本发明涉及雷达数据处理，尤其涉及基于探鸟雷达的飞鸟预警评估方法，系统及设备。
背景技术：
1、随着自动化和自主导航系统的发展，探鸟雷达飞鸟预警系统可以与无人机、自动驾驶飞机等新兴技术相结合，提高飞行安全，云计算和大数据技术的发展为探鸟雷达系统提供了强大的数据存储和计算能力，使得飞鸟预警系统能够更高效地处理和分析大量数据，物联网技术的发展使得探鸟雷达系统可以与其他飞行器、气象站等设备进行互联互通，为飞行员和空管人员提供更多飞行安全信息。
2、现有的基于探鸟雷达的飞鸟预警评估方法，系统及设备通过收集和处理探鸟雷达数据和飞行鸟类数据，建立鸟类和雷达模型，通过分析鸟类和雷达风险模型，得到鸟类和雷达评估风险系数，设定风险预警阈值，当鸟类和雷达评估风险系数超过阈值时，系统会进行预警。
3、例如公开号为：cn115097485a专利申请公开的一种线扫激光雷达探测方法，包括：发送和接收，发送：将激光雷达波形在z方向扩展，在x方向不做处理或进行聚束；接收：取激光雷达出射波前截面的长方形的窄短x方向与z方向垂直。本发明能实现对激光雷达出射波形进行特别设计以进一步弥补激光雷达探测距离不远的问题，并且同时带来进一步提升激光雷达多目标定位识别性能，扩大激光雷达探测视域的优点；在同等条件下具有更远的探测距离，更宽广的探测视域，更强的隐蔽性和更佳的多目标定位识别功能。线扫激光雷达探测技术适用于远距离大视场角激光扫描成像建模，无人机探测，飞鸟探测和空中避险预警等应用场景。
4、例如公告号为：cn116148862b发明专利公告的一种探鸟雷达飞鸟综合预警评估方法，包括：通过雷达获取实时飞机航迹和飞鸟航迹，根据飞机航迹建立实时预警空间ω，进而实时判断飞鸟航迹是否落入实时预警空间ω内，对于落入实时预警空间ω的情况进行鸟击预警，而对于未落入实时预警空间ω内的情况则进一步判断其威胁系数是否超过预设门限值，从而实现两级预警，且本技术方案逻辑复杂度较低，易于工程实现，算法通用性强，通用于各类机场探鸟雷达。
5、但本技术在实现本技术实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
6、现有技术中，飞机在起飞和降落过程中因飞鸟撞击而导致事故，而探鸟雷达系统的探测精度和分辨度决定了其对飞鸟的识别能力，存在探鸟雷达系统的探测精度不足的问题。
技术实现思路
1、本技术实施例通过提供基于探鸟雷达的飞鸟预警评估方法，系统及设备，解决了现有技术中，探鸟雷达系统的探测精度不足的问题，实现了提高探鸟雷达系统的探测精度。
2、本技术实施例提供了基于探鸟雷达的飞鸟预警评估方法，包括以下步骤：通过探鸟雷达实时采集飞鸟的活动数据和探鸟雷达数据，并对飞鸟的活动数据和探鸟雷达数据进行预处理；从预处理的飞鸟的活动数据和探鸟雷达数据提取飞鸟识别和探鸟雷达预警的特征；根据飞鸟的活动模式建立飞鸟预警评估模型，将预处理的飞鸟的活动数据和探鸟雷达数据划分为训练集、验证集和测试集；使用训练集训练飞鸟预警评估模型，在训练过程中，使用贝叶斯公式对飞鸟预警评估模型进行超参数优化；使用验证集评估飞鸟预警评估模型的性能，根据验证集上的性能指标对飞鸟预警评估模型进行多次迭代，得到飞鸟预警评估模型的参数配置，是由测试集对飞鸟预警评估模型的参数配置进行测试，最终评估得到飞鸟预警评估模型的泛化能力；设置飞鸟预警评估阈值，当飞鸟预警评估模型的结果超过飞鸟预警评估阈值时，基于探鸟雷达的飞鸟预警评估系统会发出警报，并运行保护措施程序。
3、进一步的，对飞鸟的活动数据和探鸟雷达数据进行预处理的具体处理过程：收集飞鸟的活动数据和探鸟雷达数据，对收集到的飞鸟的活动数据和探鸟雷达数据进行清洗、除噪和归一化，通过时间同步和空间匹配方法，将飞鸟的活动数据和探鸟雷达数据进行融合，对融合后的数据进行正则化处理，得到预处理的飞鸟的活动数据和探鸟雷达数据。
4、进一步的，从预处理的飞鸟的活动数据和探鸟雷达数据提取飞鸟识别特征和探鸟雷达预警特征的具体提取过程：从预处理的飞鸟的活动数据中提取飞鸟识别特征，包括：速度特征、位置特征、轨迹特征和时空特征；从预处理的探鸟雷达数据中提取探鸟雷达预警特征，包括：信号强度特征、距离特征、频率特征和环境特征；
5、进一步的，根据线性回归方法建立飞鸟预警评估模型的具体构建过程：明确飞鸟撞击飞机的风险为预警评估的目标，确定预测飞鸟撞击飞机的风险概率为线性回归模型的因变量，选择飞鸟识别特征和探鸟雷达预警特征作为自变量，根据确定的自变量和因变量构建线性回归方程。
6、进一步的，使用贝叶斯公式对飞鸟预警评估模型进行超参数优化的具体优化过程：在飞鸟预警评估模型中通过贝叶斯公式更新先验分布，得到后验分布，对目标超参数进行调整，在超参数空间中随机选择超参数组合，通过采样后验分布寻找能够预测性能的超参数组合，得到优化后的超参数组合。
7、进一步的，根据验证集上的性能指标对飞鸟预警评估模型进行多次迭代的具体迭代过程：使用训练集数据对飞鸟预警评估模型进行初步训练，使用验证集对初步训练的飞鸟预警评估模型进行性能评估，根据性能评估结果，调整飞鸟预警评估模型参数用于优化飞鸟预警评估模型，使用调整后的参数对飞鸟预警评估模型进行再次训练，使用验证集对再次训练后的飞鸟预警评估模型进行性能重评估，若飞鸟预警评估模型性能未达到预期，继续模型调优，若飞鸟预警评估模型达到预期，得到飞鸟预警评估模型的参数配置。
8、进一步的，测试集对飞鸟预警评估模型的参数配置进行测试的具体测试过程：确定一个测试集，包括飞鸟的活动数据和探鸟雷达数据，选择飞鸟预警评估模型的参数配置，使用测试集合中的数据样本，将其输入到飞鸟预警评估模型中进行测试，根据测试结果，评估飞鸟预警模型的性能，根据测试集评估的结果，调整模型参数，提高模型的性能。
9、进一步的，基于探鸟雷达的飞鸟预警评估系统会发出警报的具体预警过程：飞鸟预警评估系统根据飞鸟的活动数据和探鸟雷达数据，对飞行器进行风险评估，得到飞鸟预警评估系数，当飞鸟预警评估系数超过飞鸟预警评估阈值，预警评估系统会发出警报，飞鸟预警评估系统采取保护措施，降低鸟击事故的风险。
10、本技术实施例提供了基于探鸟雷达的飞鸟预警评估系统，包括：
11、数据收集与预处理模块：用于通过探鸟雷达实时采集飞鸟的活动数据和探鸟雷达数据，并对飞鸟的活动数据和探鸟雷达数据进行预处理；
12、数据特征提取模块：用于从预处理的飞鸟的活动数据和探鸟雷达数据提取飞鸟识别特征和探鸟雷达预警特征；
13、模型训练评估模块：用于根据线性回归方法建立飞鸟预警评估模型，将预处理的飞鸟的活动数据和探鸟雷达数据划分为训练集、验证集和测试集；使用训练集训练飞鸟预警评估模型，在训练过程中，使用贝叶斯公式对飞鸟预警评估模型进行超参数优化；使用验证集评估飞鸟预警评估模型的性能，根据验证集上的性能指标对飞鸟预警评估模型进行多次迭代，得到飞鸟预警评估模型的参数配置，是由测试集对飞鸟预警评估模型的参数配置进行测试，最终评估得到飞鸟预警评估模型的泛化能力；
14、飞鸟预警评估与调控模块：用于设置飞鸟预警评估阈值，当飞鸟预警评估模型的结果超过飞鸟预警评估阈值时，基于探鸟雷达的飞鸟预警评估系统会发出警报，并运行保护措施程序。
15、本技术实施例提供了基于探鸟雷达的飞鸟预警评估设备，包括：多普勒雷达控制与分析设备、存储器、处理器和警报装置；
16、其中，所述多普勒雷达控制与分析设备用于实时获取飞鸟的活动数据和探鸟雷达数据；
17、所述存储器，用于存储飞鸟的活动数据和探鸟雷达数据；
18、所述处理器，用于接收飞鸟的活动数据和探鸟雷达数据，将飞鸟的活动数据和探鸟雷达数据进行综合处理，并发出控制信号对警报装置进行控制；
19、所述警报装置用于接受处理器发出的控制信号，当飞鸟预警评估模型的结果超过设置飞鸟预警评估阈值时发出警报。
20、本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
21、1、通过线性回归方法建立飞鸟预警评估模型，从而使用贝叶斯公式对飞鸟预警评估模型进行超参数优化，进而实现了提高探鸟雷达系统的探测精度，有效解决了现有技术中，探鸟雷达系统的探测精度不足的问题。
22、2、通过使用验证集评估飞鸟预警评估模型的性能，从而根据验证集上的性能指标对飞鸟预警评估模型进行多次迭代，进而实现了减小探鸟雷达的系统反应时间。
23、3、通过由测试集对飞鸟预警评估模型的参数配置进行测试，从而评估得到飞鸟预警评估模型的泛化能力，进而实现了提高探鸟雷达的数据处理与分析能力。
1.基于探鸟雷达的飞鸟预警评估方法，其特征在于，包括以下步骤：
2.如权利要求1所述基于探鸟雷达的飞鸟预警评估方法，系统及设备，其特征在于，所述对飞鸟的活动数据和探鸟雷达数据进行预处理的具体处理过程：
3.如权利要求1所述基于探鸟雷达的飞鸟预警评估方法，系统及设备，其特征在于，所述从预处理的飞鸟的活动数据和探鸟雷达数据提取飞鸟识别特征和探鸟雷达预警特征的具体提取过程：
4.如权利要求1所述基于探鸟雷达的飞鸟预警评估方法，系统及设备，其特征在于，所述根据线性回归方法建立飞鸟预警评估模型的具体构建过程：
5.如权利要求1所述基于探鸟雷达的飞鸟预警评估方法，系统及设备，其特征在于，所述使用贝叶斯公式对飞鸟预警评估模型进行超参数优化的具体优化过程：
6.如权利要求1所述基于探鸟雷达的飞鸟预警评估方法，系统及设备，其特征在于，所述根据验证集上的性能指标对飞鸟预警评估模型进行多次迭代的具体迭代过程：
7.如权利要求1所述基于探鸟雷达的飞鸟预警评估方法，系统及设备，其特征在于，所述测试集对飞鸟预警评估模型的参数配置进行测试的具体测试过程：
8.如权利要求1所述基于探鸟雷达的飞鸟预警评估方法，系统及设备，其特征在于，所述基于探鸟雷达的飞鸟预警评估系统会发出警报的具体预警过程：
9.基于探鸟雷达的飞鸟预警评估系统，其特征在于，包括数据收集与预处理模块、数据特征提取模块、模型训练评估模块和飞鸟预警评估与调控模块：
10.应用如权利要求1-8 中任一项所述基于探鸟雷达的飞鸟预警评估方法的设备，其特征在于，包括：多普勒雷达控制与分析设备、存储器、处理器和警报装置；
