摘要
本发明公开了一种雷达飞鸟飞行特征提取与行为分析方法,涉及雷达信号处理领域技术领域。包括:基于机场雷达航迹数据,通过计算航迹平直度、水平转弯率等瞬时特征,构建一个多维运动学“航迹画像”;应用肘部法则确定最优聚类数,并采用K‑Means算法对所述“航迹画像”进行无监督聚类,实现对飞行行为的自动模式划分;结合UMAP降维可视化与典型三维航迹重构技术,对聚类结果进行定性定量分析与交叉验证,深入解读各类行为模式内涵;将所述方法固化为包含数据采集、特征计算和算法处理的模块化系统,实现分析流程的自动化。本发明将鸟情分析从传统的目标识别提升到对飞行意图的理解层面,为机场鸟击风险的精微化评估与智能预警提供了新的技术支撑。
技术关键词
画像
无监督聚类分析
平直度
肘部法则
分析方法
运动学特征
雷达系统
非线性降维算法
三维绘图技术
雷达航迹数据
统计特征
典型
聚类算法
三维坐标信息
模式
系统为您推荐了相关专利信息
仿真模型
锂电池故障
溯源方法
故障传播路径
物理
舆情分析方法
情感分析模型
关键词
语义
河流生态环境
广告投放策略
广告智能投放
市场动态
分析模块
时间序列分析方法
多模态深度学习
头颈
辅助分析方法
临床检查数据
智能辅助分析系统