本發(fā)明涉及災(zāi)害和異物入侵探測(cè)預(yù)警領(lǐng)域，特別是一種雷達(dá)探測(cè)系統(tǒng)密度聚類預(yù)警方法。
背景技術(shù)：
：我國(guó)地域遼闊，自然地理?xiàng)l件比較復(fù)雜，地質(zhì)構(gòu)造運(yùn)動(dòng)強(qiáng)烈，極易誘發(fā)各類地質(zhì)災(zāi)害。在我國(guó)超過2/3的山區(qū)均有滑坡、崩塌地質(zhì)災(zāi)害發(fā)生。此外，我國(guó)基礎(chǔ)設(shè)施建設(shè)發(fā)展迅速，但是公路、鐵路等一些分布在山區(qū)集中地區(qū)的交通線路，其地質(zhì)災(zāi)害頻發(fā)。一旦道路旁的山體出現(xiàn)塌方、滑坡、泥石流、雪崩、洪水、異物入侵等現(xiàn)象，則會(huì)影響交通線路的運(yùn)營(yíng)安全，也會(huì)對(duì)人類生命安全和財(cái)產(chǎn)安全構(gòu)成直接危害。因此，迫切需要一種能夠在各種天氣條件下在高危地段長(zhǎng)期監(jiān)測(cè)并能夠提供預(yù)警的自動(dòng)探測(cè)及預(yù)警技術(shù)。雷達(dá)監(jiān)測(cè)方法屬于非接觸式監(jiān)控，通過監(jiān)控雷達(dá)實(shí)時(shí)監(jiān)控侵入物體的距離和速度，然后對(duì)監(jiān)控?cái)?shù)據(jù)進(jìn)行分析處理，得出侵入物體落點(diǎn)的大概位置，為判斷落物是否侵限提供準(zhǔn)確的信息。該技術(shù)主要是借助電磁波反射原理完成對(duì)進(jìn)入監(jiān)控區(qū)域的目標(biāo)物體的速度、距離等。雷達(dá)裝置安裝靈活，不受地形等限制，監(jiān)控距離遠(yuǎn)，雷達(dá)波束覆蓋范圍廣；報(bào)警響應(yīng)速度快，上報(bào)及時(shí)，也能夠?qū)崿F(xiàn)動(dòng)目標(biāo)實(shí)時(shí)監(jiān)控及提供報(bào)警功能。同時(shí)雷達(dá)監(jiān)測(cè)技術(shù)具有監(jiān)控范圍廣(大于100m)，安裝及維修方便的優(yōu)點(diǎn)。雷達(dá)監(jiān)測(cè)不受光線問題及大霧、云和雨等天氣因素的影響，并有一定的穿透能力，可以全天候使用?，F(xiàn)有技術(shù)中，基于雷達(dá)的監(jiān)測(cè)預(yù)警的方案主要有：1)山體滑坡落石和路基坍塌必然導(dǎo)致物體速度、距離、位置發(fā)生變化，監(jiān)測(cè)雷達(dá)可以捕捉到這些變化，并通過計(jì)算物體形狀和距鋼軌位置，決定預(yù)報(bào)等級(jí)和類型。同時(shí)當(dāng)雷達(dá)捕捉到變化后，打開攝像頭輔助判斷[1]。2)邊坡監(jiān)測(cè)雷達(dá)提出了一套基于雷達(dá)監(jiān)測(cè)的邊坡位移分析及預(yù)警方法流程[2]。首先確定預(yù)警值為搜索閾值，對(duì)每次監(jiān)測(cè)數(shù)據(jù)進(jìn)行數(shù)據(jù)搜索，確定所有大于該閾值的數(shù)據(jù)點(diǎn)，對(duì)搜索到的數(shù)據(jù)點(diǎn)進(jìn)行鄰域搜索和面積計(jì)算，當(dāng)計(jì)算的連續(xù)鄰域面積大于預(yù)設(shè)閾值時(shí)，系統(tǒng)向用戶進(jìn)行報(bào)警。3)近程警戒雷達(dá)提出一種基于入侵物體軌跡的預(yù)警方法流程[3]。首先通過對(duì)點(diǎn)跡進(jìn)行凝聚，然后基于航跡起始、航跡關(guān)聯(lián)、航跡維持來獲得單個(gè)入侵物體的軌跡。根據(jù)獲得的軌跡信息來預(yù)警。在上述方案(1)中，雷達(dá)探測(cè)到物體運(yùn)動(dòng)就預(yù)警，會(huì)造成虛警率過高，系統(tǒng)可靠性不高。方案(2)中，邊坡雷達(dá)主要用于監(jiān)測(cè)滑坡、泥石流等大面積滑落的自然災(zāi)害，對(duì)于落石、汽車、動(dòng)物等小型目標(biāo)的入侵無法監(jiān)測(cè)。方案(3)中對(duì)每個(gè)目標(biāo)進(jìn)行軌跡處理，計(jì)算量較大，當(dāng)入侵物體數(shù)量較多時(shí)，軌跡維持易發(fā)生預(yù)警延誤錯(cuò)誤。文獻(xiàn)[5]提出了一種基于PAM(PartitioningAroundMedoid，圍繞中心點(diǎn)的劃分)聚類分析的雷達(dá)點(diǎn)跡凝聚方法，主要利用基于時(shí)間序列判決的多參數(shù)綜合方法進(jìn)行目標(biāo)個(gè)數(shù)估計(jì)，同時(shí)采用圍繞中心點(diǎn)劃分方法以解決對(duì)雜波點(diǎn)跡敏感的問題。但是該方案對(duì)不規(guī)則形狀物體的聚類效果并不太好，且算法復(fù)雜度偏高，可能導(dǎo)致預(yù)警延遲。參考文獻(xiàn)[1]成都智勝通科技有限責(zé)任公司.鐵路地質(zhì)災(zāi)害預(yù)報(bào)與監(jiān)視系統(tǒng):中國(guó),201020584449.4[P].2011.05.04[2]楊曉琳,馬海濤,乞耀龍,王彥平.邊坡安全監(jiān)測(cè)技術(shù)新發(fā)展——中國(guó)安科院邊坡雷達(dá)―S-SAR”誕生記[J].勞動(dòng)保護(hù),2015,05:96-99.[3]江蘭.近程警戒雷達(dá)數(shù)據(jù)處理算法及軟件設(shè)計(jì)[D].電子科技大學(xué),2010.[4]M.Ester,H.P.Kriegel,andX.Xu.Adensity-basedalgo-rithmfordiscoveringclustersinlargespatialdatabaseswithnoise.InProceedingsof2ndACMSIGKDD,pages226–231,Portand,Oregon,1996.[5]喬大雷,童衛(wèi)勇,蔡文彬.一種基于PAM聚類分析的雷達(dá)點(diǎn)跡凝聚方法[P].江蘇：CN104931934A,2015-09-23.[6]李宗林,羅可.DBSCAN算法中參數(shù)的自適應(yīng)確定[J].計(jì)算機(jī)工程與應(yīng)用,2016,03:70-73+80.技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的是提供一種雷達(dá)探測(cè)系統(tǒng)密度聚類預(yù)警方法，技術(shù)方案如下：一種雷達(dá)探測(cè)系統(tǒng)的密度聚類預(yù)警方法，包括采用所述雷達(dá)探測(cè)系統(tǒng)進(jìn)行周期性探測(cè)，得到探測(cè)區(qū)域的點(diǎn)跡多維參數(shù)，包括點(diǎn)跡的距離、方位角和速度；所述距離為點(diǎn)跡到所述雷達(dá)探測(cè)系統(tǒng)的雷達(dá)的距離，方位角為點(diǎn)跡相對(duì)于雷達(dá)的方位角，速度為點(diǎn)跡相對(duì)于雷達(dá)的徑向速度；采用DBSCAN聚類算法對(duì)每個(gè)探測(cè)周期內(nèi)的點(diǎn)跡進(jìn)行聚類，得到若干個(gè)簇，每個(gè)簇代表一個(gè)入侵物體；所述DBSCAN聚類算法的輸入?yún)?shù)包括點(diǎn)跡多維參數(shù)和一組預(yù)先設(shè)定的鄰域參數(shù)(∈，MinPts)；其中，∈為以對(duì)象點(diǎn)跡為中心的圓的半徑，MinPts為以對(duì)象點(diǎn)跡為中心的圓內(nèi)相鄰點(diǎn)跡的數(shù)量的閾值；對(duì)聚類后得到的若干個(gè)簇進(jìn)行過濾：計(jì)算每個(gè)簇的距離最大差值和方位角最大差值，分別設(shè)定威脅性物體長(zhǎng)、寬的閾值；如果簇的距離最大差值小于威脅性物體長(zhǎng)的閾值，或方位角最大差值小于威脅性物體寬的閾值，則刪除該簇；否則，計(jì)算每個(gè)簇的平均速度，若平均速度小于預(yù)設(shè)的安全速度，則刪除該簇；所述簇的距離最大差值為該簇內(nèi)的最大點(diǎn)跡距離與最小點(diǎn)跡距離的差值，簇的方位角最大差值為該簇內(nèi)的最大點(diǎn)跡方位角與最小點(diǎn)跡方位角的差值，簇的平均速度為該簇內(nèi)的所有點(diǎn)跡的速度的均值。計(jì)算過濾后簇的平均距離，如果連續(xù)多個(gè)探測(cè)周期內(nèi)，簇的平均距離變化趨勢(shì)符合預(yù)警條件則發(fā)出預(yù)警；所述簇的平均距離變化趨勢(shì)包括簇的平均距離遞增或簇的平均距離遞減；所述簇的平均距離為一個(gè)探測(cè)周期內(nèi)所有簇的平均點(diǎn)跡距離的平均值，所述簇的平均點(diǎn)跡距離為該簇內(nèi)所有點(diǎn)跡的距離的平均值。進(jìn)一步地，還包括對(duì)每個(gè)探測(cè)周期內(nèi)的點(diǎn)跡多維參數(shù)進(jìn)行預(yù)處理：統(tǒng)計(jì)點(diǎn)跡的數(shù)量，如果點(diǎn)跡的數(shù)量超過探測(cè)區(qū)域設(shè)定的數(shù)量閾值，則計(jì)算探測(cè)區(qū)域所有點(diǎn)跡的平均距離和平均速度，分別與探測(cè)區(qū)域設(shè)定的安全距離和安全速度進(jìn)行比較；若平均距離小于安全距離或者平均速度大于安全速度則發(fā)出預(yù)警；所述預(yù)處理的步驟位于采用DBSCAN聚類算法對(duì)每個(gè)探測(cè)周期內(nèi)的點(diǎn)跡進(jìn)行聚類之前。進(jìn)一步地，所述鄰域參數(shù)(∈，MinPts)中，∈的計(jì)算方法為：設(shè)置多維參數(shù)中每一項(xiàng)參數(shù)能容忍的最大差異閾值，令其加權(quán)歐幾里得距離為∈；各點(diǎn)跡之間的連接性通過多維參數(shù)的加權(quán)歐幾里得距離來體現(xiàn)，并基于可連接點(diǎn)跡的不斷擴(kuò)展聚類簇以獲得最終的聚類結(jié)果。進(jìn)一步地，所述雷達(dá)探測(cè)系統(tǒng)為毫米波探測(cè)系統(tǒng)。采用本發(fā)明的方法，既能保證探測(cè)的精度，同時(shí)又通過后期處理減少虛警，而且運(yùn)算量較小，使得整個(gè)系統(tǒng)的預(yù)警更加及時(shí)。附圖說明圖1是本發(fā)明實(shí)施例1的系統(tǒng)網(wǎng)絡(luò)架構(gòu)示意圖；圖2是本發(fā)明中密度聚類的仿真示例圖；圖3是本發(fā)明實(shí)施例2的應(yīng)用場(chǎng)景示意圖。具體實(shí)施方式在對(duì)災(zāi)害和異物入侵進(jìn)行探測(cè)和預(yù)警時(shí)，由于出現(xiàn)大規(guī)模異物入侵時(shí)(如滑坡、泥石流等)，會(huì)導(dǎo)致大范圍的探測(cè)面積移動(dòng)，因此雷達(dá)探測(cè)的點(diǎn)跡數(shù)量會(huì)非常多，如果每次對(duì)所有這些點(diǎn)跡進(jìn)行分別處理會(huì)導(dǎo)致運(yùn)算量較大，導(dǎo)致探測(cè)系統(tǒng)效率異常低下。因此，根據(jù)大范圍探測(cè)面積移動(dòng)導(dǎo)致的點(diǎn)跡數(shù)量異常多這一現(xiàn)象可以直接進(jìn)行預(yù)警。為了及時(shí)預(yù)警，預(yù)警方法需盡量減少系統(tǒng)不必要的運(yùn)算量，首先對(duì)點(diǎn)跡進(jìn)行預(yù)處理，預(yù)處理主要是先統(tǒng)計(jì)點(diǎn)跡數(shù)量，如果點(diǎn)跡數(shù)量超過探測(cè)區(qū)域設(shè)定的閾值，則計(jì)算所有點(diǎn)跡的平均距離和平均速度，分別與區(qū)域設(shè)定的安全距離和安全速度進(jìn)行比較。若平均距離小于安全距離或者平均速度大于安全速度則直接預(yù)警，并附上點(diǎn)跡的平均距離和速度信息，否則繼續(xù)下一周期的探測(cè)與處理。探測(cè)區(qū)域設(shè)定的點(diǎn)跡數(shù)量閾值與雷達(dá)探測(cè)的分辨率和安全級(jí)別程度有關(guān)。分辨率越高，點(diǎn)跡數(shù)量閾值越高；安全級(jí)別越低，點(diǎn)跡數(shù)量閾值越高。探測(cè)區(qū)域設(shè)定的安全距離和安全速度與安全級(jí)別有關(guān)。安全級(jí)別越高，安全距離越大，安全速度越小。在雷達(dá)探測(cè)目標(biāo)的過程中，由于受到背景雜波和目標(biāo)自身的散射效應(yīng)等因素導(dǎo)致回波存在一定程度的起伏，一個(gè)目標(biāo)可能在不同位置產(chǎn)生多個(gè)點(diǎn)跡，即出現(xiàn)目標(biāo)分裂現(xiàn)象。當(dāng)雷達(dá)分辨率較高時(shí)，即小于物體的尺寸時(shí)，一個(gè)目標(biāo)會(huì)返回多個(gè)點(diǎn)跡。同時(shí)，雜波信號(hào)與真實(shí)目標(biāo)信號(hào)糅合在一起，會(huì)增加雷達(dá)數(shù)據(jù)處理難度。為完成雷達(dá)的數(shù)據(jù)處理首先要找到同一目標(biāo)分裂的各個(gè)可能點(diǎn)跡并將其凝聚起來，同時(shí)還要去除雜波信息。DBSCAN(Density-BasedSpatialClusteringofApplicationswithNoise，具有噪聲的基于密度的聚類方法)聚類算法是一種基于高密度連通區(qū)域的、基于密度的聚類算法，能夠?qū)⒕哂凶銐蚋呙芏鹊膮^(qū)域劃分為簇，并在具有噪聲的數(shù)據(jù)中發(fā)現(xiàn)任意形狀的簇[4]。DBSCAN的一個(gè)主要缺點(diǎn)在于當(dāng)空間聚類的密度不均勻、聚類間距差相差很大時(shí)，聚類質(zhì)量較差。而用于雷達(dá)點(diǎn)跡凝聚時(shí)，由于雷達(dá)的分辨率恒定，所以點(diǎn)跡的密度相對(duì)均勻，正好適合使用DBSCAN算法。另外，在具體應(yīng)用時(shí)，由于毫米波頻段擁有豐富的頻譜資源，波束比微波窄得多，與激光相比受天氣影響程度較小。毫米波元器件的尺寸較小，因此毫米波系統(tǒng)更容易小型化。為此，它們?cè)谕ㄐ?、雷達(dá)、制導(dǎo)、遙感技術(shù)、射電天文學(xué)和波譜學(xué)方面都有重大的應(yīng)用。本發(fā)明的方法也可應(yīng)用于毫米波雷達(dá)探測(cè)系統(tǒng)。具體的技術(shù)方案如下：采用雷達(dá)探測(cè)系統(tǒng)進(jìn)行周期性探測(cè)，得到探測(cè)區(qū)域的點(diǎn)跡多維參數(shù)，包括點(diǎn)跡的距離、方位角和速度；所述距離為點(diǎn)跡到所述雷達(dá)探測(cè)系統(tǒng)的雷達(dá)的距離，方位角為點(diǎn)跡相對(duì)于雷達(dá)的方位角，速度為點(diǎn)跡相對(duì)于雷達(dá)的徑向速度；采用DBSCAN聚類算法對(duì)每個(gè)探測(cè)周期內(nèi)的點(diǎn)跡進(jìn)行聚類，得到若干個(gè)簇，每個(gè)簇代表一個(gè)入侵物體；所述DBSCAN聚類算法的輸入?yún)?shù)包括點(diǎn)跡多維參數(shù)和一組預(yù)先設(shè)定的鄰域參數(shù)(∈，MinPts)；其中，∈為以對(duì)象點(diǎn)跡為中心的圓的半徑，MinPts為以對(duì)象點(diǎn)跡為中心的圓內(nèi)相鄰點(diǎn)跡的數(shù)量的閾值；對(duì)聚類后得到的若干個(gè)簇進(jìn)行過濾：計(jì)算每個(gè)簇的距離最大差值和方位角最大差值，分別設(shè)定威脅性物體長(zhǎng)、寬的閾值；如果簇的距離最大差值小于威脅性物體長(zhǎng)的閾值，或方位角最大差值小于威脅性物體寬的閾值，則刪除該簇；否則，計(jì)算每個(gè)簇的平均速度，若平均速度小于預(yù)設(shè)的安全速度，則刪除該簇；所述簇的距離最大差值為該簇內(nèi)的最大點(diǎn)跡距離與最小點(diǎn)跡距離的差值，簇的方位角最大差值為該簇內(nèi)的最大點(diǎn)跡方位角與最小點(diǎn)跡方位角的差值，簇的平均速度為該簇內(nèi)的所有點(diǎn)跡的速度的均值；計(jì)算過濾后簇的平均距離，如果連續(xù)多個(gè)探測(cè)周期內(nèi)，簇的平均距離變化趨勢(shì)符合預(yù)警條件則發(fā)出預(yù)警；所述簇的平均距離變化趨勢(shì)包括簇的平均距離遞增或簇的平均距離遞減；所述簇的平均距離為一個(gè)探測(cè)周期內(nèi)所有簇的平均點(diǎn)跡距離的平均值，所述簇的平均點(diǎn)跡距離為該簇內(nèi)所有點(diǎn)跡的距離的平均值。以下對(duì)技術(shù)方案進(jìn)行進(jìn)一步地說明：由于雷達(dá)分辨率較高時(shí)會(huì)導(dǎo)致的單個(gè)目標(biāo)出現(xiàn)多個(gè)點(diǎn)跡，為了更加準(zhǔn)確的分析入侵物體的運(yùn)動(dòng)信息，提出一種雷達(dá)探測(cè)系統(tǒng)中采用密度聚類的雷達(dá)點(diǎn)跡凝聚算法，將屬于同一目標(biāo)的點(diǎn)跡進(jìn)行凝聚。本方法通過對(duì)點(diǎn)跡進(jìn)行密度聚類，將所有點(diǎn)跡分成若干個(gè)簇，每個(gè)簇代表一個(gè)運(yùn)動(dòng)物體。雷達(dá)探測(cè)的點(diǎn)跡中包含的信息是多維的，比如距離、方位角、速度等。各點(diǎn)跡之間的連接性通過多維參數(shù)的加權(quán)歐幾里得距離來體現(xiàn)，并基于可連接點(diǎn)跡的不斷擴(kuò)展聚類簇以獲得最終的聚類結(jié)果。本方法基于一組“鄰域”參數(shù)(∈，MinPts)。給定對(duì)象半徑∈內(nèi)的鄰域稱為該對(duì)象的∈鄰域。如果對(duì)象的∈鄰域至少包含最小數(shù)目MinPts的對(duì)象，則稱該對(duì)象為核心對(duì)象。通過檢查所有點(diǎn)跡中每點(diǎn)的∈鄰域來搜索簇。對(duì)于同一個(gè)物體的相鄰點(diǎn)跡，設(shè)置多維參數(shù)中每一項(xiàng)能容忍的最大差異閾值，然后獲取加權(quán)歐幾里得距離，即可獲得算法初始參數(shù)∈。MinPts主要與雷達(dá)探測(cè)的分辨率有關(guān)，分辨率越高，則MinPts可相對(duì)取值大一些。在復(fù)雜雜波背景下，為了減少由雜波或者無威脅性物體的運(yùn)動(dòng)(比如鳥類、細(xì)小石子等)帶來的虛警問題，本方法密度聚類算法將得到的入侵物體的信息進(jìn)行無威脅物體過濾，并保存相關(guān)結(jié)果到時(shí)間序列中。對(duì)于采用本方法聚類后的每個(gè)簇，獲取簇的距離最大差值和方位角最大差值即可近似認(rèn)為是該入侵物體的長(zhǎng)和寬，分別設(shè)定一個(gè)威脅性物體長(zhǎng)和寬的閾值，如果簇的最大距離差值小于威脅性物體的長(zhǎng)閾值或最大方位角差值小于威脅性物體的寬閾值，則刪除該簇；否則，計(jì)算每個(gè)簇的平均速度，若平均速度小于預(yù)設(shè)的安全速度，則刪除該簇。威脅性物體長(zhǎng)寬的閾值與區(qū)域的安全級(jí)別程度有關(guān)。安全級(jí)別越低，威脅性物體長(zhǎng)寬的閾值越大。無威脅物體過濾后將所有簇的平均距離、平均方位角、平均速度、長(zhǎng)寬再取均值保存到時(shí)間序列中，同時(shí)保存簇的數(shù)量。如果連續(xù)多周期后所有簇的距離雷達(dá)的平均距離變化趨勢(shì)符合預(yù)警條件則預(yù)警，并附上平均距離、平均方位角、平均速度、平均大小和數(shù)量等信息。下面是本發(fā)明的兩個(gè)具體應(yīng)用的實(shí)施例：實(shí)施例1：為了降低探測(cè)虛警率，減少系統(tǒng)復(fù)雜度，提高探測(cè)效率，本發(fā)明提供一種雷達(dá)探測(cè)系統(tǒng)中采用密度聚類的預(yù)警方法，本發(fā)明實(shí)施例一將雷達(dá)探測(cè)系統(tǒng)中采用密度聚類的預(yù)警方法實(shí)施于鐵路沿線自然災(zāi)害和異物入侵探測(cè)，能夠提高鐵路沿線自然災(zāi)害和鐵軌周圍異物入侵的檢測(cè)效率，同時(shí)降低虛警率。如圖1所示，為本發(fā)明應(yīng)用實(shí)施例一的系統(tǒng)網(wǎng)絡(luò)架構(gòu)的示意圖。為實(shí)現(xiàn)資源共享、減少建設(shè)成本，本探測(cè)雷達(dá)探測(cè)系統(tǒng)與鐵路移動(dòng)通信系統(tǒng)共站建設(shè)，其組成包括BBU(BuildingBasebandUnit)池、交換結(jié)構(gòu)、公網(wǎng)或?qū)＞W(wǎng)授權(quán)頻段RRU(RadioRemoteUnit)與非授權(quán)毫米波頻段RRU，RRU通過高速回傳與交換結(jié)構(gòu)連接，然后交換結(jié)構(gòu)通過高速回傳連接到BBU池。公網(wǎng)或?qū)＞W(wǎng)授權(quán)頻段RRU進(jìn)行大范圍覆蓋，保障低容量通信數(shù)據(jù)的可靠傳輸；毫米波頻段RRU布置天線陣，通過波束賦形技術(shù)實(shí)現(xiàn)定向波束覆蓋。為提高通信與災(zāi)害探測(cè)的有效性，當(dāng)有列車通過時(shí)，毫米波頻段RRU與列車進(jìn)行通信；沒有列車通過時(shí)，進(jìn)行波束掃描、環(huán)境監(jiān)測(cè)。特別需要說明的是，根據(jù)實(shí)際應(yīng)用場(chǎng)景，通信與探測(cè)也可以使用頻分的方式同時(shí)全時(shí)段工作。本發(fā)明提出的雷達(dá)探測(cè)系統(tǒng)中采用密度聚類的預(yù)警方法在本實(shí)施例中主要應(yīng)用在BBU池上。BBU池主要對(duì)毫米波頻段RRU基站傳回的雷達(dá)探測(cè)數(shù)據(jù)進(jìn)行處理。RRU基站主要部署在需要重點(diǎn)監(jiān)測(cè)的區(qū)域，以山區(qū)鐵路沿線為實(shí)施例。由于探測(cè)雷達(dá)安裝于通信基站上，不能很好的做到天線之間的隔離，會(huì)導(dǎo)致同頻回波信號(hào)的干擾，所以本實(shí)施例中探測(cè)系統(tǒng)采用非許可證的毫米波頻段，可以使用的帶寬范圍較大，如考慮到大氣損耗及探測(cè)精度可選擇19GHz附近頻段，最大帶寬1GHz。由于毫米波頻段的衰減特性，因此毫米波頻段RRU的雷達(dá)探測(cè)通過天線陣使用波束賦形技術(shù)進(jìn)行定向波束覆蓋。如圖1所示，將山體表面和鐵軌區(qū)域劃分為若干個(gè)區(qū)域，通過變換波束賦形的碼本分時(shí)順序掃描這些區(qū)域來完成對(duì)整個(gè)探測(cè)區(qū)域的探測(cè)。其中，自然災(zāi)害或者異物入侵出現(xiàn)的地方越接近鐵軌區(qū)域，其對(duì)鐵路系統(tǒng)的安全威脅性越高。探測(cè)雷達(dá)通過波束定向掃描探測(cè)區(qū)域，對(duì)回波信號(hào)進(jìn)行MTD(MovingTargetDetection，動(dòng)目標(biāo)檢測(cè))和CFAR(ConstantFalseAlarmRate,恒虛警率)處理，可獲取動(dòng)目標(biāo)的點(diǎn)跡信息。本實(shí)施例中點(diǎn)跡信息主要包括：距離、方位角、速度等。當(dāng)波束分時(shí)順序掃描完整個(gè)探測(cè)區(qū)域后即可獲取整個(gè)探測(cè)區(qū)域的所有運(yùn)動(dòng)物體的點(diǎn)跡信息。由于偏遠(yuǎn)山區(qū)地形復(fù)雜，即使經(jīng)過對(duì)回波進(jìn)行相應(yīng)的信號(hào)處理，仍然有因?yàn)殡s波或其他環(huán)境而留下較多的點(diǎn)跡信息。同時(shí)，由于雷達(dá)分辨率較高，會(huì)導(dǎo)致一個(gè)運(yùn)動(dòng)物體返回多個(gè)點(diǎn)跡信息。以上兩點(diǎn)問題會(huì)對(duì)入侵物體的分析帶來很大難度，因此有必要進(jìn)行點(diǎn)跡凝聚處理，去除雜波點(diǎn)跡，合成屬于同一運(yùn)動(dòng)物體的點(diǎn)跡?；隆⒛嗍鞯茸匀粸?zāi)害在偏遠(yuǎn)山區(qū)經(jīng)常發(fā)生，對(duì)于此類會(huì)發(fā)生大面積位移的情形，會(huì)導(dǎo)致出現(xiàn)異常多的點(diǎn)跡信息。如果對(duì)如此多的點(diǎn)跡信息進(jìn)行點(diǎn)跡凝聚處理，會(huì)使得運(yùn)算量很大，影響探測(cè)系統(tǒng)效率和預(yù)警時(shí)間，而且當(dāng)數(shù)量眾多的點(diǎn)跡同時(shí)出現(xiàn)時(shí)，有很大可能是大面積位移導(dǎo)致的，可以直接產(chǎn)生預(yù)警信息，提醒控制中心可能發(fā)生了滑坡或者泥石流，繼續(xù)對(duì)數(shù)量眾多的點(diǎn)跡進(jìn)行凝聚處理是不必要的。預(yù)處理主要是先統(tǒng)計(jì)點(diǎn)跡數(shù)量，如果點(diǎn)跡數(shù)量超過探測(cè)區(qū)域設(shè)定的閾值，則計(jì)算所有點(diǎn)跡的平均距離和平均速度，分別與區(qū)域設(shè)定的安全距離和安全速度進(jìn)行比較。若平均距離小于安全距離或者平均速度大于安全速度則直接預(yù)警，并附上點(diǎn)跡的平均距離和速度信息，否則繼續(xù)下一周期的探測(cè)與處理。預(yù)警信息由BBU池回傳給列車控制中心，同時(shí)通過公網(wǎng)或授權(quán)頻段RRU廣播預(yù)警信息，提醒過往列車。探測(cè)區(qū)域設(shè)定的點(diǎn)跡數(shù)量閾值與雷達(dá)探測(cè)的分辨率和安全級(jí)別程度有關(guān)。分辨率越高，點(diǎn)跡數(shù)量閾值越高；安全級(jí)別越高，點(diǎn)跡數(shù)量閾值越低，比如滑坡、泥石流頻發(fā)的地區(qū)，點(diǎn)跡數(shù)量閾值可相對(duì)較低。探測(cè)區(qū)域設(shè)定的安全距離和安全速度與安全級(jí)別有關(guān)。安全級(jí)別越高，安全距離越大，安全速度越小。本實(shí)施例中安全距離會(huì)較大，主要為了覆蓋周圍的山體表面，且安全速度較小以便能盡早發(fā)現(xiàn)發(fā)生滑坡或泥石流的征兆。為了更加準(zhǔn)確的分析入侵物體的運(yùn)動(dòng)信息，本發(fā)明提出一種雷達(dá)探測(cè)系統(tǒng)中采用密度聚類的雷達(dá)點(diǎn)跡凝聚算法，將屬于同一目標(biāo)的點(diǎn)跡進(jìn)行凝聚。本方法通過對(duì)點(diǎn)跡進(jìn)行密度聚類，將所有點(diǎn)跡分成若干個(gè)簇，每個(gè)簇代表一個(gè)運(yùn)動(dòng)物體。圖2為本算法對(duì)二維數(shù)據(jù)進(jìn)行聚類處理的示例。本方法基于一組“鄰域”參數(shù)(∈，MinPts)。給定對(duì)象半徑∈內(nèi)的鄰域稱為該對(duì)象的∈鄰域。如果對(duì)象的∈鄰域至少包含最小數(shù)目MinPts的對(duì)象，則稱該對(duì)象為核心對(duì)象。通過檢查數(shù)據(jù)庫(kù)中每點(diǎn)的∈鄰域來搜索簇。鄰域參數(shù)可以采用預(yù)先設(shè)定的方式，即根據(jù)經(jīng)驗(yàn)值直接確定，也可以采用以下方式來確定：采用非參數(shù)核密度估計(jì)理論分析數(shù)據(jù)樣本的分布特征來自動(dòng)確定∈，MinPts參數(shù)[6]，避免了聚類過程的人工干預(yù)，但是運(yùn)算量過大，不適用于實(shí)時(shí)度要求較高的雷達(dá)應(yīng)用場(chǎng)景。對(duì)于同一個(gè)物體的相鄰點(diǎn)跡，設(shè)置多維參數(shù)中每一項(xiàng)能容忍的最大差異閾值，然后獲取加權(quán)歐幾里得距離，即可獲得算法初始參數(shù)∈。MinPts主要與雷達(dá)探測(cè)的分辨率有關(guān)，分辨率越高，則MinPts可相對(duì)取值大一些。本實(shí)施例中設(shè)定雷達(dá)距離分辨率為0.5米，方位分辨率為1米。對(duì)于同一個(gè)物體的相鄰點(diǎn)跡，多維參數(shù)中每一項(xiàng)能容忍的最大差異閾值如表1所示，則初始參數(shù)∈為MinPts取值設(shè)置為6。初始參數(shù)設(shè)定完畢后，將多維參數(shù)數(shù)據(jù)傳遞給本方法做點(diǎn)跡聚合處理，通過多維參數(shù)加權(quán)多維歐幾里距離的值來判斷一個(gè)點(diǎn)跡是否位于另一個(gè)點(diǎn)跡的∈領(lǐng)域內(nèi)，即各點(diǎn)跡之間的連接性通過多維參數(shù)的加權(quán)多維歐幾里得距離來體現(xiàn)，并基于可連接點(diǎn)跡的不斷擴(kuò)展聚類簇來獲得最終的聚類結(jié)果。本方法里多維參數(shù)的加權(quán)系數(shù)與設(shè)定初始參數(shù)∈的加權(quán)系數(shù)相同。表1聚類參數(shù)值權(quán)重距離差異閾值1m40％方位差異閾值2m30％速度差異閾值1m/s30％在復(fù)雜雜波背景下，為了減少由雜波或者無威脅性物體的運(yùn)動(dòng)(比如鳥類、細(xì)小石子等)帶來的虛警問題，本方法將密度聚類算法得到的入侵物體的信息進(jìn)行無威脅物體過濾，并保存相關(guān)結(jié)果到時(shí)間序列中。對(duì)于本方法聚類后的每個(gè)簇，獲取距離的最大差值和方位角的最大差值即可近似認(rèn)為是該入侵物體的長(zhǎng)和寬，分別設(shè)定一個(gè)威脅性物體長(zhǎng)和寬的閾值，如果該簇的長(zhǎng)和寬都小于該閾值則刪除該簇。若入侵物體速度小于安全速度，刪除該簇。威脅性物體長(zhǎng)寬的閾值與區(qū)域的安全級(jí)別程度有關(guān)。安全級(jí)別越低，威脅性物體長(zhǎng)寬的閾值越大。本實(shí)施例中威脅性物體長(zhǎng)寬的閾值均為0.3米。無威脅物體過濾后將所有簇的平均距離、平均方位角、平均速度、長(zhǎng)寬再取均值保存到時(shí)間序列中，同時(shí)保存簇的數(shù)量。如果連續(xù)多周期后所有簇的距離雷達(dá)的平均距離變小則預(yù)警，并附上平均距離、平均方位角、平均速度、平均大小和數(shù)量等信息。實(shí)施例2：本發(fā)明可以為鐵路現(xiàn)場(chǎng)應(yīng)急搶險(xiǎn)施工和維護(hù)人員在沒有其他預(yù)警或預(yù)警系統(tǒng)故障時(shí)，提供避免被高速到來的行駛列車碰撞的風(fēng)險(xiǎn)預(yù)警方法。當(dāng)鐵路現(xiàn)場(chǎng)應(yīng)急搶險(xiǎn)過程中，由于搶險(xiǎn)環(huán)境本身惡劣導(dǎo)致其他預(yù)警系統(tǒng)失效的情況下，運(yùn)行的列車有可能會(huì)與應(yīng)急搶險(xiǎn)的施工和維護(hù)人員或者施工設(shè)備發(fā)生碰撞，對(duì)施工和維護(hù)人員、列車以及車上的乘客的安全造成很大的威脅。為了降低探測(cè)虛警率，減少系統(tǒng)復(fù)雜度，提高探測(cè)效率，本發(fā)明實(shí)施例二將雷達(dá)探測(cè)系統(tǒng)中采用密度聚類的預(yù)警方法實(shí)施于在沒有其他預(yù)警或預(yù)警系統(tǒng)故障的情況下，能夠?yàn)殍F路現(xiàn)場(chǎng)應(yīng)急搶險(xiǎn)施工和維護(hù)人員提供高速到來列車的預(yù)警功能。如圖3所示，是本發(fā)明實(shí)施例2的應(yīng)用場(chǎng)景示意圖。本實(shí)施例中，探測(cè)雷達(dá)為便攜式設(shè)備，安裝簡(jiǎn)單，使用方便，成本較低，其使用頻段為毫米波。本發(fā)明提出的雷達(dá)探測(cè)系統(tǒng)中采用密度聚類的預(yù)警方法在本實(shí)施例中主要應(yīng)用在便攜式探測(cè)雷達(dá)上。探測(cè)雷達(dá)主要部署在應(yīng)急搶險(xiǎn)施工現(xiàn)場(chǎng)附近，方向?qū)?zhǔn)列車可能到來的方向，通過對(duì)回波的信號(hào)處理判斷列車是否接近。探測(cè)雷達(dá)通過波束定向掃描指定區(qū)域，對(duì)回波信號(hào)進(jìn)行MTD(MovingTargetDetection，動(dòng)目標(biāo)檢測(cè))和CFAR(ConstantFalseAlarmRate，恒虛警率)處理，可獲取動(dòng)目標(biāo)的點(diǎn)跡信息。本實(shí)施例中點(diǎn)跡信息主要包括：距離、方位角、速度等。當(dāng)波束分時(shí)順序掃描完整個(gè)探測(cè)區(qū)域后即可獲取整個(gè)探測(cè)區(qū)域的運(yùn)動(dòng)物體的所有點(diǎn)跡信息。由于列車面積較大且雷達(dá)分辨率較高，因此當(dāng)列車到來時(shí)會(huì)導(dǎo)致出現(xiàn)大量的點(diǎn)跡。結(jié)合鐵路場(chǎng)景下鐵軌周圍除了列車，很少有其他移動(dòng)的大目標(biāo)，此時(shí)為了減少不必要的運(yùn)算，可以直接預(yù)警。因此，本發(fā)明提出點(diǎn)跡預(yù)處理算法，主要是先統(tǒng)計(jì)點(diǎn)跡數(shù)量，如果點(diǎn)跡數(shù)量超過探測(cè)區(qū)域設(shè)定的閾值，則計(jì)算所有點(diǎn)跡的平均距離和平均速度，分別與區(qū)域設(shè)定的安全距離和安全速度進(jìn)行比較。若平均距離小于安全距離或者平均速度大于安全速度則直接預(yù)警，并附上點(diǎn)跡的平均距離和速度信息，否則繼續(xù)下一周期的探測(cè)與數(shù)據(jù)處理。本實(shí)施例中點(diǎn)跡閾值根據(jù)雷達(dá)的分辨率與列車的大概尺寸計(jì)算獲得，安全距離較大，安全速度與列車行駛速度相匹配。對(duì)于其他入侵物體或者距離大于安全距離且行駛速度小于安全速度的列車，為了更加準(zhǔn)確的分析入侵物體的信息，本發(fā)明提出一種雷達(dá)探測(cè)系統(tǒng)中采用密度聚類的雷達(dá)點(diǎn)跡凝聚算法，將屬于同一目標(biāo)的點(diǎn)跡進(jìn)行凝聚。本方法通過對(duì)點(diǎn)跡進(jìn)行密度聚類，將所有點(diǎn)跡分成若干個(gè)簇，每個(gè)簇代表一個(gè)運(yùn)動(dòng)物體。本方法基于一組“鄰域”參數(shù)(∈，MinPts)。給定對(duì)象半徑∈內(nèi)的鄰域稱為該對(duì)象的∈鄰域。如果對(duì)象的∈鄰域至少包含最小數(shù)目MinPts的對(duì)象，則稱該對(duì)象為核心對(duì)象。通過檢查數(shù)據(jù)庫(kù)中每點(diǎn)的∈鄰域來搜索簇。對(duì)于同一個(gè)物體的相鄰點(diǎn)跡，設(shè)置多維參數(shù)中每一項(xiàng)能容忍的最大差異閾值，然后獲取加權(quán)歐幾里得距離，即可獲得算法初始參數(shù)∈。MinPts主要與雷達(dá)探測(cè)的分辨率有關(guān)，分辨率越高，則MinPts可相對(duì)取值大一些。本實(shí)施例中設(shè)定雷達(dá)距離分辨率為0.3米，方位分辨率為0.6米。對(duì)于同一個(gè)物體的相鄰點(diǎn)跡，多維參數(shù)中每一項(xiàng)能容忍的最大差異閾值如表2所示，則初始參數(shù)∈為MinPts取值設(shè)置為6。初始參數(shù)設(shè)定完畢后，將多維參數(shù)數(shù)據(jù)傳遞給本方法做點(diǎn)跡聚合處理，各點(diǎn)跡之間的連接性通過多維參數(shù)的加權(quán)多維歐幾里得距離來體現(xiàn)，并基于可連接點(diǎn)跡的不斷擴(kuò)展聚類簇來獲得最終的聚類結(jié)果。本方法里多維參數(shù)的加權(quán)系數(shù)與設(shè)定初始參數(shù)∈的加權(quán)系數(shù)相同。表2聚類參數(shù)值權(quán)重距離差異閾值0.6m40％方位差異閾值1.2m30％速度差異閾值1m/s30％在復(fù)雜雜波背景下，為了減少由雜波或者無威脅性物體的運(yùn)動(dòng)帶來的虛警問題，本方法將密度聚類算法得到的入侵物體的信息進(jìn)行無威脅物體過濾，并保存相關(guān)結(jié)果到時(shí)間序列中。對(duì)于本方法聚類后的每個(gè)簇，獲取距離的最大差值和方位角的最大差值即可近似認(rèn)為是該入侵物體的長(zhǎng)和寬，分別設(shè)定一個(gè)威脅性物體長(zhǎng)和寬的閾值，如果該簇的長(zhǎng)和寬都小于該閾值則刪除該簇。同時(shí)計(jì)算每個(gè)簇的平均速度，若入侵物體速度小于安全速度，刪除該簇。威脅性物體長(zhǎng)寬的閾值與區(qū)域的安全級(jí)別程度有關(guān)。安全級(jí)別越低，威脅性物體長(zhǎng)寬的閾值越大。本實(shí)施例中主要為了識(shí)別能夠?qū)?yīng)急搶險(xiǎn)施工現(xiàn)場(chǎng)造成威脅的入侵物體，因此威脅性物體長(zhǎng)寬的閾值可設(shè)置的相對(duì)大一些以過濾過往行人或者動(dòng)物等，長(zhǎng)寬閾值均為2米。無威脅物體過濾后將所有簇的平均距離、平均方位角、平均速度、大小再取均值保存到時(shí)間序列中，同時(shí)保存簇的數(shù)量。如果連續(xù)多周期后所有簇的距離雷達(dá)的平均距離變小則表明有大型入侵物體以超過安全速度的速度向施工現(xiàn)場(chǎng)方向沖來，此時(shí)需要立刻預(yù)警，并附上入侵物體的平均距離、平均方位角、平均速度、平均大小和數(shù)量等信息。時(shí)間序列機(jī)制可確保在預(yù)處理算法沒有識(shí)別出列車的情況下，通過進(jìn)一步的運(yùn)動(dòng)信息分析，發(fā)現(xiàn)即將到來的列車或其他有威脅性的大型入侵物體并預(yù)警，避免漏警現(xiàn)象的發(fā)生。采用本發(fā)明的基本方案，在實(shí)際實(shí)施時(shí)，可以衍生出多種不同的等同產(chǎn)品，但凡是根據(jù)發(fā)明的技術(shù)方案及其發(fā)明構(gòu)思，加以等同替換與改變，均被認(rèn)為屬于發(fā)明的權(quán)利要求的保護(hù)范圍。當(dāng)前第1頁1 2 3