[0001] 本发明涉及雷达监视技术领域，具体为一种基于智能调度监测平台的机场雷达监视装置及方法。

[0002] 现代航空交通的迅猛发展导致机场的航班数量和频率急剧增加，为了有效管理和保障航空器的起降安全，机场需要更加先进的监视和调度系统，以处理日益复杂的航空流量，传统的雷达监视系统可能无法完全满足现代机场运营需求，因此研究更智能的雷达监视方法显得尤为重要，提高机场的运营效率和安全性是各大机场管理者的首要任务，提前预警潜在的安全威胁，从而更好地保障航空安全。

[0003] 如今，对一种基于智能调度监测平台的机场雷达监视的研究还存在一些不足，具体体现在传统的机场雷达监视考虑的因素具有单一性，也无法灵活面对多变的复杂情况，单一性的监控范围限制了雷达系统的全面性，可能导致对其他潜在威胁或干扰的忽视，传统系统通常缺乏自动化调整和适应能力，导致监控盲区或监控效果的降低，进而影响机场运营安全和效率，传统系统通常依赖于单一数据源，缺乏对多源数据的整合和处理能力，难以有效利用这些多源数据进行智能综合分析和决策支持。

[0026] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0027] 参照图1所示，本发明第一方面提供了一种基于智能调度监测平台的机场雷达监视方法。

[0028] 获取机场雷达工作环境条件数据集，基于获取的机场雷达工作环境条件数据集，比对得到机场雷达脉冲信号发送频率。

[0029] 具体的，机场雷达工作环境条件数据集，具体包括机场雷达工作环境海拔高度、机场雷达工作环境背景噪声分贝值、机场雷达工作环境大气折射率，海拔高度是指机场雷达安装位置相对于平均海平面的垂直高度，是地理坐标系统中的一个重要参数，对雷达系统的覆盖范围和信号传播有直接影响，海拔高度通常通过高精度的测量设备或地理信息系统(G I S)获取，背景噪声分贝值是指在雷达工作环境中，未受信号干扰的情况下存在的环境噪声水平，以分贝(dB)为单位衡量，影响雷达接收信号的清晰度和质量，背景噪声的测量通常使用频谱分析仪获取，大气折射率描述了电磁波在大气中传播时的弯曲程度，受温度、湿度和气压等因素影响，会影响雷达波的传播路径，从而影响目标的定位精度，大气折射率通常通过大气探空仪获取。

[0030] 需要解释的是，上述海拔高度对空气密度有显著影响，随着海拔的增加，空气密度减小，大气折射率也会相应变化，较低的空气密度通常会降低大气折射率，从而影响电磁波的传播路径和弯曲程度，在高海拔地区，大气折射率较低，这可能导致雷达波在传播中的弯曲效应减少，从而影响目标的探测范围和定位精度，海拔高度通常与人类活动的密度相关，较高的海拔地区往往远离密集的人类活动和工业设施，这可能导致背景噪声水平较低，在较低的海拔地区，尤其是靠近城市或工业区的地方，背景噪声水平可能较高，因而对雷达信号接收的干扰也较大，大气折射率变化会影响电磁波的传播路径，这可能影响背景噪声的接收，在折射率较高的条件下，电磁波传播路径可能被弯曲，导致噪声信号传播的距离和方向发生变化，从而影响雷达接收到的背景噪声水平。

[0031] 进一步的，基于获取的机场雷达工作环境条件数据集，比对得到机场雷达脉冲信号发送频率，具体分析过程为：基于获取的机场雷达工作环境条件数据集，综合分析得到机场雷达工作环境条件特征值，机场雷达工作环境条件特征值作为比对得到机场雷达脉冲信号发送频率的分析依据；将机场雷达工作环境条件特征值与数据库中存储的各机场雷达工作环境条件特征值对应的机场雷达脉冲信号发送频率进行比对，得到该机场雷达工作环境条件特征值对应的机场雷达脉冲信号发送频率。

[0032] 需要解释的是，上述通过获取机场雷达工作环境条件数据集，比对得到机场雷达脉冲信号发送频率，获取和分析雷达工作环境条件数据集，调整雷达脉冲信号的发送频率，优化雷达的工作状态，这种自适应的调整有助于减少信号衰减和失真，提高目标检测和识别的精度，还可以避开环境噪声的干扰频段，从而提升信噪比，增强目标信号的清晰度和可检测性，通过根据环境条件调整雷达频率，可以减少不必要的能量消耗，优化系统资源的使用，不仅可以延长设备的使用寿命，还能提升整个雷达系统的运营效率。

[0033] 需要解释的是，上述机场雷达工作环境条件特征值，具体分析过程为：

[0034]

[0035] 式中，β为机场雷达工作环境条件特征值，hb为机场雷达工作环境海拔高度，zy为机场雷达工作环境背景噪声分贝值，zs为机场雷达工作环境大气折射率，ε1为设定的机场雷达工作环境海拔高度的补偿因子，ε2为设定的机场雷达工作环境背景噪声分贝值的补偿因子，ε3为设定的机场雷达工作环境大气折射率的补偿因子。

[0036] 需要解释的是，上述机场雷达工作环境条件特征值是通过机场雷达工作环境海拔高度、机场雷达工作环境背景噪声分贝值、机场雷达工作环境大气折射率计算得到，对机场雷达工作环境海拔高度、机场雷达工作环境背景噪声分贝值、机场雷达工作环境大气折射率进行归一化处理，考虑海拔高度和大气折射率等环境因素，可以更准确地评估雷达信号的传播特性，从而提高对目标的检测和识别精度，分析背景噪声分贝值能够帮助调整雷达的信号处理算法，降低噪声对雷达信号的干扰，提高信号的清晰度和可靠性，了解不同环境条件下的特征值，可以根据实际工作环境对雷达的配置和使用进行优化，从而提升设备的适应性和运行效率，基于环境特征值的数据，可以在雷达算法中嵌入更精确的环境参数，从而提高预测能力和误警率的降低，理解和量化环境因素对雷达信号的影响，有助于减少因环境变化导致的故障或性能下降，利用环境特征值进行分析和建模，推动雷达技术的智能化进程，增强数据驱动的决策能力，设定的机场雷达工作环境海拔高度、机场雷达工作环境背景噪声分贝值、机场雷达工作环境大气折射率的补偿因子是从数据库中获取的，根据历史数据建立历史测量的机场雷达工作环境海拔高度、机场雷达工作环境背景噪声分贝值、机场雷达工作环境大气折射率与机场雷达工作环境海拔高度、机场雷达工作环境背景噪声分贝值、机场雷达工作环境大气折射率的补偿因子的映射集，得到当前机场雷达工作环境海拔高度、机场雷达工作环境背景噪声分贝值、机场雷达工作环境大气折射率对应的机场雷达工作环境海拔高度、机场雷达工作环境背景噪声分贝值、机场雷达工作环境大气折射率的补偿因子。

[0037] 在一个具体的实施例中，将实时的工作环境条件特征值与数据库中的历史数据进行比对，可以找到最匹配的脉冲信号发送频率，自适应调整能够优化雷达的信号传播和接收性能，提高目标探测的精度和可靠性，机场雷达工作环境条件可能会因为天气变化、季节变迁等因素而频繁变化，实时获取和分析环境条件特征值，并比对相应的发送频率，雷达系统能够快速适应这些变化，保持最佳的操作状态，匹配的脉冲发送频率能够减少信号衰减、干扰和失真，提升信噪比(SNR)，不仅提高了目标检测的效率和精度，还减少了误报和漏报的可能性，增强了雷达系统的整体性能，不同的发送频率可能会受不同类型的噪声和干扰影响，选择一个最适合当前环境条件的发送频率，可以有效避免电磁干扰和环境噪声对信号的影响，确保信号清晰度，通过数据驱动的方式来决定当前的发送频率，不仅基于理论计算，更结合了实际操作中的经验数据，为决策提供了有力的支持。

[0038] 获取机场雷达监视信号状态数据集，基于获取的机场雷达监视信号状态数据集，比对得到机场雷达监视识别偏差值。

[0039] 具体的，基于获取的机场雷达监视信号状态数据集，比对得到机场雷达监视识别偏差值，具体分析过程为：获取机场雷达监视信号状态数据集，机场雷达监视信号状态数据集具体包括机场雷达监视天线波束宽度、机场雷达监视信号脉冲宽度、机场雷达监视信号发射功率，天线波束宽度指的是雷达天线发出的电磁波在特定方向上的角度范围，以度为单位表示，波束宽度越窄，雷达的空间分辨率越高，但覆盖范围越小，宽波束覆盖范围大，但分辨率较低，使用特定的天线测量设备，可以通过对发射和接收的信号进行分析来确定天线波束宽度，信号脉冲宽度是雷达发射的电磁脉冲的持续时间，以微秒为单位表示，脉冲宽度影响雷达的距离分辨率，即雷达能够分辨两个相邻目标的最小距离，通过示波器获取，信号发射功率是雷达系统发射电磁波的功率，通常以瓦特为单位表示，发射功率决定了雷达的探测范围和目标反射信号的强度，使用射频功率计直接测量雷达系统的发射功率；基于获取的机场雷达监视信号状态数据集，综合分析得到机场雷达监视信号状态特征值，机场雷达监视信号状态特征值作为比对得到机场雷达监视识别偏差值的分析依据；将机场雷达监视信号状态特征值与数据库中存储的各机场雷达监视信号状态特征值对应的机场雷达监视识别偏差值进行比对，得到该机场雷达监视信号状态特征值对应的机场雷达监视识别偏差值。

[0040] 需要解释的是，上述天线波束宽度决定了雷达的空间覆盖范围，较窄的波束集中信号能量在较小的区域内，可以增加信号强度，延长探测距离，在相同的发射功率下，窄波束可以达到更远的探测范围，窄波束覆盖的区域较小，不利于大范围的监视，窄波束也提高了雷达的空间分辨率，有助于精确识别和定位目标，但窄波束可能需要更高的发射功率来覆盖相同的区域，因为信号能量集中在较小的区域内，可能导致功率密度过高而产生功率损失，信号的脉冲宽度直接影响每个脉冲的能量，较长的脉冲宽度意味着更多的能量积累，有助于提高目标的回波信号强度，从而在较大的距离上检测目标，较长的脉冲宽度可以弥补较低发射功率的不足，提高远程探测能力，窄波束宽度和短脉冲宽度的组合通常用于提高雷达的目标分辨能力，雷达可以在较小的空间内识别和定位多个目标，以及在距离轴上分辨出相邻的目标。

[0041] 需要解释的是，上述分析机场雷达监视信号状态特征值，如天线波束宽度、信号脉冲宽度和信号发射功率，可以全面评估雷达系统在特定条件下的性能，比对这些特征值与历史数据库中的数据，可以确定系统是否有优化空间，识别偏差值是系统实际性能与预期性能之间的差异，通过比对雷达信号状态特征值，可以识别这些偏差，明确的偏差值可以帮助系统工程师识别可能的原因，如设备老化、环境变化或配置不当，从而采取针对性的校正措施，持续监测和比对，系统可以检测到异常情况的早期征兆，例如某些参数的变化超出正常范围，及时的检测和响应可以防止潜在问题进一步恶化，确保雷达系统的可靠性和稳定性，分析信号状态特征值和对应的识别偏差值，可以获得关于系统设置优化的有价值反馈，调整天线波束宽度、脉冲宽度或发射功率等参数，可以在不同的操作条件下优化雷达系统的性能。

[0042] 需要解释的是，上述通过获取机场雷达监视信号状态数据集，比对得到机场雷达监视识别偏差值，偏差值的分析可以帮助识别雷达系统中潜在的异常情况，通过早期检测这些异常，可以及时进行维护或调整，避免影响监视系统的整体性能，还可以动态调整雷达的工作参数，有助于提高雷达的探测灵敏度和分辨率，使其在不同环境条件下都能保持最佳性能，识别和纠正监视偏差值有助于增强雷达系统的鲁棒性，使其在面对多变的环境条件时仍能可靠工作，这种鲁棒性确保了系统的长期稳定运行，减少了因环境变化而导致的性能波动。

[0043] 进一步的，机场雷达监视信号状态特征值，具体分析过程为：

[0044]

[0045] 式中，δ为机场雷达监视信号状态特征值，sb为机场雷达监视天线波束宽度，mc为机场雷达监视信号脉冲宽度，gl为机场雷达监视信号发射功率，σ1为设定的机场雷达监视天线波束宽度的补偿因子，σ2为设定的机场雷达监视信号脉冲宽度的补偿因子，σ3为设定的机场雷达监视信号发射功率的补偿因子。

[0046] 需要解释的是，上述机场雷达监视信号状态特征值是通过机场雷达监视天线波束宽度、机场雷达监视信号脉冲宽度、机场雷达监视信号发射功率计算得到，对机场雷达监视天线波束宽度、机场雷达监视信号脉冲宽度、机场雷达监视信号发射功率进行归一化处理，优化天线波束宽度可以提高对特定区域内目标的检测能力，减少背景噪声和无关回波的干扰，增强目标的识别性，合理调整信号脉冲宽度，可以改善不同目标之间的分辨能力，使系统更容易区分近距离的多个目标，合理计算信号发射功率，可以在确保良好探测性能的同时，降低能耗，提高系统的经济性和环境友好性，结合脉冲宽度和发射功率特征，使得系统在长时间跟踪期间能保持高精度，有效减少动态目标跟踪中的误差，借助这些信号状态特征值，可以为雷达数据处理算法提供更精确的参考依据，推动算法的优化和提升，设定的机场雷达监视天线波束宽度、机场雷达监视信号脉冲宽度、机场雷达监视信号发射功率的补偿因子是从数据库中获取的，根据历史数据建立历史测量的机场雷达监视天线波束宽度、机场雷达监视信号脉冲宽度、机场雷达监视信号发射功率与机场雷达监视天线波束宽度、机场雷达监视信号脉冲宽度、机场雷达监视信号发射功率的补偿因子的映射集，得到当前机场雷达监视天线波束宽度、机场雷达监视信号脉冲宽度、机场雷达监视信号发射功率对应的机场雷达监视天线波束宽度、机场雷达监视信号脉冲宽度、机场雷达监视信号发射功率的补偿因子。

[0047] 基于机场雷达脉冲信号发送频率，获取机场雷达监视识别特征数据集，基于获取的机场雷达监视识别特征数据集，综合分析得到机场雷达监视识别特征值。

[0048] 具体的，基于获取的机场雷达监视识别特征数据集，综合分析得到机场雷达监视识别特征值，具体分析过程为：基于机场雷达脉冲信号发送频率，获取机场雷达监视识别特征数据集，机场雷达监视识别特征数据集具体包括机场雷达监视识别在监测区域鸟类数量、机场雷达监视识别在监测区域人员数量、机场雷达监视识别在监测区域车辆数量，机场雷达监视识别在监测区域鸟类数量指利用雷达技术检测和识别在机场监测区域内飞行或移动的鸟类数量，机场雷达监视识别在监测区域人员数量指利用雷达技术监测和识别在机场特定区域内活动的人员数量，机场雷达监视识别在监测区域车辆数量指利用雷达技术监测和识别在机场特定区域内移动的车辆数量，基于K12T探鸟雷达、L8000探测预警雷达、K12低空监视雷达、K30空地一体多功能雷达获取机场雷达监视识别在监测区域鸟类数量、机场雷达监视识别在监测区域人员数量、机场雷达监视识别在监测区域车辆数量；基于获取的机场雷达监视识别特征数据集，综合分析得到机场雷达监视识别特征值，机场雷达监视识别特征值作为判断监视区域是否存在风险的分析依据。

[0049] 需要解释的是，上述鸟类可能与飞行安全产生直接影响，人员和车辆的移动则关系到整体机场运行的效率与安全，整合对鸟类、人员与车辆的监测数据，机场管理层能够更全面地了解机场的动态情况，从而制定更为有效的应急预案和安全措施，鸟类的活动可能受到人员和车辆的影响，机场内的交通活动可能会干扰鸟类的栖息和飞行习惯，导致鸟类迁徙活动的变化。

[0050] 需要解释的是，上述监测鸟类、人员和车辆的数量，可以及时发现潜在的安全隐患，防止鸟击事故及其它安全事件的发生，确保机场运营的安全性，综合利用特征数据集可以为机场管理层提供量化的分析基础，支持数据驱动的决策过程，帮助识别与评估不同情况下的风险级别，对特征值的分析，可以实现对监视区域的动态监控，根据不同的鸟类、人员或车辆活动的变化，有效调整航班计划、地面交通管理，及时的响应可以大大降低事故发生的概率，建立基于数据的监测和决策体系，提升机场的管理透明度，增强公众对机场安全措施的信任感，并提高公众对机场运营的满意度。

[0051] 进一步的，机场雷达监视识别特征值，具体分析过程为：

[0052]

[0053] 式中，γ为机场雷达监视识别特征值，nl为机场雷达监视识别在监测区域鸟类数量，ry为机场雷达监视识别在监测区域人员数量，cl为机场雷达监视识别在监测区域车辆数量，τ1为设定的机场雷达监视识别在监测区域鸟类数量的补偿因子，τ2为设定的机场雷达监视识别在监测区域人员数量的补偿因子，τ3为设定的机场雷达监视识别在监测区域车辆数量的补偿因子，e为自然常数。

[0054] 需要解释的是，上述机场雷达监视识别特征值是通过机场雷达监视识别在监测区域鸟类数量、机场雷达监视识别在监测区域人员数量、机场雷达监视识别在监测区域车辆数量计算得到，对机场雷达监视识别在监测区域鸟类数量、机场雷达监视识别在监测区域人员数量、机场雷达监视识别在监测区域车辆数量进行归一化处理，有效识别监测区域内的鸟类数量，可以提前预警潜在的鸟击事件，降低对飞机安全的威胁，识别监测区域内的人员和车辆，能及时发现可能的安全隐患，确保机场区域的安全管理，精准识别监测区域内的生物和人类活动，机场能够迅速响应突发事件，确保在紧急情况下采取有效措施，精确了解监测区域内的动态情况，有助于减少安全系统中的误报和漏报，提高监控效率和准确性，对于现代化机场运营，识别和管理区域内的所有动态因素，有助于提升运营流程的顺畅度与安全性，降低事故发生概率，设定的机场雷达监视识别在监测区域鸟类数量、机场雷达监视识别在监测区域人员数量、机场雷达监视识别在监测区域车辆数量的补偿因子是从数据库中获取的，根据历史数据建立历史测量的机场雷达监视识别在监测区域鸟类数量、机场雷达监视识别在监测区域人员数量、机场雷达监视识别在监测区域车辆数量与机场雷达监视识别在监测区域鸟类数量、机场雷达监视识别在监测区域人员数量、机场雷达监视识别在监测区域车辆数量的补偿因子的映射集，得到当前机场雷达监视识别在监测区域鸟类数量、机场雷达监视识别在监测区域人员数量、机场雷达监视识别在监测区域车辆数量对应的机场雷达监视识别在监测区域鸟类数量、机场雷达监视识别在监测区域人员数量、机场雷达监视识别在监测区域车辆数量的补偿因子。

[0055] 将机场雷达监视识别偏差值和机场雷达监视识别特征值导入机场雷达监视识别模型，得到机场雷达监视识别评估值。

[0056] 具体的，机场雷达监视识别评估值，具体分析过程为：将机场雷达监视识别偏差值和机场雷达监视识别特征值导入机场雷达监视识别模型，得到机场雷达监视识别评估值，机场雷达监视识别评估值作为判断监视区域是否存在风险的分析依据。

[0057] 在一个具体的实施例中，通过模型化的评估值，可以更精准地识别监视区域的潜在风险，从而提升决策的准确性，评估值能实时反映监视区域内的动态变化，使得机场管理人员能够迅速做出反应，及时调整操作，以应对突发情况，基于对评估值的量化，可以建立统一的安全标准，使得不同监视区域的风险情况能够以相同的尺度进行比较与评估，利用评估值，管理人员可以更好地规划安保力量和资源配置，从而提高监测效率和资源利用率。

[0058] 需要解释的是，上述机场雷达监视识别模型，具体分析过程为：

[0059]

[0060] 式中，ω为机场雷达监视识别评估值，γ为机场雷达监视识别特征值，α为机场雷达监视识别偏差值，e为自然常数。

[0061] 需要解释的是，上述将机场雷达监视识别偏差值和机场雷达监视识别特征值导入机场雷达监视识别模型，得到机场雷达监视识别评估值，利用偏差值和特征值，可以提高雷达监视系统的识别准确性，减少误报和漏报的情况，评估值的计算可以实现对雷达监视数据的实时分析，使得管理人员能够及时了解当前的航空交通状况，还可以识别出潜在的安全风险区域，从而制定针对性的安全管理措施，降低事故率，能够有效调配机场的安全和监控资源，提高资源的使用效率。

[0062] 基于机场雷达监视识别评估值，判断监视区域是否存在风险，并比对出存在风险的监视区域的调度方案。

[0063] 具体的，判断监视区域是否存在风险，并比对出存在风险的监视区域的调度方案，具体分析过程为：将机场雷达监视识别评估值与数据库中存储的机场雷达监视识别界定评估值进行比较；若机场雷达监视识别评估值高于或等于机场雷达监视识别界定评估值，则该机场雷达监视识别评估值对应的监视区域存在风险，标记为存在风险的监视区域，将存在风险的监视区域的机场雷达监视识别评估值与机场雷达监视识别界定评估值的差值记为机场雷达监视识别比对特征值，将机场雷达监视识别比对特征值与数据库中存储的各机场雷达监视识别比对特征值对应的监视区域的调度方案进行比对，得到该机场雷达监视识别比对特征值对应的监视区域的调度方案，并将存在风险的监视区域的调度方案基于智能调度监测平台进行发布；若机场雷达监视识别评估值低于机场雷达监视识别界定评估值，则该机场雷达监视识别评估值对应的监视区域不存在风险。

[0064] 在一个具体的实施例中，系统能够自动判断监视区域是否存在风险，从而减少人工干预和评估时间，有助于提升工作效率，一旦识别出风险监视区域，相关部门可以立即采取措施，进行资源调配，防止安全隐患的进一步扩大，对比评估值和已存特征值，可制定更加精准的调度方案，实现动态调配，优化机场资源的使用，当监视区域被标记为存在风险时，相关措施能够降低事故发生的可能性，提升整体安全性，通过评估值判断监视区域的风险状态，能够有效分配安全检查和维护等人力投入，以提高资源的利用率，识别风险区域，可以提前制定应急预案，增强面对突发事件时的应对能力，提升整体风险管理水平。

[0065] 需要解释的是，上述通过提供一种基于智能调度监测平台的机场雷达监视装置及方法，可以更全面地了解雷达系统的整体性能和外部影响因素，多源数据融合的方式能够提供更丰富的信息，为精确的风险评估和决策支持奠定基础，有助于适应快速变化的环境条件和操作需求，动态调整能力确保了雷达系统在各种环境和条件下都能保持最佳性能，基于监视识别评估值，可以制定或调整监视区域的调度方案，有助于提高机场整体运营效率，减少航班延误和资源浪费，同时提升安全性。

[0066] 参照图2所示，本发明第二方面提供了一种基于智能调度监测平台的机场雷达监视装置，包括脉冲信号发送频率比对模块、监视识别偏差值比对模块、监视识别特征值获取模块、监视识别评估值获取模块和监视区域风险判断模块。

[0067] 脉冲信号发送频率比对模块，用于获取机场雷达工作环境条件数据集，基于获取的机场雷达工作环境条件数据集，比对得到机场雷达脉冲信号发送频率。

[0068] 监视识别偏差值比对模块，用于获取机场雷达监视信号状态数据集，基于获取的机场雷达监视信号状态数据集，比对得到机场雷达监视识别偏差值。

[0069] 监视识别特征值获取模块，用于基于机场雷达脉冲信号发送频率，获取机场雷达监视识别特征数据集，基于获取的机场雷达监视识别特征数据集，综合分析得到机场雷达监视识别特征值。

[0070] 监视识别评估值获取模块，用于将机场雷达监视识别偏差值和机场雷达监视识别特征值导入机场雷达监视识别模型，得到机场雷达监视识别评估值。

[0071] 监视区域风险判断模块，用于基于机场雷达监视识别评估值，判断监视区域是否存在风险，并比对出存在风险的监视区域的调度方案。

[0072] 以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。