CN120260348A 一种基于多传感器融合的机场鸟击防范方法及系统 （山东鹰格信息工程有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120260348A(43)申请公布日2025.07.04

(21)申请号202510751094.4

(22)申请日2025.06.06

A01M29/16(2011.01)

(71)申请人山东鹰格信息工程有限公司

地址250000山东省济南市市中区建设路

99-5号军休大厦211室

(72)发明人栾风翔李登光李真张景辉王大千

(74)专利代理机构山东百企慧专利代理有限公司37494

专利代理师谢玉娟

(51)Int.CI.

G08G5/80(2025.01)

G08G5/58(2025.01)

G08B21/18(2006.01)

G08B31/00(2006.01)

权利要求书2页说明书9页附图4页

(54)发明名称

一种基于多传感器融合的机场鸟击防范方法及系统

(57)摘要

CN120260348A本发明涉及机场安全防范技术领域，公开了一种基于多传感器融合的机场鸟击防范方法及系统。方法包括采集机场周边空域雷达探测、无线电侦测、激光监测及气象等多模态传感器数据，进行时间同步和空间配准生成融合数据流；基于动态权重分配算法提取特征，利用多模态分类模型识别目标类型，区分鸟类与无人机；构建基于马尔可夫链的动态风险评估模型生成入侵风险等级；风险等级超预设阈值时，触发多级报警策略并联动驱离设备执行自适应驱离指令。该方法及系统通过多传感器融合提高监测精度，精

CN120260348A

核设构值

CN120260348A权利要求书1/2页

2

1.一种基于多传感器融合的机场鸟击防范方法，其特征在于，包括以下步骤：

采集机场周边空域的多模态传感器数据，所述多模态传感器数据包括雷达探测数据、无线电侦测数据、激光监测数据及气象数据；

对所述多模态传感器数据进行时间同步和空间配准，生成融合数据流；

基于动态权重分配算法对所述融合数据流进行特征提取，生成目标轨迹信息及目标属

性信息；

利用多模态分类模型对所述目标轨迹信息及目标属性信息进行目标类型识别，区分鸟类目标与无人机目标；

根据所述目标类型识别结果及目标运动参数，构建基于马尔可夫链的动态风险评估模型，生成入侵风险等级；

当所述入侵风险等级超过预设阈值时，触发多级报警策略，并联动驱离设备执行自适应驱离指令。

2.根据权利要求1所述的基于多传感器融合的机场鸟击防范方法，其特征在于，所述采集机场周边空域的多模态传感器数据包括：

采用三坐标低空探测雷达采集目标方位、高度及速度信息；

通过无线电侦测设备捕获无人机通信频段的电磁信号特征；

利用激光监视设备获取目标三维轮廓及运动轨迹；

整合远程气象雷达的实时气象数据，包括风速、气压及降水信息。

3.根据权利要求1所述的基于多传感器融合的机场鸟击防范方法，其特征在于，所述时间同步和空间配准包括：

对多模态传感器数据的时间戳进行卡尔曼滤波修正，消除设备间时钟偏差；

基于地理信息系统坐标对雷达、激光及无线电设备的探测区域进行空间重叠校准，建立统一坐标系。

4.根据权利要求1所述的基于多传感器融合的机场鸟击防范方法，其特征在于，所述动态权重分配算法满足如下关系：

其中，Wi为第1个传感器的权重，Si为第1个传感器的传感器置信度，Ci为第i个传感器的数据完整性因子，α和β为动态调节系数，N为传感器总数。

5.根据权利要求1所述的基于多传感器融合的机场鸟击防范方法，其特征在于，所述多模态分类模型包括：

采用卷积神经网络提取激光监测数据中的目标轮廓特征；

利用长短期记忆网络分析雷达及无线电数据的时序特征；

通过迁移学习融合鸟类形态数据库与无人机型号数据库，生成目标分类结果。

6.根据权利要求1所述的基于多传感器融合的机场鸟击防范方法，其特征在于，所述动态风险评估模型的构建包括：

定义状态空间为入侵目标的飞行高度、速度及与核心区域的相对距离；

通过历史入侵事件数据训练状态转移概率矩阵；

CN120260348A权利要求书2/2页

3

基于实时目标运动参数计算风险熵值，确定风险等级。

7.根据权利要求6所述的基于多传感器融合的机场鸟击防范方法，其特征在于，所述风险熵值满足如下关系：

其中，H为风险