T/STSI 团 体标准
边坡与结构体雷达监测技术要求
Technical requirements for radar monitoring of slopes and structures
中关村新兴科技服务业产业联盟 发布
目次
前言1范围..2规范性引用文件3术语和定义4监测原理与方法，5监测设备要求.6数据采集与处理.7监测结果评估与预警，8质量控制与安全管理，
前言
起草. 本文件按照GB/T1.1-2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定
请注意本文件的某些内容可能涉及专利.本文件的发布机构不承担识别专利的责任.
本文件由深圳市开阳星信息科技有限公司提出. 本文件由中关村新兴科技服务业产业联盟归口.
本文件起草单位：深圳市开阳星信息科技有限公司、江苏普光微电子有限公司、中国地质大学（武汉）机械与电子信息学院、深圳大学、深圳职业技术大学电子与通信工程学院、深圳市微波通信技术应 用行业协会、东莞市交通投资集团有限公司.
本文件主要起草人：江荣、陈义钦、周峰、张钦、曾三友、符灿威、周涛、宋荣、何业军、张秀君、张涵、续飞.
边坡与结构体雷达监测技术要求
1范围
本文件规定了边坡与结构体雷达监测技术的术语和定义、监测原理与方法、设备要求、数据采集与
处理、监测结果评估与预警、质量控制与安全管理.
本文件适用于以下场景：
a)自然或人工边坡（土质边坡、岩质边坡、矿山边坡等）的稳定性监测：b）结构体（桥梁、隧道、大坝、高层建筑、大型储罐等）的变形、位移、裂缝及倾斜监测：d）工程施工过程中对边坡及结构体的安全监测与风险管控. c)地质灾害易发区域（滑坡、崩塌、泥石流等）的实时预警与监测：
2规范性引用文件
仅该日期对应的版本适用于本文件：不注日期的引用文件，其最新版本（包括的修改单）适用于本 下列文件中的内容通过文中的规范性引用面构成本文件必不可少的条款.其中，注日期的引用文件，文件.
GB50330-2013建筑边坡工程技术规范 GB50343-2012建筑物电子信息系统防雷技术规范GB/T18894-2016电子文件归档与电子档案管理规范GB/T37228-2018公共安全应急管理突发事件响应要求 GB/T50026-2020工程测量规范GB/T50269-2015地基动力特性测试规范
3术语和定义
下列术语和定义适用于本文件.
3. 1
边坡雷达监测 Slope radar monitoring
利用微波反射与干涉测量原理，通过雷达设备对边坡表面及深层的位移、形变等参数进行非接触式连续监测的技术，当边坡发生位移或形变时，反射点的位置会发生改变，导致反射信号的传播路径长度发生变化，进而引起发射信号与反射信号之间的相位差改变，通过对不同位置、不同时间点的位移、形变数据进行分析，即可实现对边坡整体稳定性的监测与评估
结构体形变速率阅值Structuraldeformationratethreshold
根据工程安全等级设定的形变速率临界值，用于触发分级预警机制.
3. 3
地基雷达groundbasedradar
固定安装于地面的合成孔径雷达，适用于高精度、近距离监测.
3. 4
机载雷达airborneradar
搭载于飞行平台的雷达系统，适用于大范围、远距离监测.
4监测原理与方法
4.1基本原理
4.1.1微波反射原理
4.1.1.1雷达系统应发射特定频率的电磁波（通常为X波段或Ku波段），电磁波在遇到边坡或结构体表面后应发生反射，接收器应捕获反射信号并应记录其振幅与相位信息.
4.1.1.2应根据发射波与反射波的相位差，结合雷达波长（入），计算目标物的位移量，其精度应可达亚毫米级（≤0.5mm）.
4.1.1.3当监测距离≤100米时，位移量计算精度应稳定保持在亚毫米级（≤0.5mm），监测距离处于100-500米范围，受电磁波衰减、多路径效应影响.精度降至1-2mm，监测距离>500米，精度进一步 下降至2-5mm.
4.1.2干涉测量技术（InSAR）
应采用合成孔径雷达（SAR）技术，通过多次观测同一区域生成干涉图，结合差分处理（D-InSAR）消除大气延退和地形误差，提取微小形变信息.
4.1.3多源数据融合
4.1.3.1数据采集与同步
4.1.3.1.1应利用各传感器按设定频率实时采集数据，同时通过统一的时间截对雷达、GNSS、倾斜仪、裂缝计等数据进行时间同步，确保不同类型数据在时间维度上对齐，避免因时间偏差导致融合结果失真.
4.1.3.1.2应采用高精度的时间同步模块，如基于全球定位系统（GPS）或北斗卫星导航系统（BDS）的授时设备，为传感器提供统一的时间基准.
4.1.3.1.3各传感器应通过硬件接口与时间同步模块连接，接收精确的时间信号，实现硬件层面的时间同步.
4.1.3.1.4针对采集频率差异较大的传感器，应建立数据缓冲区.高频采集数据应暂存于缓冲区中，根据低频传感器的采集频率，对高频数据进行重采样处理，降低数据频率，使不同频率数据在时间间隔上匹配，实现数据融合所需的时间同步.
4.1.3.2数据预处理
4.1.3.2.1应对采集的数据分别进行滤波去噪（采用如小波变换、中值滤波等方法）、异常值剔除和归一化处理，提升数据质量.
4.1.3.2.2对于雷达数据，应重点去除电磁干扰产生的噪声：GNSS数据应修正多路径效应引起的误差： 倾斜仪和裂缝计数据则应剔除因设备振动产生的异常值.
4.1.3.3特征提取
特征提取应包含以下内容：a）雷达数据：提取位移变化速率、形变梯度等特征：b）GNSS数据：获取三维坐标变化、定位精度指标等： c）倾斜仪数据：提取倾斜角度、角度变化率：d)裂缝计数据：提取裂缝宽度、裂缝扩展速度.
4.1.3.4融合算法选择与实施
4.1.3.4.1加权平均法：应根据各传感器数据的历史精度和稳定性赋予不同权重，适用于数据相对稳定、误差特性明确的场景.例如，若雷达在某监测区域长期精度较高，可赋予较高权重，计算加权平均 值作为融合结果.
4.1.3.4.2卡尔曼滤波法：应建立状态空间模型，适用于处理动态变化的监测数据，可实时预测和更新边坡状态，有效融合不同频率采集的数据.如将GNSS低频定位数据与雷达高频位移数据通过卡尔曼 滤波融合，优化数据连续性.
4.1.3.4.3D-S证据理论：应通过构建基本概率分配函数，处理不确定信息.当传感器数据存在冲突
