曝光臺 注意防騙 網曝天貓店富美金盛家居專營店坑蒙拐騙欺詐消費者

2000 年春,鳥類研究實驗室創立了一種能夠更精確地將
生物學目標從氣象信息中區分出來的算法[7 ] . 所采用的方法
是使用神經網絡系統來確定每一公里像素是否是生物學類或
非生物學類目標(雨、雪、谷殼、煙、塵埃等) . 神經網絡系統通
過每個像素在三維空間的反射率數值的形式和分布來確定每
一公里像素的組成成分. 這種新方法得出的結果比以前的圖
像處理法有了很大的進步:與氣象鋒面鄰近和接觸處的生物
學目標可以被分離出來,氣象信息大都被去除掉了,并且能夠
更好地將雪與生物學目標分離開來. 圖2 所示為Sicom Systems
公司提出的一種圖像處理算法的示意圖[23 ] .
3 　雷達鳥類目標探測新進展
311 　地理信息系統( GIS) 與鳥擊雷達防范系統相結合[24 ]
地理信息系統(Geographic Information Systems ,簡稱GIS) 是
一種采集、存儲、管理、分析、顯示與應用地理信息的軟件系
統,是分析和處理海量地理數據的通用技術[25 ] . 地理信息系
統萌芽于20 世紀60 年代的加拿大和美國,1972 年世界上第
一個可運行的地理信息系統—加拿大地理信息系統(CGIS) 全
面投入運行與使用.
地理信息系統是一種決策支持系統,它與其他信息系統
的主要區別是其存儲和處理的信息是經過地理編碼的,地理
位置及與位置有關的地物屬性信息成為信息檢索的重要部
分[26 ] . 通過鳥擊雷達獲取的雷達回波圖像,利用前面的方法
提取鳥群飛行的軌跡,動態獲取鳥群的信息(如位置,高度,飛
行速度等) ,同時將機場附近的環境、氣象及飛機飛行路線等
要素綜合到一個統一的地理信息系統中. 基于這個系統可以
動態跟蹤和監控鳥群的活動,預測鳥擊的概率,及時地將鳥情
信息通報給空管人員和飛行員,避免鳥擊事故的發生. 圖3 是
一個將鳥群跟蹤信息和GIS 系統綜合的一個示意圖.
312 　人工神經網絡應用于雷達鳥類目標識別[27 ,28 ]
20 世紀50 年代,研究人員就開始模擬動物神經系統的某
些功能,他們采用軟件或硬件的辦法,建立了許多以大量處理
單元為結點、處理單元間實現(加權值的) 互聯的拓撲網絡進
行模擬,稱之為人工神經網絡. 人工神經網絡的主要特點在于
其具有信息處理的并行性、自組織和自適應性,具有很強的學
習能力和聯想功能以及容錯性能等,在解決一些復雜的模式
識別問題中顯示出其獨特的優勢,近年來在圖像處理中應用
很多. 人工神經網絡是一種復雜的非線性映射方法,其物理意
義比較難解釋,在理論上還存在一系列亟待解決的問題. 許多
改進的神經網絡系統應用于雷達目標識別. 利用神經網絡可
以有效地將鳥類信息從氣象信息中識別出來. 上文提到的鳥
類研究實驗室在2000 年創立的一種能夠更精確地將生物學
2234 　　電　　子　　學　　報2006 年
目標從氣象信息中區分出來的算法就是應用神經網絡系統.
2001 年6 月,該算法在AHAS 中投入運行. 2002 年前,AHAS 系
統已經在美國48 個州的2/ 3 地區推廣,在2002 年度該系統已
在剩余的1/ 3 地區投入運行.
313 　網絡化的機場鳥類雷達探測系統[29 ,30 ]
近年來,計算機網絡發展迅速,網絡帶寬和速度不斷提
高,大數據量的實時傳輸成為現實,目前使用的機場鳥類雷達
探測系統,是由分布在不同地區的傳感器(雷達) 、處理器、終
端設備通過網絡連接而成的系統. 雷達動態實時地采集不同
地區的鳥情信息,通過網絡傳輸給中央處理器集中分析預測,
通知地勤和空中管制人員采取避險措施;另一方面通過上行
鏈(up2link) 或空中交通服務系統(ATS) 傳遞給飛行員,適當改
變航線或提高爬升率以提高安全系數. 圖4 所示為Sensis 公
司機場監控網絡系統的示意圖[31 ] .
　　上文提到的美國機場終端區域鳥類危險咨詢系統
(TAHAS) , 擁有高掃描速率的ASR29 系統非常適合于機場終
端區域的鳥類活動探測. 與鳥類危險咨詢系統(AHAS) 互為補
充,構成一個遍布全美的網絡,可以有效地探測、記錄美國全
國范圍內的鳥類活動規律和機場終端區域的鳥類活動狀況,
進而通過數據的積累、分析和預測,為降低鳥擊事件提供科學
的指導.
4 　總結和展望
　　鳥擊事件給航空業帶來了巨大的損失,嚴重威脅乘客的
生命安全,并且隨著環境的改善,鳥類數量和航空器數量的增
加,鳥擊事件的概率也在增加. 鳥擊防范工作的必要性和艱巨
性得到了航空界的一致認同和重視. 目前,關于鳥擊問題的研
究已成為國際學術界、民航界的研究熱點,世界上很多國家對
減少鳥擊問題的研究都加大了投入,鳥擊防范研究已發展成
為跨學科的具有重大應用價值的科研課題,吸引了各個方面
的很多專家從事這項工作[32～41 ] .
雷達技術和相應的計算機技術的發展使得能夠開發出鳥
情信息探測和警告的實時系統,為機場鳥擊防范提供了一種
行之有效的方法. 在國外,一些實用的系統也建立起來,起到
了顯著的效果. 我國在這方面的研究才剛剛起步,還有很多工
作要做[42～45 ] .
鳥類等生物目標具有較低的雷達回波反射率,雷達回波
圖像也不同于普通光學圖像. 因此,生物目標探測一直是一個
難點問題,隨著計算機技術的發展和數字圖像處理研究的進
展,許多成熟的算法相繼提出,基于數字圖像處理的鳥類雷達
跟蹤算法也取得了突破. 同時,人工神經網絡的研究再次成為
熱點,提出了許多改進的神經網絡模型,一些模型應用到氣象
雷達信號處理中,進而應用到雷達鳥類目標探測中.
雷達生物目標識別未來的研究仍然從硬件和軟件兩個方
向展開,硬件上進一步改進雷達系統,例如更窄的雷達波束、
更高的分辨率、更低的可探測RCS 值、更快的掃描速度等,改
進雷達信號處理算法,獲取更清晰的雷達回波圖像;軟件算法
上則進一步提高圖像處理水平,更好地將生物信息與非生信
息區分開,開發更友好的交互系統,將全國乃至全世界的飛機
空中管理系統、鳥類雷達探測系統、氣象系統等綜合起來,共
　
中國航空網 www.k6050.com
航空翻譯 www.aviation.cn
本文鏈接地址：鳥擊資料2(37)