基于鸟类目标散射特性分析的雷达探鸟实验

航空

游客，如果您要查看本帖隐藏内容请回复

航空

　第30 卷　第7 期航　空　学　报Vol130 No17
　2009 年　　7 月ACTA AERONAU TICA ET ASTRONAU TICA SINICA J uly 　2009
收稿日期: 2008205204 ; 修订日期: 2008210230
基金项目: 国家自然科学基金委员会与中国民用航空总局联合资助
项目(60879025) ;民航数据通信及新航行系统科研基地
开放研究基金
通讯作者: 宁焕生E2mail : ninghuansheng @vip . sina. com
　　文章编号:100026893 (2009) 0721312207
基于鸟类目标散射特性分析的雷达探鸟实验
陈唯实1 , 宁焕生1 , 李敬2 , 毛峡1 , 王宝发1
(1. 北京航空航天大学电子信息工程学院, 北京　100191)
(2. 中国民用航空总局航空安全技术中心, 北京　100028)
Avian Radar Detection Experiment Based on Analysis of Bird
Targets’Scattering Characteristics
Chen Weishi1 , Ning Huansheng1 , Li J ing2 , Mao Xia1 , Wang Baofa1
(1. School of Elect ronic Information Engineering , Beijing University of
Aeronautic and Ast ronautics , Beijing 　100191 , China)
(2. Center of Aviation Safety Technology , Civil Aviation Administ ration of China , Beijing 　100028 , China)
摘　要: 鸟类目标散射特性研究是雷达探鸟系统探测性能分析的理论基础。基于此,首先进行了鸟类目标散
射特性分析,采用实验数据构造的理论统计模型,估计出单只鸟和鸟群的雷达散射截面(RCS) 量级范围。然
后,详细介绍了雷达探鸟实验系统的系统结构、探测性能和飞鸟目标识别算法。最后,基于外场实验获取的雷
达探鸟图像序列提取出飞鸟目标轨迹与相关信息,验证了雷达探鸟的可行性,并通过对不同实验结果的分析
提出了抑制虚警和漏警的算法改进方向。
关键词: 鸟; 雷达散射截面; 雷达; 探测; 虚警
中图分类号: TN95 　　　文献标识码: A
Abstract : The study of scattering characteristics of bird target s is the theoretical foundation for the perfor2
mance analysis of an avian radar system. This article first analyzes the scattering characteristics of bird target s
by means of a statistical model based on experimental measurement s to estimate the radar cross section (RCS)
order2of2magnitude of a single bird and a flock of birds. Then it int roduces in detail the system architecture ,
detection performance and algorithm of the avian radar experimental system for flying bird detection. Finally ,
flying bird target t rails and correlative information are ext racted f rom avian radar image sequences collected
during outfield experiment s , which verify the feasibility of bird detection with radar , and some prospect of
algorithm improvement for reducing false alarm and missing alarm is proposed af ter an analysis of different
experimental result s.
Key words : birds ; radar cross section ; radar ; detection ; false alarm
　　早期利用雷达探测空中目标时,人们将那些
不存在明显反射源的回波信号称为“仙波”,其实
这些“仙波”通常是由飞鸟产生的[1 ] 。尽管来自一
只鸟的回波很小,但如果距离足够近或者雷达的
探测能力足够强,它仍能被检测到。对于探测目
标不是飞鸟的雷达系统,“仙波”干扰了雷达的正
常工作,属于杂波,需要从雷达回波中滤除。近几
十年来,随着鸟击(飞机撞鸟) 事件的频繁发生,鸟
击防范成为民航界关注的重大课题,“仙波”由杂
波变为探测对象,雷达探鸟作为飞鸟探测的主要
技术手段已发展成雷达领域重要的研究方向[2 ] 。
国外成熟的机场雷达探鸟系统包括加拿大Sicom
Systems 公司开发的Accipiter 系统和美国De2
Tect 公司开发的Merlin 系统。鸟击风险与鸟的
质量有关,中、大型鸟和鸟群对飞行安全的威胁最
大,其雷达散射截面(Radar Cross Section ,RCS)
也较大,更易于被雷达系统发现。本文基于鸟类
目标散射特性分析,介绍了雷达探鸟实验涉及的
关键技术。
1 　鸟类目标散射特性分析
人们针对鸟类目标进行了大量暗室测量实
验,认为鸟的RCS 与其质量和电磁波的工作波
长存在一定联系。在S 波段,质量70 g 的欧椋
鸟的平均RCS 为10 cm2 ,而质量1 000 g 的野鸭
的平均RCS 为100 cm2 [ 3 ] 。鸽子在U HF 波段具
　第7 期陈唯实等:基于鸟类目标散射特性分析的雷达探鸟实验　
有11 cm2 的平均RCS ,在S 波段为80 cm2 ,在X
波段为15 cm2 [4 ] 。此外,鸟的雷达回波由其翅膀
扇动形成周期性变化。翅膀扇动引起10 dB 的
RCS 起伏是很平常的,有时候会发现单只被跟踪
鸟在翅膀扇动率上的RCS 起伏为30～40 dB[5 ] 。
翅膀扇动频率的一个估计由f = 572/ L01827 给出, f
为翅膀扇动频率, Hz ; L 为翅膀长度,mm[6 ] 。另
外,同一只鸟处于不同状态时(迁徙或觅食) ,因飞
行方式不同,其RCS 也有变化。
可见,鸟类作为复杂的生物体,其精确建模非
常困难,目前国内外尚无相关报道。鸟体重的
65 %由水形成,水是一种具有较大介电常数的物
质,可以形成相对较大的回波反射率,普遍认为鸟
类目标RCS 主要是由其体内的水反射形成的,因
此水球建模是一种常见的理论近似方法[7 ] 。但该
方法过于粗糙,且对于许多鸟和工作波长来说,水
球模型处于谐振区甚至瑞利区,其计算值起伏太
大,不适于工程应用。因此,工程上通常基于大量
实验测量数据给出计算单只鸟RCS 的近似统计模
型为[8 ]
σ =
0155W1/ 3λ λ/ W1/ 3 < 514
2 512W2λ- 4 λ/ W1/ 3 > 514
(1)
式中:W 为鸟的质量,g ;λ为波长,cm。统计模型
的计算结果基于大量实验数据,更符合鸟类RCS
的平均统计特性,适于估计各种鸟RCS 值的量级
范围。
鸟群对雷达的影响与其总体RCS 有关,根据
鸟群的规模,可以推算出其RCS。最简单的情况
是,假设鸟之间的距离足够大,且分布和取向随
机,忽略单只鸟之间的互耦,用鸟的数量乘以单只
鸟RCS。表1[5 ] 给出了一些代表性的鸟群在一个
很广的区域内的外场RCS 测量值σ, 密度和体积
反射率η等数据,适用频率从S 波段到X波段。可
见,迁徙鸟群的总体RCS 通常大于1 m2 。因此在
工程应用中,从S 波段到X波段,单只鸟通常具有
1～100 cm2 的平均RCS ,其中:小鸟RCS 约5 cm2 ,
中鸟RCS 约50 cm2 ,大鸟RCS 约100 cm2 。
表1 　鸟群目标散射特性[ 5]
Table 1 　Scattering characteristics of bird flock targets[ 5]
鸟的类型影响区域/ km2 鸟的数量鸟的密度/ (只·m- 3) σ/ m2 η/ cm - 1
较低山谷中的山鸟105 108 10 - 6 5～50 10 - 11～10 - 10
单个栖息的山鸟103～104 107 10 - 6～10 - 5 5～50 10 - 11～10 - 9
海岸区乌鸦、欧鸟、鹅和鸭103 104～106 10 - 9～10 - 6 10～500 10 - 13～10 - 9
加利福尼亚海岸迁徙的海鸥103 > 106 10 - 5 50～500 10 - 9～10 - 8
佐治亚海岸的角嘴海雀10 105 10 - 4 50～500 10 - 9～10 - 8
美国湾海岸的涉水鸟105 106 10 - 9 50～500 10 - 13～10 - 12
美国洛杉矶山脉东部迁徙鸟107 109 10 - 7 1～50 10 - 13～10 - 12
非洲草原群体繁殖的奎利亚雀2 > 107 10 - 2 5～50 10 - 7～10 - 6
2 　雷达探鸟实验系统
北京航空航天大学与中国民用航空总局航空
安全技术中心和北京首都国际机场合作,搭建了
雷达探鸟实验系统,为我国的雷达探鸟和鸟击防
范研究迈出了重要一步。下面分别从系统结构、
系统探测性能分析和数据处理方法3 个方面对该
系统进行介绍。
211 　系统结构
本实验系统配备了一部峰值功率6 kW 的X
波段海事雷达(Model 1941 Mark22) ,垂直波束的
宽度为22°,水平波束的宽度小于119°; 天线为
112 m 的波导缝隙T 型天线,转速为24 r/ min ;脉
冲重复频率为1～2 kHz ,脉宽为0108～0130μs。
在外场实验中,将雷达固定在梯形支架上,并架
设于小型轿车顶部进行水平扫描,距地面2～
3 m ,由蓄电池进行供电,如图1 (a) 所示。该雷
达获取的探鸟雷达平面位置指示( Plane Position
Indicator ,PPI) 图像通过图像采集卡(帧/ 21 5 s)
输出到计算机上,利用飞鸟目标识别算法进行
实时处理,生成便于观测的融合图像,同时将数
据保存起来,以便深入研究,系统结构如图1 ( b)
所示。
212 　系统探测性能分析
机场雷达探鸟系统对风险系数不同的小、中、
大型鸟和鸟群的探测距离是机场鸟情观测人
1313
　　航　空　学　报第30 卷
图1 　雷达探鸟实验系统
Fig11 　Avian radar experimental system
　　
员非常关心的问题。已知雷达探鸟实验系统配
备的海事雷达可以探测到251 0 n mile 距离上的
RCS 为1 m2 的渔船,由雷达方程(雷达最大作
用距离的4 次幂与所探测目标的RCS 成正比)
可知,一个能在2510 n mile 的距离探测RCS 为
1 m2的目标(鸟群) 的雷达同样能在719 n mile 的
距离上探测到100 cm2 的目标(一只大鸟) , 在
616 n mile 的距离上探测到50 cm2 的目标(一只
中鸟) ,在317 n mile 的距离上探测到5 cm2 的目
标(一只小鸟) 。
213 　飞鸟目标识别算法
飞鸟目标识别算法是雷达探鸟实验系统的技
术核心,包括背景差分、噪声抑制、目标信息提取
和坐标融合4 个部分,如图2 所示。
背景差分是飞鸟目标识别的第一步,即从探
鸟雷达图像中减去背景信息,因此构造一个纯净
的背景成为问题的关键。平均值法是最为简单实
用的背景图像提取方法,该算法采用了一种新颖
的主成分分析( Principal Component Analysis ,
PCA) 方法构造背景图像,每幅雷达图像都包含背
景和运动目标(飞鸟) ,因此背景可视为最大的主
成分[ 9 ] 。PCA 方法构造背景图像效率相对较低,
图2 　飞鸟目标识别算法流程图
Fig12 　Algorithm diagram for flying bird target detection
　　
考虑到背景图像随时间存在细微变化,因此在工
程应用中,往往每隔一定时间就采用平均值法构
造一次背景信息,即将前若干帧图像叠加取平均
值,获得实时的背景图像。
经过背景差分的雷达图像仍包含以边缘杂波
为主的大量噪声,有必要通过中值滤波、阈值分割
和形态学处理进行噪声抑制。边缘杂波通常为互
不连通的区域,通过中值滤波可以降低其灰度值,
扩大杂波与目标之间的灰度区别,为阈值分割创
造条件。阈值的选择是分割的关键,如果阈值设
定过高,就会漏掉许多小目标;相反,如果阈值设
定过低,系统就会受到杂波的干扰而产生大量“虚
警”。当前的系统有固定阈值和自适应阈值两种
选择方法[ 10 ] 。前者一般是根据经验为雷达图像
选择一个固定的全局阈值,该方法效率很高,但不
能随图像的变化而进行动态调整,因而具有一定
的局限性。后者分别处理雷达图像的不同区域,
根据其灰度分布自适应地选择阈值,该方法可以
随图像中杂波灰度的变化而对阈值进行动态调
整,具有“恒虚警”的特点。
基于非线性算子的形态学,是一种相对独立
的图像分析方法,对于PPI 图像,它较之常规算
法运算速度更快且去噪效果更好。因此,经过阈
值分割的图像采用形态学进行噪声抑制,去除那
些像素过少的目标。膨胀和腐蚀是形态学的基本
操作。膨胀是一种扩展的变换,增大原物体的面
积,填充物体间小的孔洞和沟壑。A 被B 膨胀,
可定义为
1314
　第7 期陈唯实等:基于鸟类目标散射特性分析的雷达探鸟实验　
A Ý B = { z | (B ^ ) z ∩A ≠ Á} (2)
腐蚀是一种反扩展变换,压缩物体并将有细
微联系的物体分离。A 被B 腐蚀,可定义为
AΘB = { z | ( B) z ∩Ac ≠ Á} (3)
在实际的图像处理过程中,膨胀和腐蚀经常结合
使用。一幅图像往往经过一系列的膨胀与腐蚀处
理,采用相同或不同的结构单元[11 ] 。膨胀和腐蚀
并不是互逆的操作,先腐蚀后膨胀的结果不是保
持原状,而是消除像素很少的区域,同时使像素较
多的连通区域面积保持不变。
经过背景差分和噪声抑制的探鸟雷达PPI
图像中,相互联结的高亮区域的集合构成一个限
于当前分辨能力的飞鸟目标。通过区域标记和区
域面积测量[12 ] ,提取出目标中心坐标和大小等信
息。在区域标记过程中,由于所处理的PPI 图像
是二值的,所以处理后每个像素的值即为其所处
理的区域标号(1 ,2 ,3 , ⋯) ,采用8 连通判别算
法,标识所有不连通的目标区域。在区域标记
的基础上,通过对雷达图像中各种不同标号的
像素区域进行操作,统计出所有目标区域的像
素数n 和中心坐标( x0 , y0 ) 。PPI 图像中心定义
为坐标原点, x 轴水平向右, y 轴垂直向上。中
心坐标为
x0 = C Σ ( x , y) ∈S
　x/ n
y0 = C Σ ( x , y) ∈S
　y/ n
(4)
式中: S 为单一目标连通区域; C 为量程系数,反
映选择不同量程时每个像素代表的实际距离。
按照通常的习惯,可以将直角坐标转化为极
坐标,并将其与人工绘制的坐标系相融合,图像中
心定义为极点,极轴水平向右,取逆时针为正方
向,方便观测人员读取。
3 　雷达探鸟实测结果与分析
2007 年春秋两季(候鸟迁徙高峰期) ,基于雷
达探鸟实验系统于北京市沙河水库北岸进行了多
次外场实验。利用实验采集的探鸟雷达PPI 图
像序列,提取出飞鸟目标轨迹与飞鸟目标信息,从
而验证了该系统探鸟的可行性。
311 　飞鸟目标轨迹提取
图3 (a) 为某日清晨采集的一组探鸟雷达PPI
图像序列中的一帧(量程为015 n mile) ,当时鸟
类不活跃,只有零星小型水禽(RCS < 50 cm2 ) 活
动。图像上方的大块黑色区域为水面,飞鸟目标
呈现出若干明亮像素组成的连通区域(亮斑) ;其
余的大量杂波由水库附近的建筑物、树林和农田
产生,属于背景信息。由于飞鸟目标的回波相对
较弱,其亮斑的灰度级一般等于甚至略低于背景
信息。因此,采用背景杂波抑制的方法对该图像
序列进行处理,去除背景,生成飞鸟目标轨迹如图
3 (b) 所示。显然,图中有两只飞鸟目标,当前帧
的回波斑点用最高的亮度表示,先前帧的回波斑
点亮度随时间逐帧变暗,形成余晖效果。
图3 　飞鸟目标轨迹提取
Fig13 　Trail ext raction of flying bird target s
312 　飞鸟目标信息提取
图4 (a) 为某日傍晚采集的一组探鸟雷达PPI
图像序列中的一帧(量程为015 n mile) ,当时鸟
类活跃,水面上常有数10 只候鸟组成的鸟群频繁
活动。该图像首先经过背景差分(图4 ( b) ) 剔除
1315
　　航　空　学　报第30 卷
了主要的背景信息,但仍包含大量边缘杂波;然
后,由噪声抑制消除图像中残存的杂波,其中阈值
设定为140 ,形态学处理采用2 次腐蚀和1 次膨
胀,结果如图4 (c) 所示;最后,将余下的目标以亮
点的形式标识在雷达极坐标系中(图4 (d) ) ,并提
取出包括极坐标(ρ,θ) 和像素数n 在内的飞鸟目
标信息,见表2 所列。
图4 　飞鸟目标信息提取
Fig14 　Information ext raction of flying bird target s
表2 　飞鸟目标信息
Table 2 　Information of flying bird targets
目标序号ρ/ m θ/ (°) n
1 7871 4 9812 45
2 7601 6 8319 57
3 6411 2 9218 27
4 5981 4 9118 33
5 6141 7 6813 39
6 5741 0 7410 102
7 5571 7 10018 29
8 7231 1 4319 60
9 9811 3 3110 34
10 5311 1 6916 48
11 5371 1 6518 33
12 5571 9 5813 68
13 6191 5 5016 21
14 7461 0 3911 57
15 8651 5 3111 14
16 7471 2 3211 54
17 3781 4 6917 32
18 3831 8 12012 21
19 3531 8 11512 14
20 7421 0 1918 33
21 2441 3 6817 29
22 8371 6 17814 33
23 5901 2 32819 24
图4 (d) 中共标识飞鸟目标23 个,但仍难免
存在“漏警”和“虚警”。所谓“漏警”,就是未能探
测到本该探测到的真实目标;所谓“虚警”,就是将
假目标和噪声作为真实目标加以报警。根据实验
现场的观测情况,鸟类活动区域集中在水库的水
面上空,因此目标1～21 为飞鸟目标的可能性很
1316
　第7 期陈唯实等:基于鸟类目标散射特性分析的雷达探鸟实验　
大,而目标22 和23 可能属于假目标。如果设置
更高的噪声抑制条件,比如设定更高的阈值或进
行更多次的腐蚀处理,则在排除假目标的同时也
会降低系统探测小目标的能力;如果设置较低的
噪声抑制条件,比如设定较低的阈值或进行较少
次的腐蚀处理,则在提高系统探测能力的同时也
会引入较多的“虚警”目标。表3 列出了降低“漏
警率”后提取的飞鸟目标信息,该处理过程中阈值
设定为130 ,形态学处理采用2 次腐蚀和1 次膨
胀,带“ 3 ”的为新发现的目标。较之于表2 ,在新
发现的6 个目标中,目标2 、目标16 和目标18 出
现在水面上,其属于飞鸟目标的概率较大,由于其
RCS 较小,若阈值设定较高则不易识别而导致
“漏警”;目标26 、目标27 和目标29 出现在水库
北岸的树林中,属于假目标的概率较大,若阈值设
定较低则导致“虚警”。
表3 　降低“漏警率”后提取的飞鸟目标信息
Table 3 　Information of flying bird targets with lower
missing alarm rate
目标序号ρ/ m θ/ (°) n
1 78719 9814 28
2 3 77211 8410 9
3 75219 8318 22
4 64112 9218 12
5 59814 9118 23
6 61417 6813 27
7 57410 7410 72
8 55717 10018 14
9 72311 4319 39
10 98113 3110 18
11 53111 6916 36
12 53711 6518 20
13 55719 5813 48
14 61915 5016 11
15 74910 3819 36
16 3 73416 14015 8
17 86818 3110 9
18 3 64013 4016 5
19 74712 3211 33
20 37814 6917 23
21 38119 11917 11
22 34817 11419 12
23 74017 1915 23
24 24413 6817 14
25 83317 17814 19
26 3 87210 18010 5
27 3 90112 19114 15
28 59012 32819 17
29 3 71914 30514 11
　　在工程应用中,本实验系统的“漏警率”和“虚
警率”在可以接受的范围内,一般不会影响系统的
正常工作。当然,要准确区分飞鸟目标与假目标,
将“漏警率”和“虚警率”同时限制在更低的水平,
一方面可以采用311 节的方法,通过提取飞鸟目
标轨迹确定飞鸟目标,因为飞鸟目标会在连续几
帧图像中出现而形成轨迹,而假目标只会随机地
出现在某帧图像中;另一方面,可以引入基于数据
关联的多目标跟踪算法,在初步识别的基础上对
飞鸟目标进行跟踪。成熟的雷达探鸟系统往往首
先设定较低的噪声抑制条件,通过牺牲“虚警率”
实现低“漏警率”,再通过跟踪算法将“虚警率”恢
复到低水平[13 ] 。
4 　结论与展望
雷达探鸟实验系统的性能同时取决于两方
面:一方面是雷达的探测能力,选用探测能力更强
和分辨率更高的雷达能够在更远距离上探测到
RCS 更小的飞鸟目标;另一方面是基于现有数据
的飞鸟目标识别与跟踪算法,为提高算法的识
别率,就要设定较低的阈值,同时也会引入大量
的假目标,优良的跟踪算法可以在跟踪小目标
的同时排除假目标。作为本文工作的继续,将
基于数据关联技术的多目标识别跟踪算法应用
于雷达探鸟是今后的工作重点,其目的就在于
实现在噪声环境中,同时跟踪未知数目的多个
目标,使系统在实现低“漏警率”的同时保持低
“虚警率”。
参　考　文　献
[ 1 ] 　Skolnik M I. Int roduction to radar systems [M] . 3rd ed.
New York : McGraw2Hill Companies Inc. , 2001 : 3372
340.
[ 2 ] 　宁焕生,刘文明,李敬,等. 航空鸟击雷达鸟情探测研究
[J ] . 电子学报, 2006 , 34 (12) : 223222237.
Ning Huansheng , Liu Wenming , Li Jing , et al . Research
on radar avian detection for aviation[J ] . Acta Elect ronica
Sinica , 2006 , 34 (12) : 223222237. (in Chinese)
[ 3 ] 　黄培康, 殷红成, 许小剑. 雷达目标特性[M] . 北京: 电
子工业出版社, 2005 : 80284.
Huang Peikang , Yin Hongcheng , Xu Xiaojian. Radar tar2
get characteristics [ M ] . Beijing : Publishing House of
Elect ronics Indust ry , 2005 : 80284. (in Chinese)
[ 4 ] 　Konrad T G, Hicks J J , Dobson E P. Radar characteris2
tics of birds in flight [ J ] . Science , 1968 , 159 ( 1) : 2742
280.
[5 ] 　Vaughn C R. Birds and insect s as radar target s : a review
[J ] . Proceedings of t he IEEE , 1985 , 73 (2) : 2052227.
1317
　　航　空　学　报第30 卷
[ 6 ] 　Flock W L , Green J L. The detection and identification of
birds in flight , using coherent and noncoherent radars[J ] .
Proceedings of t he IEEE , 1974 , 62 (6) : 7452753.
[7] 　Moon J R. Effect s of birds on radar tracking systems [ C] ∥
Radar Conference. 2002 : 3002304.
[ 8 ] 　Antonucci J . A statistical model of radar bird clutter at t he
DEW line[ R] . AD A242202 , 1991.
[ 9 ] 　Smit h L I. A tutorial on principal component s analysis
[ R] . New Zealand : University of Otago , 2002.
[ 10 ] 　Beckwit h R A. Radar video processing systems [ M ] .
Letchwort h : Curtiss2Wright Cont rols Embedded Compu2
ting , 2005.
[ 11 ] 　Gonzalez R C , Woods R E , Eddins S L. Digital image pro2
cessing using MATLAB [M] . Beijing : Publishing House
of Elect ronics Indust ry , 2004.
[ 12 ] 　杨淑莹. VC + + 图像处理程序设计[M] . 2 版. 北京:清华
大学出版社,北京交通大学出版社, 2005 : 1632167.
Yang Shuying. Program design of image processing wit h
VC + + [ M ] . 2nd ed. Beijing : Tsinghua University
Press , Beijing Jiaotong University Press , 2005 : 1632167.
(in Chinese)
[ 13 ] 　Weber P , Premji A , Nohara T J , et al . Low2cost radar
surveillance of inland waterways for homeland security ap2
plications [ C ] ∥Proceedings of t he IEEE Radar Confer2
ence. 2004.
作者简介:
陈唯实(1982 - ) 　男,博士研究生。主要研究方向:航空鸟击,
雷达目标识别与跟踪等。
Tel : 010282339704
E2mail : wishchen @ee. buaa. edu. cn
宁焕生(1975 - ) 　男,博士,副教授。主要研究方向:航空鸟击、
电磁散射和RFID 识别等。
Tel : 010282339470
E2mail : ninghuansheng @vip . sina. com
(编辑:鲍亚平,张利平)
1318

carole

谢谢~~~~~~~

醒不来睡不着

向各位老师学习