機(jī)場場面氣候環(huán)境復(fù)雜，目標(biāo)運(yùn)動(dòng)特性差別很大，充分考慮飛 機(jī)目標(biāo)結(jié)構(gòu)特性以及機(jī)場不同區(qū)域特點(diǎn)，采用了基于特征匹配的 目標(biāo)跟蹤算法：首先根據(jù)機(jī)場不同區(qū)域目標(biāo)的不同運(yùn)動(dòng)特性，對(duì) 特定區(qū)域目標(biāo)采取相應(yīng)的參數(shù)進(jìn)行點(diǎn)航相關(guān);然后通過特征匹配 的找到正確的跟蹤目標(biāo)點(diǎn)，并利用特征匹配結(jié)果修正跟蹤點(diǎn)，提 高目標(biāo)跟蹤的準(zhǔn)確率。通過對(duì)某場面監(jiān)視雷達(dá)實(shí)際目標(biāo)跟蹤數(shù)據(jù)分析得出：引入特征匹配算法后飛機(jī)目標(biāo) 能夠連續(xù)穩(wěn)定跟蹤，有效抑制虛警目標(biāo)。

　　隨著國內(nèi)近些年經(jīng)濟(jì)的飛速發(fā)展，航空 運(yùn)輸業(yè)也同樣發(fā)展迅猛，很多運(yùn)輸量大的機(jī) 場正面臨著處理起降次數(shù)猛增，管理越來越 多的飛機(jī)及相應(yīng)增加的地服車輛的問題，同 時(shí)氣候環(huán)境多變等不利條件也對(duì)機(jī)場場面調(diào) 度管理增加了難度。 一些規(guī)模大、場景復(fù)雜的機(jī)場，在各種復(fù) 雜氣候環(huán)境下同時(shí)有兩三條甚至四條跑道起降來自不同航空公司的客 機(jī)。

　　同時(shí)地面的服務(wù)車輛也在不停地穿插運(yùn)行，因此在實(shí)際的運(yùn)營操作 中不可避免的存在飛機(jī)、車輛、人員等穿越跑道、滑行道的情況;而在 某些氣候條件差(如經(jīng)常有大霧天氣的)的機(jī)場，場面的指揮調(diào)度工 作就很難進(jìn)行，甚至無從下手，這些問題都急需一種可靠穩(wěn)定的目標(biāo) 跟蹤方法實(shí)現(xiàn)對(duì)整個(gè)機(jī)場場面監(jiān)視，進(jìn)而才能有效的避免交通沖突。 目前解決此類問題，各大機(jī)場主要是通過引入場面監(jiān)視雷達(dá)來 實(shí)現(xiàn)實(shí)時(shí)監(jiān)控整個(gè)機(jī)場的調(diào)度。

　　場面監(jiān)視雷達(dá)(Surface Movement Radar，SMR)區(qū)別于其他雷達(dá)傳感器的關(guān)鍵特征是它的全天候、 高轉(zhuǎn)速(60轉(zhuǎn)/分)、高分辨率(對(duì)機(jī)場跑道異物進(jìn)行監(jiān)視，包括 手提箱)和實(shí)孔徑成像。傳統(tǒng)場面監(jiān)視雷達(dá)的目標(biāo)跟蹤，在于先進(jìn) 行數(shù)字信號(hào)處理后目標(biāo)凝聚的點(diǎn)檢測(cè)，再進(jìn)行點(diǎn)航跡相關(guān)，最后實(shí) 現(xiàn)目標(biāo)的跟蹤。這種跟蹤處理方法在大多數(shù)情況下是可靠穩(wěn)定的， 但是如果目標(biāo)附近出現(xiàn)雜波或者某些干擾情況下，很容易出現(xiàn)目標(biāo) 跟蹤跳動(dòng)或者偏離實(shí)際位置。雖然這種情況出現(xiàn)的概率比較小，但是一旦出現(xiàn)就有可能造成機(jī)場調(diào)度的錯(cuò)誤判斷，影響到整個(gè)機(jī)場的 正常運(yùn)行。

　　本文針對(duì)這些問題，利用場面監(jiān)視雷達(dá)高分辨率以及機(jī)場活動(dòng) 區(qū)域的特點(diǎn)，提出了一種基于特征匹配的機(jī)場場面目標(biāo)跟蹤方法。 首先介紹基于特征匹配的場面監(jiān)視雷達(dá)目標(biāo)跟蹤架構(gòu)，然后是目標(biāo) 特征庫的構(gòu)建和特征匹配具體實(shí)現(xiàn)的步驟，以及機(jī)場區(qū)域參數(shù)的提 取和設(shè)置，最終給出機(jī)場場面目標(biāo)跟蹤問題解決的實(shí)驗(yàn)仿真結(jié)果。

　　1 基于特征匹配的機(jī)場場面目標(biāo)跟蹤架構(gòu)

　　場面監(jiān)視雷達(dá)的高分辨率特點(diǎn)意味著可以通過圖像處理技術(shù)提取出目標(biāo)的結(jié)構(gòu)特征，進(jìn)而得到目標(biāo)精確的位置信息。此外，機(jī) 場目標(biāo)的機(jī)動(dòng)特性和區(qū)域信息，對(duì)點(diǎn)航跡相關(guān)時(shí)提供了更多有效 的限制參數(shù)。本文提出了基于特征匹配的目標(biāo)跟蹤處理架構(gòu)，主要包括點(diǎn)航相關(guān)、特征匹配和目標(biāo)點(diǎn)位置修 正、航跡更新等處理模塊，以及機(jī)場區(qū)域參數(shù)、目標(biāo)特征庫等先 驗(yàn)知識(shí)支撐庫。點(diǎn)航相關(guān)模塊是以當(dāng)前凝聚的點(diǎn)跡與相應(yīng)的航跡進(jìn)行相關(guān)。

　　由于場監(jiān)雷達(dá)為一次雷達(dá)，無二次信息可用，因此通過最近鄰域方 法與已有航跡相關(guān)，相關(guān)時(shí)主要通過目標(biāo)的區(qū)域以及對(duì)應(yīng)的目標(biāo) 的運(yùn)動(dòng)特性來計(jì)算相關(guān)性，例如起飛區(qū)域的速度、加速度或者降 落區(qū)域的速度、加速度等信息可以用來預(yù)測(cè)跟蹤波門的大小，這 樣可以提高點(diǎn)跡和正確航跡相關(guān)上的概率。

　　此外，各個(gè)區(qū)域之間 的關(guān)系也可以避免一些多目標(biāo)的誤相關(guān)，如跑道上滑行飛機(jī)其下 一幀應(yīng)出現(xiàn)在跑道上，在跑道、滑行道連接區(qū)域其下一幀只會(huì)進(jìn) 入跑道或滑行道。 特征匹配模塊主要分為目標(biāo)特征庫的構(gòu)建和特征匹配兩個(gè)部 分，主要涉及的技術(shù)有圖像預(yù)處理、特征提取、特征庫構(gòu)建和特征 匹配。具體的算法在下一節(jié)中詳細(xì)介紹。

　　目標(biāo)點(diǎn)位置修正模塊是在特征匹配結(jié)束后，將目標(biāo)區(qū)域提取 出來，然后對(duì)提取的目標(biāo)區(qū)域獲得相對(duì)于跟蹤坐標(biāo)系的目標(biāo)位置質(zhì) 心，包括相對(duì)于擴(kuò)展目標(biāo)質(zhì)心位置、目標(biāo)合成形狀的目標(biāo)特性集合 以及測(cè)量誤差統(tǒng)計(jì)模型、質(zhì)心位置和特性的誤差協(xié)方差矩陣等，最 后以此修正目標(biāo)點(diǎn)的位置。 航跡更新模塊將修正后的點(diǎn)跡信息更新到航跡中，并通過平滑 濾波計(jì)算出當(dāng)前航跡狀態(tài)向量，有平滑位置信息、速度信息、更新 時(shí)間信息以及特征的濾誤差協(xié)方差矩陣。

　　2 特征庫和特征匹配

　　2.1 圖像預(yù)處理

　　點(diǎn)航相關(guān)后從原始回波圖像中提取出點(diǎn)跡周圍區(qū)域的回波圖 像，區(qū)域的大小由目標(biāo)回波圖像大小決定，以某機(jī)場為例，以點(diǎn)跡為中心的90×90像素大小的圖像。然后對(duì)提取 的圖像進(jìn)行二值化處理，此時(shí)部分的像素點(diǎn)分 布比較分散，可以通過進(jìn)行幾次開運(yùn)算(先腐蝕后膨脹)，消除這 些那些分散的像素點(diǎn)，這樣就可以去除大量的背景，然后再進(jìn)行一 次閉運(yùn)算(先膨脹后腐蝕)將一些區(qū)域連通起來，目的是為了盡可 能完整的保留目標(biāo)區(qū)域，提高后續(xù)的特征提取有效性。最后將目標(biāo)的有效區(qū)域分割出來，并根據(jù)目標(biāo)所在區(qū)域機(jī) 場跑道的方向進(jìn)行旋轉(zhuǎn)變換，獲得統(tǒng)一方向的目標(biāo)圖像 。

　　2.2 特征提取

　　結(jié)合飛機(jī)目標(biāo)本身的機(jī)構(gòu)特點(diǎn)構(gòu)造了一些類Haar特征并以此提 取出飛機(jī)目標(biāo)的結(jié)構(gòu)特征，利用提取的特征構(gòu)建飛機(jī)目標(biāo)的特征 庫。Haar特征中包括線性特征、邊緣特征、中心特征以及對(duì)角線 特征，將這些特征組成了一組具有豐富特征信息的特征模板。特 征模板是由白色矩形塊和黑色矩形塊組成，模板的特征值就是白 色矩形像素和減去黑色矩形像素和。

　　2.3 特征庫構(gòu)建

　　目標(biāo)特征的提取只是提取了圖像中的一個(gè)個(gè)單獨(dú)的特征，再處 理了大量的樣本圖像數(shù)據(jù)后，會(huì)產(chǎn)生一個(gè)很大的特征集合，這些特 征中會(huì)有不必要的冗余信息，為了充分利用這些特征信息，還需要 通過訓(xùn)練將這些特征進(jìn)一步的優(yōu)化精簡，并建立一個(gè)特征庫，作為 先驗(yàn)知識(shí)供后續(xù)處理使用。

　　2.4 特征匹配

　　特征匹配的流程是先根據(jù)點(diǎn)跡信息提取點(diǎn)跡區(qū)域的特征，獲得 待匹配的特征向量，然后根據(jù)點(diǎn)跡區(qū)域信息從目標(biāo)特征庫中索引出 相應(yīng)的特征集合，依次進(jìn)行特征距離計(jì)算，計(jì)算結(jié)果在閾值范圍內(nèi) 則匹配成功，否則失敗。

　　3 機(jī)場區(qū)域參數(shù)

　　在不同區(qū)域(跑道、滑行道、停機(jī)坪等)，飛機(jī)目標(biāo)的運(yùn)動(dòng)特 性也是有很大差異的，為了提高點(diǎn)航相關(guān)以及平滑濾波的準(zhǔn)確性， 需要先根據(jù)區(qū)域確定飛機(jī)目標(biāo)的位置信息和運(yùn)動(dòng)參數(shù)，然后以此為 依據(jù)生成相應(yīng)的相關(guān)波門信息和濾波平滑參數(shù)。

　　4 仿真結(jié)果

　　為了檢驗(yàn)本算法的可用性，在某場面監(jiān)視雷達(dá)設(shè)備上通過實(shí)測(cè) 數(shù)據(jù)對(duì)目標(biāo)跟蹤算法的性能進(jìn)行驗(yàn)證，場監(jiān)雷達(dá)的系統(tǒng)參數(shù)為：轉(zhuǎn) 速60rpm，工作頻率15.9GHz，雷達(dá)威力5km，距離分辨率為3m， 方位分辨率為0.35°，目標(biāo)定位精度10m。跟蹤目標(biāo)包括降落-滑 行-停止的飛機(jī)和滑行-等待-起飛的飛機(jī)。觀測(cè)并記錄三天的某機(jī)場的場間雷達(dá)共271批數(shù)據(jù)，這些數(shù)據(jù) 都是在未加入特征匹配算法情況下的實(shí)驗(yàn)數(shù)據(jù);然后通過在加入 特征匹配算法的跟蹤軟件中重演這段時(shí)間的數(shù)據(jù)，記錄下跟蹤情 況;最后統(tǒng)計(jì)比較在不同區(qū)域下不同跟蹤方法的相關(guān)準(zhǔn)確率以及虛假航跡個(gè)數(shù)等統(tǒng)計(jì)結(jié)果。

　　采用特征匹配方法后，目標(biāo)跟蹤的相 關(guān)準(zhǔn)確率得到了極大的提高，并且對(duì)虛假航跡的抑制也有很好的效果，尤其在跑道和滑行區(qū)。此外，本算法雖然提高了跟蹤的質(zhì)量，但同時(shí)相較于傳統(tǒng)跟蹤 方法，增加了特征匹配部分，意味著區(qū)域存儲(chǔ)和計(jì)算的計(jì)算量也會(huì)增大，尤其是在雜波點(diǎn)較多的情況，會(huì)增加比較大的計(jì)算量，因此在雜波較少的跑道和滑行道區(qū)域使用更加合理。

　　機(jī)場方向論文范例：機(jī)場通信導(dǎo)航臺(tái)站的雷電防護(hù)系統(tǒng)探究

　　結(jié)論：通過對(duì)機(jī)場場面活動(dòng)目標(biāo)跟蹤問題研究，在目標(biāo)跟蹤 過程中考慮區(qū)域類型，并引入特征匹配算法加強(qiáng)目標(biāo)的虛警抑 制和跟蹤準(zhǔn)確性，本文提出了基于特征匹配的目標(biāo)跟蹤處理架 構(gòu)：首先介紹了點(diǎn)航相關(guān)、特征匹配和目標(biāo)點(diǎn)位置修正、航跡 更新等處理模塊，以及機(jī)場區(qū)域參數(shù)、目標(biāo)特征庫等先驗(yàn)知識(shí)支 撐庫;其次重點(diǎn)對(duì)特征庫的構(gòu)建和特征匹配算法進(jìn)行了詳細(xì)描 述;最后通過比較某場面監(jiān)視雷達(dá)設(shè)備上的實(shí)測(cè)數(shù)據(jù)和基于本 算法軟件的重演結(jié)果數(shù)據(jù)，發(fā)現(xiàn)本文的算法能夠?qū)�機(jī)場場面飛 機(jī)目標(biāo)進(jìn)行全程穩(wěn)定跟蹤，對(duì)于各個(gè)區(qū)域跟蹤的復(fù)雜運(yùn)動(dòng)特性， 本文的跟蹤算法有良好的適應(yīng)能力，解決了機(jī)場場面復(fù)雜場景的 活動(dòng)目標(biāo)跟蹤問題。

　　作者：廖圣龍 靳俊峰