背景杂波数据特征向量；若对FOD回波信号λr计算对应的特征向量，则f代表FOD回波信号特征向量；其中，feature1是最大特征值归一化后的特征值和：feature2是累计贡献率达98％时的大特征值个数。进一步的，判断FOD回波中是否有FOD具体过程是：使用背景杂波数据特征向量对应的两个特征以及背景杂波数据标号训练分类器，得到分类器参数；根据分类器参数获取最优分类面，并根据最优分类面对FOD回波的特征值向量进行判断，其中，虚警信号全部落在最优分类面内，若最优分类面外无信号，则表明飞机起飞前，跑道中没有FOD，否则，表明飞机起飞前，跑到中存在FOD。一种基于特征谱特征的机场跑道异物检测装置包括：杂波图恒虚警处理模块，用于以跑道基准背景数据作为杂波图参考数据，对跑道雷达数据进行杂波图恒虚警处理；信号分类模块：用于对跑道雷达数据杂波图恒虚警处理后的数据进行分类，分为背景杂波信号和包括虚警信号的FOD回波；特征向量提取模块，用于对背景杂波信号和FOD回波信号分别进行特征值计算，然后根据相应特征值提取对应特征并形成对应特征向量；分类器训练步骤，用于将背景杂波信号对应的特征向量以及背景杂波信号标号进行分类器训练，得到该分类器参数；跑道FOD检测模块，用于将FOD回波信号特征值对应的特征向量通过分类器参数，判断FOD回波中是否有FOD，实现对跑道FOD检测。进一步的，通过检测门限将杂波图恒虚警处理后的数据分为背景杂波信号和FOD回波。进一步的，所述特征值计算过程是：s＝[s1,s2,...,sN]T计算自相关矩阵R；其中，sk为s第k个时刻的值，k＝1,2,...,N，N为信号维度，上标T表示矩阵转置；对自相关矩阵R进行特征值分解得到特征谱λr为自相关矩阵的第r个特征值；其中，表示向下取整，且当s若代表背景杂波信号，则λr为背景杂波信号自相关矩阵的第r个特征值；当s若代表FOD回波信号，则λr为FOD回波信号自相关矩阵的第r个特征值。进一步的，判断FOD回波中是否有FOD具体过程是：使用背景杂波数据特征向量对应的两个特征以及背景杂波数据标号训练分类器，得到分类器参数；根据分类器参数获取最优分类面，并根据最优分类面对FOD回波的特征值向量进行判断，其中，虚警信号全部落在最优分类面内，若最优分类面外无信号，则表明飞机起飞前，跑道中没有FOD，否则，表明飞机起飞前，跑到中存在FOD。综上所述，由于采用了上述技术方案，本专利技术的有益效果是：利用杂波图恒虚警(ConstantFalseAlarmRate,CFAR)将跑道雷达数据中的背景杂波信号和FOD回波(包含虚警)区分开，然后提取特征谱特征将在回波域中差异较小的FOD回波和虚警回波转换到区分性更大的特征域，进而通过分类器进行识别，判断跑道是否存在FOD。由于检测门限也是根据同一跑道同一未知区域两次空扫获得的门限值，用这个检测门限值去区分跑道雷达数据中的背景杂波信号和包括虚警的FOD回波，才能使得基准相同，误差最小。附图说明本专利技术将通过例子并参照附图的方式说明，其中：图1是本专利技术的流程图。图2a是杂波图恒虚警处理之前跑道雷达数据。图2b是杂波图恒虚警处理之后FOD回波。图3是二维特征分布图。图4是通过本专利技术检测的分类结果。具体实施方式本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以本文档来自技高网...

【技术保护点】
一种基于特征谱特征的机场跑道异物检测方法，其特征在于包括：以跑道基准背景数据作为杂波图参考数据，对跑道雷达数据进行杂波图恒虚警处理；对跑道雷达数据杂波图恒虚警处理后的数据进行分类，分为背景杂波信号和包括虚警信号的FOD回波；对背景杂波信号和FOD回波信号分别进行特征值计算，然后根据相应特征值提取对应特征并形成对应特征向量；将背景杂波信号对应的特征向量以及背景杂波信号标号进行分类器训练，得到该分类器参数；将FOD回波信号特征值对应的特征向量通过分类器参数，判断FOD回波中是否有FOD，实现对跑道FOD检测。

【技术特征摘要】
1.一种基于特征谱特征的机场跑道异物检测方法，其特征在于包括：以跑道基准背景数据作为杂波图参考数据，对跑道雷达数据进行杂波图恒虚警处理；对跑道雷达数据杂波图恒虚警处理后的数据进行分类，分为背景杂波信号和包括虚警信号的FOD回波；对背景杂波信号和FOD回波信号分别进行特征值计算，然后根据相应特征值提取对应特征并形成对应特征向量；将背景杂波信号对应的特征向量以及背景杂波信号标号进行分类器训练，得到该分类器参数；将FOD回波信号特征值对应的特征向量通过分类器参数，判断FOD回波中是否有FOD，实现对跑道FOD检测。2.根据权利要求1所述的一种基于特征谱特征的机场跑道异物检测方法，其特征在于通过检测门限将杂波图恒虚警处理后的数据分为背景杂波信号和FOD回波。3.根据权利要求2所述的一种基于特征谱特征的机场跑道异物检测方法，其特征在于所述检测门限获取过程是：对获取所述跑道基准背景数据的同一跑道进行第二次空扫，获得跑道更新背景数据；将所述跑道基准背景数据作为杂波图参考数据，对跑道更新背景数据进行杂波图恒虚警处理；然后对跑道更新背景数据做杂波图恒虚警处理后的信号求平均功率值，则该平均功率值为检测门限。4.根据权利要求1所述的一种基于特征谱特征的机场跑道异物检测方法，其特征在于所述特征值计算过程是：s＝[s1,s2,...,sN]T计算自相关矩阵R；其中，sk为s第k个时刻的值，k＝1,2,...,N，N为信号维度，上标T表示矩阵转置；对自相关矩阵R进行特征值分解得到特征谱λr为自相关矩阵的第r个特征值；其中，表示向下取整，且当s若代表背景杂波信号，则λr为背景杂波信号自相关矩阵的第r个特征值；当s若代表FOD回波信号，则λr为FOD回波信号自相关矩阵的第r个特征值。5.根据权利要求1所述的一种基于特征谱特征的机场跑道异物检测方法，其特征在于所述特征向量f＝{feature1,feature2}形成过程是：若对背景杂波数据λr计算对应的特征向量，则f代表背景杂波数据特征向量；若对FOD回波信号λr计算对应的特征向量，则f代表FOD回波信号特征向量；其中，feature1是最大特征值归一化后的特征值和：feature2是累计贡献率达98％时的大特征值个数。6.根据权利要求1所述的一种基于特征谱特征的机场跑道异物检测方法，其特征在于判断FOD回波中是否有FO...

【专利技术属性】
技术研发人员：王宝帅，王小斌，刘江洪，郑小亮，贺岷珏，肖庆，
申请(专利权)人：中国电子科技集团公司第二十九研究所，
类型：发明
国别省市：四川,51