CN104515974B - 微波着陆机载设备角度、测距数据处理方法 - Google Patents

Abstract

本发明提供了一种微波着陆机载设备测角、测距数据处理方法，在机载设备测得的方位角、仰角及距离信息基础上，采用递推、插值方法，分别计算得到方位功能时刻飞机的距离值和仰角值，仰角功能时刻方位值和距离值，应用这些位置信息进行坐标变换，避免由于机载设备测量所得的方位角、仰角及距离信息不同步，给飞机导航带来的误差，提高着陆精度。

Description

微波着陆机载设备角度、测距数据处理方法

技术领域

本发明属于微波着陆(Microwave Landing System，MLS)系统，用于微波着陆机载设备角度、测距信息的数据处理。

背景技术

微波着陆系统是一种精密导航设备，为飞机提供实时准确的引导信号，在实现Ⅱ、Ⅲ类飞机精密进近时，机载设备将测量的方位角θ_AZ、仰角θ_EL和距离信息L存放在数据总线上，当进行坐标变换时，分别取该时刻前的方位、仰角和距离数据，结合方位台天线、仰角台天线及DME/P天线的位置坐标，得到飞机相对于着陆点的位置(X_T,Y_T,Z_T)，如图1所示。其中：方位角θ_AZ是方位台天线的相位中心和飞机之间的连线与方位台天线扫描中心线所在铅锤面的夹角；仰角θ_EL是仰角台天线的相位中心和飞机之间的连线与水平面的夹角；距离L是飞机与DME/P天线相位中心的距离。

由于微波着陆测角基于时基扫描波束技术，地面台发射的方位角、仰角制导信息采用时分体制，同时机载设备发射的测距询问脉冲具有伪随机特性，这样就会导致机载设备测得的方位角、仰角及距离不能实时反映飞机同一时刻的位置信息，也就是说测得的角度和距离数据与飞机的实际位置相比存在一定的偏差，直接利用这些数据进行坐标变换，会给飞机导航引导到来一定误差。

发明内容

为了克服现有技术的不足，本发明提供一种微波着陆机载设备测角、测距数据处理方法，采用递推、插值进行数据处理算法，解决了机载设备测得的方位角、仰角及距离不能真实反映飞机同一时刻实际位置状态的问题，提高了飞机导航和着陆精度。

本发明解决其技术问题所采用的技术方案包括以下步骤：

1)建立方位角的数学模型，其中，方位角状态方程X_AZ(k+1)＝φ_AZ·X_AZ(k)+G_AZ·w_AZ(k)，方位角量测方程θ_AZ(k)＝H_AZ·X_AZ(k)+v_AZ(k)，为方位角k时刻的状态矢量；X_AZ(k+1)为方位角k+1时刻的状态矢量；θ_AZ(k)为k时刻机载设备测得的方位角；为k时刻机载设备测得方位角的变化速度；为k时刻机载设备测得方位角变化加速度；T_k为当前k+1时刻方位功能距k时刻方位功能的时间间隔；H_AZ＝[10 0]，为方位角测量矩阵；为方位角状态转移矩阵；为方位角动态噪声矩阵；w_AZ(k)是过程噪声；v_AZ(k)是测量噪声；过程噪声w_AZ(k)与测量噪声v_AZ(k)是互不相关的零均值白噪声；

2)建立仰角数据处理的数学模型，其中，仰角状态方程X_EL(n+1)＝φ_EL·X_EL(n)+G_EL·w_EL(n)，仰角量测方程θ_EL(n)＝H_EL·X_EL(n)+v_EL(n)，为仰角在n时刻的状态矢量；X_EL(n+1)为仰角在n+1时刻的状态矢量；H_EL＝[ 1 0 0]，为仰角测量矩阵；为仰角状态转移矩阵；为仰角动态噪声矩阵；θ_EL(n)为在n时刻机载设备测得的仰角；表示n时刻机载设备测得的仰角变化速度；表示n时刻机载设备测得的仰角变化的加速度；T_n为当前n+1时刻仰角功能距n时刻仰角功能的时间间隔；w_EL(n)是过程噪声；v_EL(n)是测量噪声；过程噪声w_EL(n)与观测噪声v_EL(n)是互不相关的零均值白噪声；

3)建立距离数据处理的数学模型，其中，距离状态方程X_L(m+1)＝φ_L·X_L(m)+G_L·w_L(m)，距离量测方程L(m)＝H_L·X_L(m)+v_L(m)，为m时刻的距离状态矢量；X_L(m+1)为m+1时刻距离的状态矢量；H_L＝[1 0 0]，为距离测量矩阵；为距离状态转移矩阵；为距离动态噪声矩阵；L(m)表示m时刻机载设备测得飞机距DME/P天线相位中心的距离；表示m时刻机载设备测得飞机距DME/P天线相位中心距离变化速度；表示m时刻机载设备测得飞机距DME/P天线相位中心距离加速度；T_m为当前m+1测距应答时刻距m测距应答时刻的时间间隔；w_L(m)是过程噪声；v_L(m)是测量噪声；过程噪声w_L(m)与测量噪声v_L(m)是互不相关的零均值白噪声序列；

4)根据微波着陆的功能识别码，判断输入功能类型：

如果是方位功能，则进行第5)步操作；

如果是仰角功能，则进行第6)步操作；

如果是测据功能，则进行第7)步操作；

5)采用Kalman滤波算法对方位角进行滤波处理，得到方位功能时刻的方位角θ_AZ(k)、方位角变化速度和变化加速度

6)采用Kalman滤波算法对仰角数据进行滤波处理，计算仰角功能时刻的仰角θ_EL(n)、仰角变化速度和变化加速度

7)采用Kalman滤波算法对仰角数据进行滤波处理，计算测距应答时刻的距离L(m)、距离变化速度和变化加速度

8)以方位、仰角功能第五位Baker码中点时刻为计时点，计算仰角功能距前一方位功能的时间差ΔT_k；

9)以方位功能、仰角功能第五位Baker码中点时刻为计时点，计算方位功能距前一仰角功能的时间差ΔT_n；

10)计算机载测距设备应答信号与测角信号经相关运算后的相关峰的时间差，得到测角功能时刻距测距应答信号的时间差ΔT_L；

11)计算仰角功能时刻对应的实时方位角

12)计算方位功能时刻对应的实时仰角

13)计算测角功能时刻，对应的实时距离值

14)确定飞机在方位功能时刻实时位置信息，包括方位角θ_AZ(k)、仰角为θ_EL(n+1)和距离L(m)；

15)确定飞机在仰角功能时刻实时位置信息，包括方位角为θ_AZ(k+1)、仰角θ_EL(n)和距离L(m)；

16)将飞机在方位、仰角功能时刻的实时位置信息进行坐标变换，得到飞机相对于着陆点的坐标；

17)返回第4)步，等待对下一微波着陆功能数据的处理。

本发明的有益效果是：能够解决微波着陆数据处理中，由于机载设备测得的方位角、仰角及距离信息，不能真实反映飞机同一时刻实际位置的问题，提高了飞机导航和着陆精度；另一方面，由于地面设备方位、仰角和测距询问信号的重发率为40Hz左右，经该算法处理后，方位、仰角及距离输出数据率会达到80Hz，相当于角度发播速率和测距询问速率提高了一倍，由测角及测距原理可知：角度和距离测量的CMN(control motion noise，控制运动噪声)精度理论上提高到原先的1.4倍，进而也会提高了坐标变换精度。

附图说明

图1为本发明坐标变换所用坐标系示意图；

图2为本发明微波着陆测角、测距信号流示意图；

图3为接收机解调后的基带信号及测距应答时刻示意图；

图4为测角基带信号经过相关运算后的波形示意图；

图5为微波着陆机载设备测角、测距数据处理方法流程。

具体实施方式

下面结合附图和实施例对本发明进一步说明，本发明包括但不仅限于下述实施例。

本发明的基本思想是在机载设备测得的方位角、仰角及距离信息基础上，采用递推、插值方法，分别计算得到方位功能时刻飞机的距离值和仰角值，仰角功能时刻方位值和距离值，应用这些位置信息进行坐标变换，可以避免由于机载设备测量所得的方位角、仰角及距离信息不同步，给飞机导航带来的误差，提高着陆精度。

微波着陆角度、测距数据的处理方法特征在于：

1.建立方位角的数学模型

方位角的数学模型可表示如下：

X_AZ(k+1)＝φ_AZ·X_AZ(k)+G_AZ·w_AZ(k) (1)

θ_AZ(k)＝H_AZ·X_AZ(k)+v_AZ(k) (2)

其中：(1)式为方位角状态方程

(2)式为方位角量测方程

为方位角k时刻的状态矢量；X_AZ(k+1)，为方位角k+1时刻的状态矢量；

θ_AZ(k)为k时刻机载设备测得的方位角；

为k时刻机载设备测得方位角的变化速度；

为k时刻机载设备测得方位角变化加速度；

T_k为当前k+1时刻方位功能距k时刻方位功能的时间间隔；

H_AZ＝[1 0 0]，为方位角测量矩阵；

为方位角状态转移矩阵；

为方位角动态噪声矩阵；

w_AZ(k)是过程噪声；

v_AZ(k)是测量噪声(其中，过程噪声w_AZ(k)与测量噪声v_AZ(k)是互不相关的零均值白噪声)。

2.建立仰角数据处理的数学模型

仰角的数学模型可表示如下：

X_EL(n+1)＝φ_EL·X_EL(n)+G_EL·w_EL(n) (3)

θ_EL(n)＝H_EL·X_EL(n)+v_EL(n) (4)

其中：(3)式为仰角状态方程

(4)式为仰角量测方程

为仰角在n时刻的状态矢量；

X_EL(n+1)为仰角在n+1时刻的状态矢量；

H_EL＝[1 0 0]，为仰角测量矩阵；

为仰角状态转移矩阵；

为仰角动态噪声矩阵；

θ_EL(n)为在n时刻机载设备测得的仰角；

表示n时刻机载设备测得的仰角变化速度；

表示n时刻机载设备测得的仰角变的化速度；

T_n为当前n+1时刻仰角功能距n时刻仰角功能的时间间隔；

w_EL(n)是过程噪声；

v_EL(n)是测量噪声(过程噪声w_EL(n)与观测噪声v_EL(n)是互不相关的零均值白噪声)。

3.建立距离数据处理的数学模型

距离测量的数学模型可表示如下：

X_L(m+1)φ_L·X_L(m)+G_L·w_L(m) (5)

L(m)＝H_L·X_L(m)+v_L(m) (6)

其中：(5)式为距离状态方程

(6)式为距离量测方程

为m时刻的距离状态矢量；X_L(m+1)为m+1时刻距离的状态矢量；

H_L＝[1 0 0]，为距离测量矩阵；

为距离状态转移矩阵；

为距离动态噪声矩阵；

L(m)表示m时刻机载设备测得飞机距DME/P天线相位中心的距离；

表示m时刻机载设备测得飞机距DME/P天线相位中心距离变化速度；

表示m时刻机载设备测得飞机距DME/P天线相位中心距离加速度；

T_m为当前m+1测距应答时刻距m测距应答时刻的时间间隔；

w_L(m)是过程噪声；

v_L(m)是测量噪声(过程噪声w_L(m)与测量噪声v_L(m)是互不相关的零均值白噪声序列)。

4.根据微波着陆的功能识别码，判断输入功能类型：

如果是方位功能，则进行第5步操作，对方位角进行Kalman滤波；

如果是仰角功能，则进行第6步操作，对仰角进行Kalman滤波；

如果是测据功能，则进行第7步操作，对距离进行Kalman滤波。

5.采用Kalman滤波算法对方位角进行滤波处理，得到方位功能时刻的方位角θ_AZ(k)、方位角变化速度和变化加速度详细过程在具体实施方式中进行说明。

6.采用Kalman滤波算法对仰角数据进行滤波处理，计算仰角功能时刻的仰角θ_EL(n)、仰角变化速度和变化加速度详细过程在具体实施方式中进行说明。

7.采用Kalman滤波算法对仰角数据进行滤波处理，计算测距应答时刻的距离L(m)、距离变化速度和变化加速度详细过程在具体实施方式中进行说明。

8.计算仰角功能时刻距前一方位功能的时间差

以方位、仰角功能第五位Baker码中点时刻为计时点，计算仰角功能距前一方位功能的时间差ΔT_k。

9.计算方位功能时刻距前一仰角功能的时间差

与计算仰角功能时刻距前一方位功能时间差方法相同，以方位功能、仰角功能第五位Baker码中点时刻为计时点，计算方位功能距前一仰角功能的时间差ΔT_n。

10.计算方位、仰角功能距前一测距应答信号的时间差

由于测距与测角功能分别由两套接收机来完成，计算机载测距设备应答信号与测角信号经相关运算后的相关峰的时间差，就可得到测角功能时刻距测距应答信号的时间差ΔT_L，以图3、图4信号为例，A点为测距应答信号时刻，则：ΔT_L为接收机收到测距应答信号距前面方位角功能第五位Baker码中点时刻的时间间隔。

11.计算仰角功能时刻对应的实时方位角

注：ΔT_k单位为秒。

12.计算方位功能时刻对应的实时仰角

注：ΔT_n单位为秒。

13.计算测角功能时刻，对应的实时距离值

测角功能时刻(包括方位和仰角)的距离为：

其中：L(m)为测角功能时刻飞机距DME/P天线相位中心距离(由步骤3计算)；

为测角功能时刻飞机距DME/P天线相位中心距离变化速度(由步骤3计算)；

为测角功能时刻飞机距DME/P天线相位中心距离变化加速度(由步骤3计算)；

ΔT_L为测距应答信号与测角功能扫描中点的时间差。

14.确定飞机在方位功能时刻实时位置信息

飞机在方位功能时刻实时位置信息如下：

方位角为θ_AZ(k)(机载设备测得)；

仰角为θ_EL(n+1)(由步骤12得到)；

距离L(m)(由步骤13计算得到)。

15.确定飞机在仰角功能时刻实时位置信息

飞机在仰角功能时刻实时位置信息如下：

方位角为θ_AZ(k+1)，(由步骤11得到)；

仰角为θ_EL(n)，(机载设备测得)；

距离为L(m)，(步骤13计算得到)。

16.将飞机在方位、仰角功能时刻的实时位置信息进行坐标变换，得到飞机相对于着陆点的坐标

17.返回第4步，等待对下一微波着陆功能数据的处理。

微波着陆系统(Microwave Landing System,MLS)是一种精密导航设备，分为地面设备和机载设备，为飞机提供实时准确的引导信号，地面设备由方位制导台(AZ)、仰角制导台(EL)和精密测距设备(DME/P)组成，其中方位制导和仰角制导统称为角度制导，工作在5031～5090.7MHz频段，共有间隔为300kHz的200个波道。

下面以图3、图4为例说明微波着陆的信号特性：图3是微波着陆基带信号，包括高速方位信号、基本数据字2信号和仰角信号，其中A点为测距应答信号时刻；图4为解调后的基带信号经相关运算后的信号波形，其有3个相关峰，也就是说该信号包括3个功能信号，通过功能识别码就可识别出是何功能信号。

说明：以下论述中，k表示方位角时刻，n表示仰角时刻，m表示距离时刻。

步骤一：建立方位角数据处理的数学模型

飞机的方位角θ_AZ、方位角的变化速度及方位角变化加速度可用下面的差分方程描述：

式中：θ_AZ(k)为飞机在k时刻测得的方位角；

θ_AZ(k+1)为飞机在k+1时刻测得的方位角；

为k时刻飞机方位角的变化速度；

为k时刻飞机方位角变化加速度；

T_k为k+1时刻方位功能距k时刻方位功能的时间间隔。

这样飞机方位角的状态方程和量测方程可表示为：

X_AZ(k+1)＝φ_AZ·X(k)+G_AZw_AZ(k) (7)

θ_AZ(k)＝H_AZ·X_AZ(k)+v_AZ(k) (8)

其中：(7)式为方位角的状态方程，(8)式为方位角的量测方程

为k时刻的方位角状态矢量；

X_AZ(k+1)为k+1时刻的方位角状态矢量；

θ_AZ(k)为在k时刻机载设备测得的方位角；

为k时刻机载设备测得方位角的变化速度；

为k时刻机载设备测得方位角变化加速度；

T_k为当前k+1时刻方位功能距k时刻方位功能的时间间隔；

H_AZ＝[1 0 0]，为方位角测量矩阵；

为方位角状态转移矩阵；

为方位角动态噪声矩阵；

w_AZ(k)是过程噪声；

v_AZ(k)是测量噪声(其中，过程噪声w_AZ(k)与观测噪声v_AZ(k)是互不相关的零均值白噪声)。

步骤二：建立仰角数据处理的数学模型

仰角的数学模型可用下面的差分方程描述：

式中：θ_EL(n)为在n时刻飞机测得的仰角；

θ_EL(n+1)为在n+1时刻飞机测得的仰角；

表示n时刻飞机仰角的变化速度；

表示n时刻飞机仰角变化的加速度；

T_n为当前n+1时刻仰角功能距n时刻仰角功能的时间间隔。

这样飞机仰角的状态方程和量测方程为：

X_EL(n+1)＝φ_EL·X_EL(n)+G_EL·w_EL(n) (9)

θ_EL(n)＝H_EL·X_EL(n)+v_EL(n) (10)

其中：(9)式为仰角状态方程

(10)式为仰角量测方程

为n时刻的仰角状态矢量；

X_EL(n+1)为n+1时刻的仰角状态矢量

H_EL＝[1 0 0]，为仰角测量矩阵；

为仰角状态转移矩阵；

为仰角动态噪声矩阵；

θ_EL(n)为在n时刻机载设备测得的仰角；

表示n时刻机载设备测得的仰角变化速度；

表示n时刻机载设备测得的仰角变化的加速度；

T_n为当前n+1时刻仰角功能距n时刻仰角功能的时间间隔；

w_EL(n)是过程噪声；

v_EL(n)是测量噪声(其中，过程噪声W_EL(n)与观测噪声v_EL(n)是互不相关的零均值白噪声)。

步骤三：建立距离数据处理的数学模型

距离的数学模型与角度相同，可用下面的差分方程描述：

式中：L(m)为在m时刻测得飞机距DME/P天线的距离；

L(m+1)为在m+1时刻测得飞机距DME/P天线的距离；

表示m时刻距离变化速度；

表示在m时刻距离变化的加速度；

T_m为m+1测距应答时刻距m测距应答时刻的时间间隔。

这样距离的状态方程和量测方程为：

X_L(m+1)＝φ_L·X_L(m)+G_L·w_L(m) (11)

L(m)＝H_L·X_L(m)+v_L(m) (12)

其中：(11)式为距离状态方程

(12)式为距离量测方程

为m时刻的距离状态矢量；

X_L(m+1)为m+1时刻的距离状态矢量；

H_L＝[1 0 0]，为距离测量矩阵；

为距离状态转移矩阵；

为距离动态噪声矩阵；

L(m)表示m时刻机载设备测得飞机距DME/P天线相位中心的距离；

表示m时刻机载设备测得飞机距DME/P天线相位中心距离变化速度；

表示m时刻机载设备测得飞机距DME/P天线相位中心距离加速度；

T_m为当前m+1测距应答时刻距m测距应答时刻的时间间隔；

w_L(m)是过程噪声；

v_L(m)是测量噪声(过程噪声w_L(m)与观测噪声v_L(m)是互不相关的零均值白噪声序列)。

步骤四：根据微波着陆的功能识别码，判断输入功能类型

●如果是方位功能，则进行第5步操作，对方位角进行Kalman滤波；

●如果是仰角功能，则进行第6步操作，对仰角进行Kalman滤波；

●如果是测据功能，则进行第7步操作，对距离进行Kalman滤波。

步骤五：对方位角进行滤波处理

●采用Kalman算法对方位角进行滤波，Kalman算法具体递推公式如下：

一步预测均方误差阵：

滤波增益矩阵：

滤波均方差阵：P_k＝(I-K_k·H_k)P_k/k-1

状态滤波值：

状态一步预测值：

●采用Kalman算法进行滤波用到的变量

这里，滤波器从k＝4时刻开始工作，其中：

初始协方差阵

T_k为本次方位功能与上一次方位功能的时间间隔

R_wk-1为方位角的扰动噪声方差

H_k＝H_AZ＝[1 0 0]

R_vk为方位角观测噪声协方差阵

z_k为方位角测量值θ_AZ(k)

●方位角滤波的初始值设置

z_k为方位角测量值：z₁＝θ_AZ(1)，z₂＝θ_AZ(2)，z₃＝θ_AZ(3)

方位角速度：

方位角加速度：

方位角的状态矢量:

T₁表示时刻2的方位功能距时刻1方位功能的时间间隔；

T₂表示时刻3的方位功能距时刻2方位功能的时间间隔。

这样，由Kalman滤波算法可计算得到方位功能时刻的方位角θ_AZ(k)、方位角变化速度和变化加速度

步骤六：对仰角进行滤波处理

采用Kalman算法对仰角进行滤波，可计算得到仰角功能时刻的仰角θ_EL(n)、仰角变化速度和变化加速度

●采用Kalman算法进行滤波用到的变量

滤波从n＝4时刻开始

初始协方差阵

T_k为本次仰角功能与上一次仰角功能的时间间隔

R_wn-1为仰角的扰动噪声方差

H_k＝H_EL＝[1 0 0]

R_vk为仰角观测噪声协方差阵

z_k为仰角测量值θ_EL(n)

●仰角滤波的初始值设置

z_k为仰角测量值：z₁＝θ_EL(1)，z₂＝θ_EL(2)，z₃＝θ_EL(3)

仰角速度：

仰角加速度：

仰角的状态矢量:

T₁表示时刻2的仰角功能距时刻1仰角功能的时间间隔；

T₂表示时刻3的仰角功能距时刻2仰角功能的时间间隔。

步骤七：对距离信息进行滤波处理

采用Kalman算法对距离进行滤波，可计算得到测距应答时刻飞机距DME/P天线的距离L(m)、速度和加速度。

●采用Kalman算法进行滤波用到的变量

滤波从m＝4时刻开始

初始协方差阵

T_k为本次距离功能与上一次距离功能的时间间隔

R_wn-1为距离的扰动噪声方差

H_k＝H_L＝[1 0 0]

R_vk为距离观测噪声协方差阵

z_k为距离测量值L(m)

●距离滤波的初始值设置

z_k为距离测量值：z₁＝L(1)，z₂＝L(2)，z₃＝L(3)

距离速度：

距离加速度：

距离的状态矢量:

T₁表示时刻2的距离功能距时刻1距离功能的时间间隔；

T₂表示时刻3的距离功能距时刻2距离功能的时间间隔。

步骤八：计算仰角功能时刻距前一方位功能的时间差

微波着陆系统采用时分体制，各功能数据占有一定时隙，都有“前导”信号，该信号包括载波截获段、接收机基准时间码和功能识别码，载波截获段是一段未经调制的纯载波，其作用是用于接收机载波跟踪与同步，以便进行数据信号的相关解调。微波着陆的基准时间码采用5位Baker码，通过相关运算，使接收机产生一个时间基准，用于数字信号的解调；功能识别码的作用是说明所收到的时隙的功能是什么，共占7个比特。

以方位、仰角功能第五位Baker码的中点为计时点，计算仰角功能距前一方位功能的时间差ΔT_k。

步骤九：计算方位功能时刻距前一仰角功能的时间差

与计算仰角功能时刻距前一方位功能时间差方法相同，以方位功能、仰角功能第五位Baker码的中点为计时点，计算方位功能距前一仰角功能的时间差ΔT_n。

步骤十：计算角功能与前一测距应答信号的时间差

由于测距与测角功能分别由两套接收机来完成，计算机载测距设备应答信号与测角信号经相关运算后的相关峰值的时间差，就可得到角功能时刻距测距应答信号的时间差ΔT_L，以图3、图4信号为例，A点为测距应答信号时刻，则：ΔT_L为接收机收到测距应答信号距角功能第五位Baker码中点时刻的时间间隔。

步骤十一：计算仰角功能时刻，实时的方位角

由步骤一可计算得到仰角功能前一时刻的方位角θ_AZ(k)、方位角变化速度及方位角加速度由于方位和仰角功能的时间长度不同，以两功能的扫描中点时间来计算，此时方位功能与仰角功能的时间差为ΔT_k，此时仰角功能时刻的方位角为：

注：ΔT_k单位为秒。

这样就得到在仰角功能时刻的实时方位角值。

步骤十二：计算方位功能时刻，实时的仰角

与上面步骤方法相同，可由步骤二计算得到方位功能前一时刻仰角为θ_EL(n)，方位角变化速度角加速度此时方位功能与仰角功能的时间差为ΔT_n，以两功能的扫描中点来计算，此时仰角功能时刻的方位角为：

注：ΔT_n单位为秒

这样就得到在方位功能时刻的实时仰角值。

步骤十三：计算角功能时刻，实时的距离值

由步骤三可计算得到角功能前一时刻的距离为L(m)，距离变化速度加速度此时测距应答信号与角功能扫描中点的时间差为ΔT_L，则测角功能时刻(包括方位和仰角)的距离为：

注：ΔT_L单位为秒

这样就得到在测角功能时刻实时的距离值。

步骤十四：确定飞机在方位功能时刻实时位置信息

飞机在方位功能时刻实时位置信息如下：

方位角θ_AZ(k)，(由机载设备测得)；

仰角θ_EL(n+1)，(由步骤十二得到)；

距离L(m+1)，(由步骤十三计算得到)。

步骤十五：确定飞机在仰角功能时刻实时位置信息

飞机在仰角功能时刻实时位置信息如下：

仰角θ_EL(n)，(由机载设备测得)；

方位角θ_AZ(k+1)，(由步骤十一得到)；

距离L(m+1)，(步骤十三计算得到)。

步骤十六：将飞机在方位、仰角功能时刻实时位置信息进行坐标变换，得到飞机相对于着陆点的坐标

坐标变换方法如下：

1.将步骤十五、步骤十六计算得出的飞机分别在方位功能及仰角功能时刻方位角θ_AZ、仰角θ_EL及距离L用方位台、仰角台、测距台及飞机的坐标表示

由图1所示的坐标系，得到下列关系式：

其中：方位台天线相位中心坐标为(X_A,Y_A,Z_A)；

仰角台天线相位中心坐标为(X_E,Y_E,Z_E)；

DME/P天线相位中心坐标为(X_D,Y_D,Z_D)；

飞机坐标为(X_T,Y_T,Z_T)。

2.设定飞机的初始位置

X₀＝L+X_A

Y₀＝X₀·sin(θ_AZ)

3.以方位天线相位中心为原点，将方位台、仰角台及精密测距台进行平移

平移结果如下：

飞机坐标为：X_i′＝X_i-X_A Y_i′＝Y_i-Y_A Z_i′＝Z_i-Z_A

方位台坐标为：X_A′＝X_A-X_A Y_A′＝Y_A-Y_A Z_A′＝Z_A-Z_A

仰角台坐标为：X_E′＝X_E-X_A Y_E′＝Y_E-Y_A Z_E′＝Z_E-Z_A

精密测距台坐标为：X_D′＝X_D-X_A Y_D′＝Y_D-Y_A Z_D′＝Z_D-Z_A

4.设定在水平面上围绕Z轴进行坐标旋转初始角

(sinθ_p)₀＝{1+(Z₀-Z_A)²/[(X₀-X_A)²+(Y₀-Y_A)²]}^1/2·sinθ_AZ

5.在水平面上围绕Z轴进行坐标旋转

经过变换后，飞机在Y轴方向的值为0，即

可得：

6.对飞机坐标和旋转角度进行迭代运算

当迭代运算达到所需的精度时，用X^*、Y^*、Z^*的结果表示X′、Y′、Z′的值。

7.对坐标系进行平移，可得出飞机相对于着陆点的坐标

X_T＝X′+X_A

Y_T＝Y′+Y_A

Z_T＝Z′+Z_A

步骤十七：返回步骤四，等待对下一微波着陆功能数据的处理。

下面以图3所示的信号流为例说明进行微波着陆测角、测距数据处理过程，并与常规坐标变换结果进行比较：

1.确定地面设备相对于着陆点的坐标

方位台天线相位中心(3000m,0m,3m)；

仰角台天线相位中心(0m,100m,2.8m)；

DME/P天线相位中心(3000m,5m,3m)。

2.计算飞机在仰角功能时刻距DME/P台的距离值

计算所用到的参数如下：

a.飞机距DME/P台距离L＝10000m

b.设经Kalman滤波运算得到飞机此时的径向飞行速度：径向飞行加速度：

c.飞机收到测距应答信号距仰角功能扫描中点的时间间隔

ΔT_L＝11.6ms

则飞机在仰角功能时刻的距离为：

3.计算飞机仰角功能时刻的方位值

计算所用到的参数如下：

a.测角接收机在方位功能测得的方位角为3°，设经Kalman滤波运算得到飞机在方位功能时的角度变化率为：角加速度为：

b.测角接收机测得的仰角为4°。

c.方位功能与仰角功能的时间间隔为：0.0168s

d.计算飞机在仰角功能时刻的方位角

4.分别采用常规坐标变换及本发明两种方法进行计算

a.常规坐标变换所用的参数

飞机距DME/P台距离：L＝10000m；

接收机在方位功能测得的方位角为3°；

接收机测得的仰角为4°。

b.采用本发明进行坐标变换的参数

接收机测得的仰角为4°；

飞机在仰角功能时刻的方位角：3.0049°

飞机在仰角功能时刻的距离值：10008.123m

c.计算结果

采用两种参数进行坐标变换，计算结果如表1、表2所示：

表1 本发明与常规算法坐标变换后相对于着陆点的距离、方位及下滑角

表2 本发明与常规算法坐标变换后相对于着陆点坐标

	常规算法	本发明算法	两种方法偏差
				XT	6974m	6982.1m	8.1m
YT	-523.35m	-524.63m	-1.28m
				ZT	492.42m	492.98m	0.56m

可以看出，两种方法计算结果存在一定的差别，角度变化速度及加速度变化越快，这种差异也就越明显，采用本发明进行坐标变换更能真实反映出飞机的实时位置,提高飞机的导航精度。

Claims (1)

1.一种微波着陆机载设备测角、测距数据处理方法，其特征在于包括下述步骤：

1)建立方位角的数学模型，其中，方位角状态方程X_AZ(k+1)＝φ_AZ·X_AZ(k)+G_AZw_AZ(k)，方位角量测方程θ_AZ(k)＝H_AZ·X_AZ(k)+v_AZ(k)，为方位角k时刻的状态矢量；X_AZ(k+1)为方位角k+1时刻的状态矢量；θ_AZ(k)为k时刻机载设备测得的方位角；为k时刻机载设备测得方位角的变化速度；为k时刻机载设备测得方位角变化加速度；T_k为当前k+1时刻方位功能距k时刻方位功能的时间间隔；H_AZ＝[1 0 0]，为方位角测量矩阵；为方位角状态转移矩阵；为方位角动态噪声矩阵；w_AZ(k)是过程噪声；v_AZ(k)是测量噪声；过程噪声w_AZ(k)与测量噪声v_AZ(k)是互不相关的零均值白噪声；

2)建立仰角数据处理的数学模型，其中，仰角状态方程X_EL(n+1)＝φ_EL·X_EL(n)+G_ELw_EL(n)，仰角量测方程θ_EL(n)＝H_EL·X_EL(n)+v_EL(n)，为仰角在n时刻的状态矢量；X_EL(n+1)为仰角在n+1时刻的状态矢量；H_EL＝[1 0 0]，为仰角测量矩阵；为仰角状态转移矩阵；为仰角动态噪声矩阵；θ_EL(n)为在n时刻机载设备测得的仰角；表示n时刻机载设备测得的仰角变化速度；表示n时刻机载设备测得的仰角变化的加速度；T_n为当前n+1时刻仰角功能距n时刻仰角功能的时间间隔；w_EL(n)是过程噪声；v_EL(n)是测量噪声；过程噪声w_EL(n)与观测噪声v_EL(n)是互不相关的零均值白噪声；

3)建立距离数据处理的数学模型，其中，距离状态方程X_L(m+1)＝φ_L·X_L(m)+G_L·w_L(m)，距离量测方程L(m)＝H_L·X_L(m)+v_L(m)，为m时刻的距离状态矢量；X_L(m+1)为m+1时刻距离的状态矢量；H_L＝[1 0 0]，为距离测量矩阵；为距离状态转移矩阵；为距离动态噪声矩阵；L(m)表示m时刻机载设备测得飞机距DME/P天线相位中心的距离；表示m时刻机载设备测得飞机距DME/P天线相位中心距离变化速度；表示m时刻机载设备测得飞机距DME/P天线相位中心距离加速度；T_m为当前m+1测距应答时刻距m测距应答时刻的时间间隔；w_L(m)是过程噪声；

v_L(m)是测量噪声；过程噪声w_L(m)与测量噪声v_L(m)是互不相关的零均值白噪声序列；

4)根据微波着陆的功能识别码，判断输入功能类型：

如果是方位功能，则进行第5)步操作；

如果是仰角功能，则进行第6)步操作；

如果是测据功能，则进行第7)步操作；

5)采用Kalman滤波算法对方位角进行滤波处理，得到方位功能时刻的方位角θ_AZ(k)、方位角变化速度和变化加速度

6)采用Kalman滤波算法对仰角数据进行滤波处理，计算仰角功能时刻的仰角θ_EL(n)、仰角变化速度和变化加速度

7)采用Kalman滤波算法对仰角数据进行滤波处理，计算测距应答时刻的距离L(m)、距离变化速度和变化加速度

8)以方位、仰角功能第五位Baker码中点时刻为计时点，计算仰角功能距前一方位功能的时间差ΔT_k；

9)以方位功能、仰角功能第五位Baker码中点时刻为计时点，计算方位功能距前一仰角功能的时间差ΔT_n；

10)计算机载测距设备应答信号与测角信号经相关运算后的相关峰的时间差，得到测角功能时刻距测距应答信号的时间差ΔT_L；

11)计算仰角功能时刻对应的实时方位角

${\mathrm{\θ}}_{AZ}(k+1)={\mathrm{\θ}}_{AZ}\left(k\right)+({\mathrm{\ΔT}}_k+0.00255)\·{\stackrel{\·}{\mathrm{\θ}}}_{AZ}\left(k\right)+\frac{1}{2}\·{\stackrel{\·\·}{\mathrm{\θ}}}_{AZ}\left(k\right)\·{({\mathrm{\ΔT}}_k+0.00255)}^2;$

12)计算方位功能时刻对应的实时仰角

${\mathrm{\θ}}_{\mathrm{EL}}=(n+1)={\mathrm{\θ}}_{\mathrm{EL}}\left(n\right)+({\mathrm{\ΔT}}_n+0.005604)\·{\stackrel{\·}{\mathrm{\θ}}}_{\mathrm{EL}}\left(n\right)+\frac{1}{2}\·{\stackrel{\·\·}{\mathrm{\θ}}}_{\mathrm{EL}}\left(n\right)\·{({\mathrm{\ΔT}}_n+0.005604)}^2;$

13)计算测角功能时刻，对应的实时距离值

$L(m+1)=L\left(m\right)+{\mathrm{\ΔT}}_L\·\stackrel{\·}{L}\left(m\right)+\frac{1}{2}\·\stackrel{\·\·}{L}\left(m\right)\·{{\mathrm{\ΔT}}_L}^2;$

14)确定飞机在方位功能时刻实时位置信息，包括方位角θ_AZ(k)、仰角为θ_EL(n+1)和距离L(m+1)；

15)确定飞机在仰角功能时刻实时位置信息，包括方位角为θ_AZ(k+1)、仰角θ_EL(n)和距离L(m+1)；

16)将飞机在方位、仰角功能时刻的实时位置信息进行坐标变换，得到飞机相对于着陆点的坐标；

17)返回第4)步，等待对下一微波着陆功能数据的处理。