基于混合高斯模型的跑道侵入检测方法

面对机场不断增加的航班量,为了保障航班安全,避免发生跑道侵入,使用了基于混合高斯模型的背景减除法,在机场采集的视频数据中,追踪跑道安全区附近的运动目标。使用Graham Scan算法计算动态目标像素点的边框,根据前后帧之间动态目标的变化,计算其运动状态。在视频图像中标记跑道及跑道安全区,并使用旋转卡壳凸包算法计算动态目标与跑道安全区的最小距离。提出了的跑道侵入检测模型及方法,用于检测是否存在跑道侵入风险。仿真结果表明,该方法能够有效的机场安全区附近的追踪动态目标,并评估跑道侵入的告警等级。     

基于k最近邻的激光雷达飞机尾涡识别

为了对脉冲多普勒激光雷达探测径向速度场进行识别,建立了基于k最近邻(KNN)方法的分类模型。结合飞机尾涡Hallock-Burnham模型和脉冲多普勒激光雷达特性,提取脉冲多普勒激光雷达探测径向速度场的特征参量。基于现有测试数据,在非均匀背景风场下利用KNN方法对飞机尾涡进行识别。结果表明,以准确率(ACC)和ROC曲线下的面积(AUC)作为评估标准,所提出的方法对尾流识别所获得的ACC和AUC分别为0.772和0.855。该方法可有效地识别飞机尾涡并具备较好的鲁棒性。     

多普勒激光雷达的飞机尾涡识别方法

为了提高民航安全和飞行效率，实现对尾涡的准确识别，对飞机尾涡的空气动力学理论，特别是经典的Hallock-Burnham尾涡速度数学模型进行了分析研究。结合多普勒激光雷达探测涡流风场径向速度的原理，建立了雷达飞机尾涡探测的径向速度标准模型，引入滑动窗口思想，提出一种基于波形相似度匹配的方法，对尾涡进行自动识别，并给出了详细的算法流程；利用实测的激光雷达风场及雷达底层数据和假设检验方法对该识别方法进行了理论分析和实验验证。结果表明，该算法对飞机尾涡的有效识别率为90%。研究结果对进一步的尾涡监测具有一定参考价值。