[發明專利]一種基于深度學習的FOD雷達異物檢測方法

有效

• 申請號: 201910052972.8
• 申請日: 2019-01-21
• 公開（公告）號: CN109884620B
• 公開（公告）日: 2022-11-08
• 發明（設計）人: 秦睿
• 申請（專利權）人: 成都玻爾茲曼科技有限公司
• 主分類號: G01S13/88
• 分類號: G01S13/88;G06F17/16
• 代理公司: 成都環泰專利代理事務所(特殊普通合伙) 51242
• 代理人: 李斌;黃青

本發明公開了一種基于深度學習的FOD雷達異物檢測方法，包括如下步驟：a、調用雷達探測器對相應跑道檢測區域進行連續掃描獲得原始信號，調用注意力網絡并輸出需要注意的有用信息的位置；b、將有用信息的位置信號與輸入的原始信號相乘，并將結果輸入判別器中；c、確認判別器的判別信號中是否有需要檢測的物體，如有，則注意力網絡注意的位置就是有物體的信號位置，提取出注意力網絡的輸出，即是異物的位置；如沒有，則表示無異物。

技術領域

本發明涉及雷達檢測技術領域，特別是一種基于深度學習的FOD雷達異物檢測方法。

背景技術

在一些特殊的地方，需要進行異物探測，并且需要精度非常高。比如機場跑道，一串鑰匙落在跑道上，都會帶來非常大的危險。過去靠人員不斷的來回檢查跑道，這樣帶來的問題是不及時，成本高，容易出錯。

在目標小的時候，由于地雜波的影響，正式的異物信號會被淹沒在噪音中去。例如，一個打火機，站立的時候能被發現，波強度遠遠高于地雜波的強度，設置一個閥值及可解決。當打火機平放的時候，波的強度就和地雜波差不多了。

發明內容

為解決現有技術中存在的問題，本發明提供了一種基于深度學習的FOD雷達異物檢測方法，利用深度學習的神經網絡技術，將注意力網絡的輸出同原始的信號相乘，再通過判別器判別是否存在要檢測的異物，本發明的檢測精度更高、更及時、成本更低、不易出錯。

本發明采用的技術方案是：

一種基于深度學習的FOD雷達異物檢測方法，包括如下步驟：

a、調用雷達探測器對相應跑道檢測區域進行連續掃描獲得原始信號，調用注意力網絡并輸出需要注意的有用信息的位置；

b、將有用信息的位置信號與輸入的原始信號相乘，并將結果輸入判別器中；

c、確認判別器的判別信號中是否有需要檢測的物體，如有，則注意力網絡注意的位置就是有物體的信號位置，提取出注意力網絡的輸出，即是異物的位置；如沒有，則表示無異物。

優選地，還包括如下步驟：

獲取雷達探測器采集的跑道常見的FOD目標雷達信號，作為正樣本集合；獲取雷達采集的跑道常見的非FOD目標雷達信號，作為負樣本集合；其中，FOD目標指的是金屬零件、金屬工具、輪胎橡膠、石塊、塑料零件或塑料管道；非FOD目標指的是指示燈、標識線、板塊縫隙、輪胎痕跡、跑道道面；

對正、負樣本集合進行特征融合，然后在決策級訓練，增強判別器的判別能力和精度。

優選地，所述特征融合的具體步驟如下：

令對跑道監測區域掃描采集的雷達信號為J，J為三維矩陣

J的第一列d為一個跑道檢測區域中M個雷達反射波信號的距離，第二列θ為一個跑道檢測區域中M個雷達反射波信號的方位角，第三列η為一個跑道檢測區域中M個雷達反射波信號的強度值，每一行為一個雷達反射波信號，共M個雷達反射波信號；

令跑道監測區域內雷達最遠探測距離上直徑3cm到10cm的橡膠物體反射波信號強度值為η_min，跑道監測區域內雷達最近探測距離上直徑到10cm的金屬物體雷達反射波信號強度值為η_max；將J中所有雷達反射波信號按照雷達反射波信號的強度值分為(-∞,η_min)，(η_max，∞)五個組；統計每個組中雷達反射波信號的數量、距離的最大最小值差，方位角的最大最小值差，每組3個數值，共計15個數值，記為特征向量V_L；

令有用信息的位置信號為I，使用特征描述方法將I轉化為特征向量V_T；