机场雷达探鸟中的飞鸟群目标跟踪与鸟击风险评估算法研究

鸟击是威胁航空安全的重大隐患。由于雷达探鸟手段的各种优越性，研制和布置探鸟雷达系统已成为国际上用于机场范围内鸟击防范的重要技术手段。在多年的研究基础上，本课题拟解决机场雷达探鸟中的两个关键问题：飞鸟群目标跟踪与鸟击风险评估算法。.1）鸟群对飞行安全的威胁最大，其个体目标距离较近且运动方式趋同，导致传统的多目标跟踪算法中的数据关联错误严重且计算效率低下。中心群目标跟踪算法作为飞鸟目标检测与跟踪算法的重要组成部分，能避免以上问题，在节省雷达资源的同时取得更好的跟踪效果。.2）鸟击风险评估模型对由飞鸟目标检测与跟踪算法提取的鸟情信息进行处理，给出鸟击风险指数。该模型是受"机场鸟情信息"和"飞行器飞行状态"双重因素制约的层次结构模型，对每层结构中决定鸟击风险的若干因素的权重进行量化。风险评估的结果一方面为机场实时驱鸟提供科学指导；另一方面将其保存至"历史鸟情数据库"，为机场长期的鸟害防治提供依据。

本项目（2011.1-2013.12）主要解决机场雷达探鸟中的两个关键问题：飞鸟群目标跟踪与鸟击风险评估算法。.1）鸟群对飞行安全的威胁最大，利用雷达测量数据建立鸟群目标跟踪算法。将聚类算法与卡尔曼滤波方法相结合，研究了中心群目标跟踪中群航迹的关联、分离与合并等问题，针对仿真数据，实现了对群目标的跟踪，以及群目标的合并与分离，并估计了合并与分离的时间。同时，基于雷达实测数据，对鸟群目标进行了实时跟踪，提高了跟踪效率。.2）提出一种实时鸟击风险评估方法。该方法利用机场探鸟雷达获取的实时鸟情信息，通过估计鸟击概率和严重程度来实时评估鸟击风险。以飞鸟和跑道位置为自变量建立预估方程，计算鸟击概率。将德尔菲法和层次分析法（AHP）相结合，建立鸟击严重程度估计模型；该模型充分利用了专家知识和定量计算的优点，称为DAHP模型。为减少该模型中同一层次上参数的个数，采取将影响评估结果的因素置于一个双层模型中，因而避免由于同一层次上参数过多造成比较矩阵不满足一致性的问题。其中，第一层包含飞行器和飞鸟两个因素；在第二层，飞行器因素分解为飞机型号和飞行状态两个子因素，飞鸟因素分解为数量和个体重量两个子因素。最后，利用某三跑道国际机场的仿真数据和某单跑道机场的实测数据的对本评估方法经过了测试，效果良好。..本项目已发表/录用标注资助论文28篇（其中SCI已检索20篇，EI已检索23篇，另录用SCI论文3篇）。授权发明专利3项，申请发明专利1项；培养博士后1名，博士生2名，硕士生5名；承办了相关国际会议1次。经过三年研究，顺利完成了研究内容，达到了预期目标。