提出了基于多维度信息融合与上下文理解的目标判别模型,并详细 阐述了包括时空动态分析与轨迹建模、微动特征分析等关键技术在内的综合解决方案。 通过系统测试 验证,该方案在复杂环境下实现了对各类低空目标的精准识别与快速响应,为低空智联监视体系的实际 应用提供了可靠的技术参考。 关键词:低空经济;5G-A;低空监视 中图分类号:TN959. 1 文献标志码:A 引用格式:胡雅静, 宋倩, 光电探测、广播式自动相关监视(Automatic Dependent Surveillance-Broadcast,ADS-B)等多源数据融合,为合 作目标提供信息服务,更重要的是提升非合作目标的 检测识别率,然后进一步结合深度学习模型,实现对飞 行器行为意图的精准预测与异常事件的可靠告警;同 时,构建智能决策中枢,为空域动态管理、交通流量调 度、飞行冲突解脱及突发事件应急响应提供实时辅助 并结合多站连续组网与跨小区航迹跟踪技术,解决低 空多目标协同感知与连续跟踪的难题;同时,具备厘米 级定位与毫秒级时延能力 [5],满足无人机避障、远程控 制等高精度需求。 相控阵雷达则通过波束赋形技术实 现目标的精确探测与跟踪,其对目标雷达散射截面积 (Radar Cross Section,RCS) 的探测灵敏度是衡量系统 性能的关键指标之一。 光电探测通过可见光及红外光 电摄像头实现全天候环境监测

5G-A通感基站感知基本工作原理如图3.3所示，与雷达（Radio Detection and Ranging, RADAR）工作原理类似，主 要通过计算无线电波发射波和目标回波的时延、目标的多普勒效应频偏、不同天线波束收到目标回波的强度差异，给出探测 目标的精确定位和速度感知。 图3.2 5G-A通感一体化技术 5G-A通感基站 通信+感知 通信+感知 通信+感知 无人机 车辆 船只 图3.3 5G-A通感基站/雷达感知基本工作原理 5所示。例如，在低空安防场景中， 5G-A通感基站通过识别引擎区分无人机和鸟，以减少不必要的预警。目标识别的基本原理是利用感知回波中的幅度、相 位、频谱和极化等目标特征信息，通过多维空间变换来估算目标的大小、形状等参数，最后根据大量训练样本所确定的鉴别 函数，在分类器中进行识别判决。为了提升目标识别效果，在5G-A通感基站中，还会引入AI技术，对不同场景不同类型的目 标信号特征和运动特征进行数 应用场景。 相比传统雷达，为了在复杂环境下实现对无人机等“低慢小”目标的精确探测及跟踪，低空监测雷达采用了脉冲多普勒体 制、有源相控阵技术、抗杂波处理、目标识别等关键技术，其主要工作频段是X波段/Ku波段，基本性能指标如表3.2所示。 低空监测雷达通过向空中发射无线电波，并接收目标反射回来的回波，实现对低空飞行目标的探测、定位、跟踪和识 别，基本工作原理如图3.3所示，其典型设备形态如图3

市场规模持续增长，应用领域不断拓展。 低空视觉主要涵盖无人机、低空飞行器等在低空空域获取的视觉数据。在此空域内飞行 器面临着诸多挑战，如复杂光照条件，包括强光、弱光、逆光等，可能导致图像过曝、欠曝 或细节丢失[4]；动态目标的频繁出现，如行人、车辆、其他飞行器等，增加了目标识别与跟 踪的难度[5]；局地气象变化，如雾霾、雨雪、强风等，会影响图像的清晰度和稳定性，进而 给视觉数据的获取与分析带来巨大挑战[6]。底层视觉任务是计算机视觉领域中基础性且重要 视觉 xxx -13- 任务系统划分为退化恢复任务、信息增强任务与质量评估体系三大类。底层视觉任务近 10 年部分典型算法如图 1.1 所示。 图 1.1 底层视觉任务算法图 根据任务目标的技术特性与处理流程的本质差异，本章节将低空底层视觉任务系统划分 为三大类：退化恢复任务、信息增强任务与质量评估体系。此分类体系基于任务的核心目标 导向和技术内涵： （1）退化恢复任务的核心在于 趋势：将物理先验（如大气 散射模型）嵌入深度学习框架，既保留模型可解释性，又提升复杂场景泛化能力。典型方案 通过双分支网络分别学习物理参数与残余雾特征，在输电线路巡检等场景中实现了绝缘子等 关键目标的清晰化。特定气象条件下的低空去雾需针对性优化，Wierzbicki 等[89]针对高气压 锋面下的低海拔雾特征，提出基于局部对比度增强的去雾方法，通过动态调整雾区与晴空区 的增强强度，在沿海城市

.......36 3.2.2 数据采集设备性能要求..............................................................38 4. 监测目标的确定..........................................................................................39 4.1 在实施这些目标时，技术的选择及设备的配置至关重要。低空 环保监测网络应配备先进的传感器及仪器，以确保数据的准确性和 稳定性。此外，应考虑使用无人机等新兴技术进行区域性环境采样 与监测，以提高覆盖率与监测效率。 通过以上目标的实现，低空环保监测网络不仅能够保障生态环 保的有效性，同时也能提升公众的环境意识，促进可持续发展。 2.3 监测网络的构成 在低空环保监测网络的设计中，构成要素是实现高效、精准监 测的基础。 4G/5G 无线网 络、LoRa、Wi-Fi 等，以适应不同地区的网络覆盖情况，保证数据 能够实时上传至监测系统。为了增加系统的灵活性，设备还应支持 与其他传感器的联动能力，以便于实现多种指标的联测。 设备的功耗也是选型过程中必须考虑的一项内容。为提高监测 系统的续航能力，尤其是在偏远或无电源地区，设备应采用低功耗 设计，并支持太阳能或风能等可再生能源供电。 在实际选型时，可以参考如下性能指标：

精度和实 时处理能力。  第三阶段：系统集成与测试，确保各模块协同工作，并进行多 场景测试。  第四阶段：用户培训与系统部署，确保用户能够熟练使用系 统，并进行实际应用。 通过以上目标的实现，本项目将为低空无人机图像处理领域提 供一套高效、可靠、安全的解决方案，推动相关行业的技术进步和 应用发展。 1.2.1 提高图像处理效率 在低空无人机 AI 识别自动处理图像项目中，提高图像处理效 YOLO、SSD 或 Faster R-CNN）对图像中的目标进行定 位和分类。检测结果将包括目标的类别、位置和置信度等信 息。目标检测与分类的具体流程如下： o 区域建议：生成可能包含目标的候选区域。 o 特征提取：对候选区域进行特征提取。 o 分类与回归：对候选区域进行分类和边界框回归，确定 目标的类别和位置。 4. 实时处理与反馈：系统将具备实时处理能力，能够在无人机飞 行过程中即时 因素，以确保项 目的顺利进行。 2. 需求分析 在低空无人机 AI 识别自动处理图像项目的需求分析中，首先 需要明确项目的核心目标：通过无人机搭载的高清摄像头和 AI 算 法，实现对地面目标的自动识别与图像处理。这一目标要求系统具 备高效的数据采集能力、强大的图像处理能力以及稳定的通信传输 能力。 1. 数据采集需求： o 无人机需要配备高分辨率摄像头，支持至少 1080p 的视

对电力设备状态进行实时监控、实时反馈，相较传统运维模式人力管理成本更 低、故障发现更及时、电网运行的安全性大幅提升。 智能运维是“状态检修”策略的具体表现形式。伴随着电力系统的日益复杂， 坚强智能电网与电力物联网建设目标的持续推进，我国电力系统向高度信息化、 智能化和自动化方向发展，对电力运维的准确性和及时性提出了更高的要求， 4 迫切需要通信、计算机、人工智能、大数据等技术相互结合在电网中应用，以 实现在线 多旋翼无人机搭载红外热像仪可连续监测高压设备，可避免代价昂贵的故障发 生。 B.无人机搭载高清摄像机 C.无人机搭载 LiDAR ④ 施工建设服务 为保证项目管理的全生命周期内的投资目标、质量目标、进度目标的控制，基 于多旋翼无人机倾斜摄影测量技术定期对项目地点进行航飞，可获取不同施工 工程阶段项目地点施工情况的高精度可视化三维模型或 360 全景，为施工管理 10 提供依据。 ⑤ 电网运营维护服务 不同的作业目标，选择 合适的无人机载荷，达成最终的作业目的。载荷具有多样性和可适配性，主要 介绍以下几种类型： ① 高清相机：包括云台相机和光电吊舱，通过高倍率可变焦镜头，实现空中对 地面目标的可见光画面观测，基本功能拍照、摄像，延伸功能有识别、跟踪等， 是巡检监察应用中的主要载荷。 ② 测绘载荷：包括正射相机、倾斜摄影相机、激光雷达、光谱相机等，主要是 对地面进行地理信息测绘，并使

识别。以下是几项 低空监视的关键技术及其描述： 1、雷达技术 雷达（Radio Detection and Ranging, RADAR）是通过发射无线电波并接收反射信号来探 测和定位目标的技术。在低空监视中，雷达广泛应用于检测和跟踪低空飞行目标，其优势在 数字低空工作组 12 于覆盖范围广，同时提供精确的距离、速度和方位等信息，能够在各种气象条件下有效监测 无 结合其他技术（如 ADS-B 和无线电侦测），可以有效提升监测能力。 2、4D 毫米波雷达 4D 毫米波雷达不仅提供距离、速度、方位等三维信息，还能通过雷达波的时间延迟和 反射特性获取目标的高度（第四维），形成更为精细的三维图像和动态监测。相比于传统雷 达，4D 毫米波雷达具有更高的分辨率和探测精度，特别适用于复杂环境下的目标识别和定 位。在低空监视中，4D 毫米波雷达的优势在于可以精准区分和跟踪多个快速移动的无人机， 式，可以有效确保空域中各飞行器之间的安全间隔，但其对非合作无人机的监测能力依然有 限。 5、阵列摄像技术 阵列摄像技术通过多摄像头组成的摄像阵列，提供广视角、高分辨率的影像数据，适用 于对低空飞行目标的实时监控与取证。通过先进的图像处理算法和计算机视觉技术，摄像阵 列能够自动识别和跟踪无人机的飞行路径、姿态，并记录高清影像。这一技术对于视频取证、 无人机的状态识别、行为分析等方面具有重要作用，尤其在城市环境或人群密集区域中，可

生产与服务活动中产生的废气与废水排放，须符合环境 排放标准。 o 外来人员对生态环境、社会生活造成的压力。 为了定量评估上述影响，需建立环境影响评价模型，并输出相 应的评估指标。以下是主要评估指标的示例： 评估指标 数据来源 预期标准 噪声水平 施工与运营期监测数据 ≤ 55 dB(A) ( 白天) 废水排放量 运营期排污许可证标准 100 m³/day ≤ 大气污染物浓度 定期检测，环境监测数据 发展目标，促进地区经济的全面提升。 5.2.1 企业联盟 在低空经济创业园的建设中，企业联盟作为一种有效的产业合 作模式，能够通过资源整合与协同发展，快速提升产业链的整体竞 争力与市场响应能力。企业联盟是指在共同目标的前提下，由多家 企业自主、自愿地组成的合作网络，通过资源共享、信息交流和技 术协同，形成互惠互利的关系。 企业联盟的构建可以分为以下几个方面： 首先，在联盟成员的选择上，应优先考虑在低空经济领域内有 伴。以下是本次招商洽谈会的具体实施方案。 首先，确定招商洽谈会的目标与主题。招商洽谈会的主题应与 低空经济的相关领域紧密结合，例如民用无人机、航空物流、低空 旅游等，明确目标是吸引行业内相关企业及投资者。为确保目标的 明晰，建议设定参会企业的类别及预期投资金额，形成具体的招商 对象模型。 其次，邀请优质参会嘉宾。通过筛选与低空经济相关的优秀企 业、投资机构及行业专家，组成一个多元化的参会阵容。应优先选

通过这一基本框架的建立与实施，必将为低空经济的校企合作 带来新的契机和活力。 3.1 合作目标 在低空经济校企合作方案中，合作目标的制定是确保合作顺利 进行、实现互利共赢的基础。为了应对日益增长的低空经济市场需 求，校企合作的目标应围绕人才培养、技术研发、行业应用以及可 持续发展等多个方面进行明确。 首先，合作目标的核心是培养高素质的专业人才。随着低空经 济的快速发展，需要大量具备专业技能的人才，因此校企双方需共 建立人才数据库，实时更新行业需求数据，保证人才培养的针 对性与前瞻性。 通过上述措施的实施，将有效提升低空经济领域的人才供给， 助力行业的可持续发展。 5.2 人才培养目标 在人才培养目标的制定过程中，我们将依据低空经济的发展需 求以及行业人才的实际情况，明确导向，以培养高素质、创新型、 实用型的人才为目标。具体而言，人才培养目标既包括专业知识的 掌握，又注重实践能力的提升，旨在为低空经济提供全面的人才支 项目研究：鼓励学生以团队为单位开展项目研究，教师指导下 进行课题设计及实施，鼓励参与各类科技竞赛。  职业发展辅导：定期举办职业规划讲座和行业专家分享会，帮 助学生明确职业发展方向。 为了确保人才培养目标的落实，我们将结合如下的量化指标进 行评估：  每年参与低空经济相关实践项目的学生比例达到 70%以上。  学生在科技竞赛、创新创业大赛中获奖比例不低于 30%。  学生的就业率目标为 90%及以上，且在低空经济相关领域内

度电池、先进飞行控制、轻量化复合材料、高集成度航电系统等，均是前沿技术的集成 创新。它并非传统通用航空的简单延伸或电动化，而是在动力范式、能源形式和控制方 式上的根本性变革，是实现交通领域“碳达峰、碳中和”目标的重要技术路径之一。 ⚫ 生产要素创新性配置：它将“低空空域”这一长期未被充分利用的生产要素，通过技术 创新和管理创新，转化为承载经济活动的新空间，实现了对传统三维空间的有效拓展， 极大地优 eVTOL 产品， 为后续商业化运营铺平了道路。 3.3 基础设施安全：从“参数对齐”到“治理达标” 在十五五周期，基础设施安全的关键正从单纯追求雷达探测距离、5G-A 带宽等技术指 标的“参数对齐”，转向确保系统可信、可靠、可追溯的“治理达标”。治理达标意味着三件 事：一是“可视与可证”，关键航路与场站的监视能力必须实现全覆盖，所有轨迹数据必须通 过统一规范进行留痕，确保数据本 能够实现互联互通和责任追溯；以标 准化的“异常处置—复盘—纠偏”流程，形成持续改进的技术与管理闭环。 21 设计明确了各自职责，但在实际操作中，跨部门的协同流程往往是割裂的、非标的，且依赖 于线下沟通和人工协调。例如，一个跨区域的应急救援飞行，可能需要同时向不同地区的军、 民航、公安等多个单位分别申报，信息传递链条长、效率低，在分秒必争的紧急情况下，容 易出现“多头响应