曝光台 注意防骗
网曝天猫店富美金盛家居专营店坑蒙拐骗欺诈消费者
2000 年春,鸟类研究实验室创立了一种能够更精确地将
生物学目标从气象信息中区分出来的算法[7 ] . 所采用的方法
是使用神经网络系统来确定每一公里像素是否是生物学类或
非生物学类目标(雨、雪、谷壳、烟、尘埃等) . 神经网络系统通
过每个像素在三维空间的反射率数值的形式和分布来确定每
一公里像素的组成成分. 这种新方法得出的结果比以前的图
像处理法有了很大的进步:与气象锋面邻近和接触处的生物
学目标可以被分离出来,气象信息大都被去除掉了,并且能够
更好地将雪与生物学目标分离开来. 图2 所示为Sicom Systems
公司提出的一种图像处理算法的示意图[23 ] .
3 雷达鸟类目标探测新进展
311 地理信息系统( GIS) 与鸟击雷达防范系统相结合[24 ]
地理信息系统(Geographic Information Systems ,简称GIS) 是
一种采集、存储、管理、分析、显示与应用地理信息的软件系
统,是分析和处理海量地理数据的通用技术[25 ] . 地理信息系
统萌芽于20 世纪60 年代的加拿大和美国,1972 年世界上第
一个可运行的地理信息系统—加拿大地理信息系统(CGIS) 全
面投入运行与使用.
地理信息系统是一种决策支持系统,它与其他信息系统
的主要区别是其存储和处理的信息是经过地理编码的,地理
位置及与位置有关的地物属性信息成为信息检索的重要部
分[26 ] . 通过鸟击雷达获取的雷达回波图像,利用前面的方法
提取鸟群飞行的轨迹,动态获取鸟群的信息(如位置,高度,飞
行速度等) ,同时将机场附近的环境、气象及飞机飞行路线等
要素综合到一个统一的地理信息系统中. 基于这个系统可以
动态跟踪和监控鸟群的活动,预测鸟击的概率,及时地将鸟情
信息通报给空管人员和飞行员,避免鸟击事故的发生. 图3 是
一个将鸟群跟踪信息和GIS 系统综合的一个示意图.
312 人工神经网络应用于雷达鸟类目标识别[27 ,28 ]
20 世纪50 年代,研究人员就开始模拟动物神经系统的某
些功能,他们采用软件或硬件的办法,建立了许多以大量处理
单元为结点、处理单元间实现(加权值的) 互联的拓扑网络进
行模拟,称之为人工神经网络. 人工神经网络的主要特点在于
其具有信息处理的并行性、自组织和自适应性,具有很强的学
习能力和联想功能以及容错性能等,在解决一些复杂的模式
识别问题中显示出其独特的优势,近年来在图像处理中应用
很多. 人工神经网络是一种复杂的非线性映射方法,其物理意
义比较难解释,在理论上还存在一系列亟待解决的问题. 许多
改进的神经网络系统应用于雷达目标识别. 利用神经网络可
以有效地将鸟类信息从气象信息中识别出来. 上文提到的鸟
类研究实验室在2000 年创立的一种能够更精确地将生物学
2234 电 子 学 报2006 年
目标从气象信息中区分出来的算法就是应用神经网络系统.
2001 年6 月,该算法在AHAS 中投入运行. 2002 年前,AHAS 系
统已经在美国48 个州的2/ 3 地区推广,在2002 年度该系统已
在剩余的1/ 3 地区投入运行.
313 网络化的机场鸟类雷达探测系统[29 ,30 ]
近年来,计算机网络发展迅速,网络带宽和速度不断提
高,大数据量的实时传输成为现实,目前使用的机场鸟类雷达
探测系统,是由分布在不同地区的传感器(雷达) 、处理器、终
端设备通过网络连接而成的系统. 雷达动态实时地采集不同
地区的鸟情信息,通过网络传输给中央处理器集中分析预测,
通知地勤和空中管制人员采取避险措施;另一方面通过上行
链(up2link) 或空中交通服务系统(ATS) 传递给飞行员,适当改
变航线或提高爬升率以提高安全系数. 图4 所示为Sensis 公
司机场监控网络系统的示意图[31 ] .
上文提到的美国机场终端区域鸟类危险咨询系统
(TAHAS) , 拥有高扫描速率的ASR29 系统非常适合于机场终
端区域的鸟类活动探测. 与鸟类危险咨询系统(AHAS) 互为补
充,构成一个遍布全美的网络,可以有效地探测、记录美国全
国范围内的鸟类活动规律和机场终端区域的鸟类活动状况,
进而通过数据的积累、分析和预测,为降低鸟击事件提供科学
的指导.
4 总结和展望
鸟击事件给航空业带来了巨大的损失,严重威胁乘客的
生命安全,并且随着环境的改善,鸟类数量和航空器数量的增
加,鸟击事件的概率也在增加. 鸟击防范工作的必要性和艰巨
性得到了航空界的一致认同和重视. 目前,关于鸟击问题的研
究已成为国际学术界、民航界的研究热点,世界上很多国家对
减少鸟击问题的研究都加大了投入,鸟击防范研究已发展成
为跨学科的具有重大应用价值的科研课题,吸引了各个方面
的很多专家从事这项工作[32～41 ] .
雷达技术和相应的计算机技术的发展使得能够开发出鸟
情信息探测和警告的实时系统,为机场鸟击防范提供了一种
行之有效的方法. 在国外,一些实用的系统也建立起来,起到
了显著的效果. 我国在这方面的研究才刚刚起步,还有很多工
作要做[42～45 ] .
鸟类等生物目标具有较低的雷达回波反射率,雷达回波
图像也不同于普通光学图像. 因此,生物目标探测一直是一个
难点问题,随着计算机技术的发展和数字图像处理研究的进
展,许多成熟的算法相继提出,基于数字图像处理的鸟类雷达
跟踪算法也取得了突破. 同时,人工神经网络的研究再次成为
热点,提出了许多改进的神经网络模型,一些模型应用到气象
雷达信号处理中,进而应用到雷达鸟类目标探测中.
雷达生物目标识别未来的研究仍然从硬件和软件两个方
向展开,硬件上进一步改进雷达系统,例如更窄的雷达波束、
更高的分辨率、更低的可探测RCS 值、更快的扫描速度等,改
进雷达信号处理算法,获取更清晰的雷达回波图像;软件算法
上则进一步提高图像处理水平,更好地将生物信息与非生信
息区分开,开发更友好的交互系统,将全国乃至全世界的飞机
空中管理系统、鸟类雷达探测系统、气象系统等综合起来,共
中国航空网 www.aero.cn
航空翻译 www.aviation.cn
本文链接地址：
鸟击资料2(37)
