CN104680019A - 一种对航空器测高学系统误差ase进行分析的方法 - Google Patents
一种对航空器测高学系统误差ase进行分析的方法 Download PDFInfo
- Publication number
- CN104680019A CN104680019A CN201510103310.0A CN201510103310A CN104680019A CN 104680019 A CN104680019 A CN 104680019A CN 201510103310 A CN201510103310 A CN 201510103310A CN 104680019 A CN104680019 A CN 104680019A
- Authority
- CN
- China
- Prior art keywords
- ase
- msl
- hae
- aircraft
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
公开了一种对航空器测高学系统误差ASE进行分析的方法,其能够判断航空器GPS基准面,对ASE进行分布模型拟合,从而判断航空器飞行性能趋势。这种对航空器测高学系统误差ASE进行分析的方法,包括步骤:(1)确定航空器GPS基准面;(2)对航空器ASE分布进行拟合;(3)确定航空器ASE最终值。
Description
技术领域
本发明涉及一种航空器指标评价方法,特别是一种对航空器测高学系统误差ASE进行分析的方法。
背景技术
传统的航空器高度保持性能监控手段是基于(Enhanced GPS MonitoringUnit,EGMU)和多点定位技术对航空器的几何高度进行采集,其几何高度精度较高为英尺级别,美国联邦航空局(Federal Aviation Administration,FAA)技术中心于20世纪80年代研发了基于这类数据的解算软件,用于对航迹点的测高学系统误差(Altimetry System Error,ASE)值进行解算。随着新技术的不断发展,EGMU和多点定位技术外,广播式自动相关监视(Automatic Dependent Surveillance-Broadcast,ADS-B)技术由于其建站容易,覆盖范围大等特点,成为了一项新兴的航空器高度保持性能解算数据源。在基于ADS-B数据的航空器监控中,ADS-B站采集得到的航空器几何高度数据可以作为航空器的真实高度,进而通过气象插值和高度基准面转换等步骤,完成对于航空器测高学系统误差(Altimetry System Error,ASE)的分析和解算。
根据航空器运行的实际情况,其基于的GPS基准面分为平均海平面(Mean Sea Level,MSL)和椭球高(Height Above Ellipsoid,HAE)两种。两种基准面的高度差称为高程异常(Geiod)。由于航空器下发ADS-B数据的实际特点,航空器的GPS基准面信息在下发数据中并未包含,因此,确定航空器的基准面对于准确分析航空器的ASE值具有重要的作用。
在获取了航空器准确的GPS基准面之后,进而对航空器的ASE进行分布模型拟合,从而更准确的给出航空器的ASE评价值也对分析航空器整体的ASE具有重要的作用。
目前,我国在航空器GPS基准面确定和ASE分布模型拟合方面还是空白。
发明内容
为克服现有技术的缺陷,本发明要解决的技术问题是提供了一种对航空器测高学系统误差ASE进行分析的方法,其能够判断航空器GPS基准面,对ASE进行分布模型拟合,从而判断航空器飞行性能趋势。
本发明的技术方案是:这种对航空器测高学系统误差ASE进行分析方法,包括以下步骤:
(1)确定航空器GPS基准面;
(2)对航空器ASE分布进行拟合;
(3)确定航空器ASE最终值。
本发明通过对航迹点的分析确定了航空器GPS的基准面,对ASE进行了分布拟合并最终确定航空器的ASE评价值,所以能够判断航空器GPS基准面,对ASE进行分布模型拟合,从而判断航空器飞行性能趋势。
附图说明
图1所示为本发明的步骤(1.1)和(1.2)的效果图,其中方块和圆圈分别表示步骤(1.1)中基于MSL和HAE的ASE区间均值,实线和虚线分别为步骤(1.2)中基于MSL和HAE的ASE回归线;
图2所示为本发明的步骤(2.2)的单峰数据效果图,其中实线和虚线分别为步骤(2.2)中基于HAE和MSL的ASE核密度估计曲线,可以看出,基于MSL的核密度估计曲线呈现单峰趋势;
图3所示为本发明的步骤(2.2)的双峰数据效果图,中实线和虚线分别为步骤(2.2)中基于HAE和MSL的ASE核密度估计曲线,可以看出,基于MSL的核密度估计曲线呈现双峰趋势;
图4所示为本发明的步骤(1.1)的流程图;
图5所示为本发明的步骤(1.2)的流程图;
图6所示为本发明的步骤(2.2)的流程图;
图7所示为本发明的步骤(2.3)的流程图;
图8所示为本发明的步骤(3)的流程图。
具体实施方式
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
首先给出计算中使用到的各项参数符号及其意义:
x和y:回归变量x和y;
f:自由度,即f=n-1;
ρ:回归变量x和y的相关系数,其公式为:
回归变量x的均值,其公式为:
Sx和Sy:回归变量x和y的样本方差,其公式为:
ε:两种基准面的回归估计标准差,其公式为:
ASEMSL和ASEHAE:基于平均海平面(Mean Sea Level,MSL)和椭球高(Height Above Ellipsoid,HAE)的测高学系统误差;
tMSL和tHAE:ASE基于MSL和HAE基准面线性回归的截距。
这种对航空器测高学系统误差ASE进行分析的方法,包括以下步骤:
(1)确定航空器GPS基准面;
(2)对航空器ASE分布进行拟合;
(3)确定航空器ASE最终值。
本发明通过对航迹点的分析确定了航空器GPS的基准面,对ASE进行了分布拟合并最终确定航空器的ASE评价值,所以能够判断航空器GPS基准面,对ASE进行分布模型拟合,从而判断航空器飞行性能趋势。
优选地,所述步骤(1)包括以下分步骤:
(1.1)根据公式(1)对航迹点的ASE计算其相对于高程异常区间的均值
(1.2)对基于MSL和HAE的ASE数组分别进行线性回归计算斜率并确定航空器基准面。
优选地,如图4所示,所述步骤(1.1)包括以下分步骤:
(1.1.1)将原数据中的Geoid序列按5英尺的小区间取整,计算区间个数n;
(1.1.2)遍历Geoid区间;
(1.1.3)计算区间内ASE上限:当前区间值加上2.5英尺;
(1.1.4)计算区间内ASE下限:当前区间值减去2.5英尺;
(1.1.5)获取大小属于当前区间上下限之间的ASEHAE数组;
(1.1.6)获取大小属于当前区间上下限之间的ASEMSL数组;
(1.1.7)如果(1.1.5)(1.1.6)不为空数组,则执行步骤(1.1.8),否则执行步骤(1.1.9);
(1.1.8)对各区间内的ASEMSL和ASEHAE求均值;
(1.1.9)结束。
优选地,如图5所示,所述步骤(1.2)包括以下分步骤:
(1.2.1)开始;
(1.2.2)获取步骤(1.1)的高程异常区间个数;
(1.2.3)判断区间个数是否大于3,是则执行步骤(1.2.4),否则执行步骤(1.2.11);
(1.2.4)获取步骤(1.1)每一个区间ASE均值;
(1.2.5)计算ASEMSL和ASEHAE序列的回归线,斜率分别为KMSL和KHAE;
(1.2.6)根据公式(2)计算出两种基准面线性回归交叉点ASE值作为ASE备选最终值
(1.2.7)根据公式(3)、(4)、(5)计算航空器基准面接近系数CMSL、CHAE及二者之差M
M=CHAE-CMSL (5);
(1.2.8)根据M判断基准面:当M小于-30时,执行步骤(1.2.10);当M大于30时,执行步骤(1.2.9);当M处于-30和30之间时,执行步骤(1.2.11);
(1.2.9)判定基准面为MSL,跳转到步骤(1.2.12);
(1.2.10)判定基准面为HAE,跳转到步骤(1.2.12);
(1.2.11)认为不能准确判定航空器的基准面;
(1.2.12)结束。
优选地,所述步骤(2)包括以下分步骤:
(2.1)如果步骤(1)确定的航空器基准面为HAE或MSL,执行步骤(2.2);
(2.2)对ASEMSL和ASEHAE进行核密度估计;
(2.3)根据相应基准面及公式(6),对ASEMSL和ASEHAE进行混合正态分布拟合
优选地,如图6所示,所述步骤(2.2)包括以下分步骤:
(2.2.1)将ASE原始数据进行核密度估计;
(2.2.2)获取ASE原始数据中的最大值和最小值;
(2.2.3)将最大值和最小值所组成的区间范围等分199份,得到新的数组,新数组包含200个元素;
(2.2.4)利用核密度估计结果计算新数组对应的核密度估计值;
(2.2.5)返回区间核密度估计值数组。
优选地,如图7所示,所述步骤(2.3)包括以下分步骤:
(2.3.1)开始;
(2.3.2)确立混合分布拟合参数的默认值,α1=1,α2=0,μ2=0,σ1=sx,σ2=0;
(2.3.3)若ASE数组长度大于50并且标准差σ1>30则执行
(2.3.4),否则执行(2.3.9);
(2.3.4)将ASE数组进行核密度估计,确立混合分布拟合参数
的初始值,α1=0.5,α2=0.5,
(2.3.5)以正负300为范围,分为601个区间,根据(2.3.4)结果作为系数计算最小二乘高斯拟合值,返回混合分布参数拟合结果和分布结果拟合概率值;
(2.3.6)获取(2.3.5)结果,令为中的较大值,为中较小值,为之差的绝对值,为绝对值中的较大值;
(2.3.7)如果三条件同时满足,则执行步骤(2.3.8),否则令执行步骤(2.3.9);
(2.3.8)确定ASE混合分布拟合结果为双峰分布,将对应的或作为ASE备选最终值,跳转到步骤(2.3.10);
(2.3.9)确定ASE混合分布拟合结果为单峰分布,将μ1作为ASE备选最终值;
(2.3.10)结束。
优选地,如图8所示,所述步骤(3)包括以下分步骤:
(3.1)开始;
(3.2)获取ASE数组的基准面;
(3.3)判断基准面是否可以确定,是则执行步骤(3.4),否则执行步骤(3.5);
(3.4)通过混合正态分布拟合的单峰或双峰结果获取ASE最终值,跳转到步骤(3.9);
(3.5)获取步骤(1.2)中ASEMSL和ASEHAE序列线性回归分析;
(3.6)判断|Geoid|<5区间内是否有值存在,是则执行步骤(3.7),否则执行步骤(3.8);
(3.7)选取区间内的样本均值作为ASE最终值,跳转到步骤(3.9);
(3.8)将步骤(1.2.6)的ASE备选最终值作为ASE最终值;
(3.9)结束。
优选地,所述步骤(3.7)包括以下分步骤:
(3.7.1)选取原始ASE数组Geoid绝对值小于5区间内的样本;
(3.7.2)计算(3.7.1)中的ASEMSL和ASEHAE的全体样本均值;
(3.7.3)返回(3.7.2)的结果。
以上所述,仅是本发明的较佳实施例,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属本发明技术方案的保护范围。
Claims (9)
1.一种对航空器测高学系统误差ASE进行分析的方法,其特征在于,
包括以下步骤:
(1)确定航空器GPS基准面;
(2)对航空器ASE分布进行拟合;
(3)确定航空器ASE最终值。
2.根据权利要求1所述的对航空器测高学系统误差ASE进行分析的方法,其特征在于,所述步骤(1)包括以下分步骤:
(1.1)根据公式(1)对航迹点的ASE计算其相对于高程异常区间的均值
(1.2)对基于MSL和HAE的ASE数组分别进行线性回归计算斜率并确定航空器基准面。
3.根据权利要求2所述的对航空器测高学系统误差ASE进行分析的方法,其特征在于,所述步骤(1.1)包括以下分步骤:
(1.1.1)将原数据中的Geoid序列按5英尺的小区间取整,计算区间个数n;
(1.1.2)遍历Geoid区间;
(1.1.3)计算区间内ASE上限:当前区间值加上2.5英尺;
(1.1.4)计算区间内ASE下限:当前区间值减去2.5英尺;
(1.1.5)获取大小属于当前区间上下限之间的ASEHAE数组;
(1.1.6)获取大小属于当前区间上下限之间的ASEMSL数组;
(1.1.7)如果(1.1.5)(1.1.6)不为空数组,则执行步骤(1.1.8),否则执行步骤(1.1.9);
(1.1.8)对各区间内的ASEMSL和ASEHAE求均值;
(1.1.9)结束。
4.根据权利要求3所述的对航空器测高学系统误差ASE进行分析的方法,其特征在于,所述步骤(1.2)包括以下分步骤:
(1.2.1)开始;
(1.2.2)获取步骤(1.1)的高程异常区间个数;
(1.2.3)判断区间个数是否大于3,是则执行步骤(1.2.4),否则执行步骤(1.2.11);
(1.2.4)获取步骤(1.1)每一个区间ASE均值;
(1.2.5)计算ASEMSL和ASEHAE序列的回归线,斜率分别为KMSL和KHAE;
(1.2.6)根据公式(2)计算出两种基准面线性回归交叉点ASE值作为ASE备选最终值
(1.2.7)根据公式(3)、(4)、(5)计算航空器基准面接近系数CMSL、CHAE及二者之差M
M=CHAE-CMSL (5);
(1.2.8)根据M判断基准面:当M小于-30时,执行步骤(1.2.10);当M大于30时,执行步骤(1.2.9);当M处于-30和30之间时,执行步骤(1.2.11);
(1.2.9)判定基准面为MSL,跳转到步骤(1.2.12);
(1.2.10)判定基准面为HAE,跳转到步骤(1.2.12);
(1.2.11)认为不能准确判定航空器的基准面;
(1.2.12)结束。
5.根据权利要求4所述的对航空器测高学系统误差ASE进行分析的方法,其特征在于,所述步骤(2)包括以下分步骤:
(2.1)如果步骤(1)确定的航空器基准面为HAE或MSL,执行步骤(2.2);
(2.2)对ASEMSL和ASEHAE进行核密度估计;
(2.3)根据相应基准面及公式(6),对ASEMSL和ASEHAE进行混合正态分布拟合
6.根据权利要求5所述的对航空器测高学系统误差ASE进行分析的方法,其特征在于,所述步骤(2.2)包括以下分步骤:
(2.2.1)将ASE原始数据进行核密度估计;
(2.2.2)获取ASE原始数据中的最大值和最小值;
(2.2.3)将最大值和最小值所组成的区间范围等分199份,得到新的数组,新数组包含200个元素;
(2.2.4)利用核密度估计结果计算新数组对应的核密度估计值;
(2.2.5)返回区间核密度估计值数组。
7.根据权利要求6所述的对航空器测高学系统误差ASE进行分析的方法,其特征在于,所述步骤(2.3)包括以下分步骤:
(2.3.1)开始;
(2.3.2)确立混合分布拟合参数的默认值,α1=1,α2=0,μ2=0,σ1=sx,σ2=0;
(2.3.3)若ASE数组长度大于50并且标准差σ1>30则执行
(2.3.4),否则执行(2.3.9);
(2.3.4)将ASE数组进行核密度估计,确立混合分布拟合参数的初始值,α1=0.5,α2=0.5,
(2.3.5)以正负300为范围,分为601个区间,根据(2.3.4)结果作为系数计算最小二乘高斯拟合值,返回混合分布参数拟合结果和分布结果拟合概率值;
(2.3.6)获取(2.3.5)结果,令为中的较大值,为中较小值,为之差的绝对值,为绝对值中的较大值;
(2.3.7)如果 三条件同时满足,则执行步骤(2.3.8),否则令执行步骤(2.3.9);
(2.3.8)确定ASE混合分布拟合结果为双峰分布,将对应的或作为ASE备选最终值,跳转到步骤(2.3.10);
(2.3.9)确定ASE混合分布拟合结果为单峰分布,将μ1作为ASE备选最终值;
(2.3.10)结束。
8.根据权利要求7所述的对航空器测高学系统误差ASE进行分析的方法,其特征在于,所述步骤(3)包括以下分步骤:
(3.1)开始;
(3.2)获取ASE数组的基准面;
(3.3)判断基准面是否可以确定,是则执行步骤(3.4),否则执行步骤(3.5);
(3.4)通过混合正态分布拟合的单峰或双峰结果获取ASE最终值,跳转到步骤(3.9);
(3.5)获取步骤(1.2)中ASEMSL和ASEHAE序列线性回归分析结果;
(3.6)判断|Geoid|<5区间内是否有值存在,是则执行步骤(3.7),否则执行步骤(3.8);
(3.7)选取区间内的样本均值作为ASE最终值,跳转到步骤(3.9);
(3.8)将步骤(1.2.6)的ASE备选最终值作为ASE最终值;
(3.9)结束。
9.根据权利要求8所述的对航空器测高学系统误差ASE进行分析的方法,其特征在于,所述步骤(3.7)包括以下分步骤:
(3.7.1)选取原始ASE数组Geoid绝对值小于5区间内的样本;
(3.7.2)计算(3.7.1)中的ASEMSL和ASEHAE的全体样本均值;
(3.7.3)返回(3.7.2)的结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510103310.0A CN104680019B (zh) | 2015-03-10 | 2015-03-10 | 一种对航空器测高学系统误差ase进行分析的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510103310.0A CN104680019B (zh) | 2015-03-10 | 2015-03-10 | 一种对航空器测高学系统误差ase进行分析的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104680019A true CN104680019A (zh) | 2015-06-03 |
CN104680019B CN104680019B (zh) | 2018-02-13 |
Family
ID=53315052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510103310.0A Active CN104680019B (zh) | 2015-03-10 | 2015-03-10 | 一种对航空器测高学系统误差ase进行分析的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104680019B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090112464A1 (en) * | 2007-10-31 | 2009-04-30 | Belcher Robert C | Method and apparatus for cross checking required navigation performance procedures |
CN104050368A (zh) * | 2014-06-09 | 2014-09-17 | 中国人民解放军海军航空工程学院 | 系统误差下基于误差补偿的群航迹精细关联算法 |
-
2015
- 2015-03-10 CN CN201510103310.0A patent/CN104680019B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090112464A1 (en) * | 2007-10-31 | 2009-04-30 | Belcher Robert C | Method and apparatus for cross checking required navigation performance procedures |
CN104050368A (zh) * | 2014-06-09 | 2014-09-17 | 中国人民解放军海军航空工程学院 | 系统误差下基于误差补偿的群航迹精细关联算法 |
Non-Patent Citations (5)
Title |
---|
C FALK等: "Using automatic dependent surveillance-broadcast data for monitoring aircraft altimetry system error", 《AIAA JOURNAL》 * |
ROBERT BUTCHER: "DATA SHARING BETWEEN STATES AND RMAS", 《REGIONAL MONITORING AGENCY COORDINATION GROUP (RMACG) WORKING GROUP MEETING》 * |
ZHANG JUN 等: "Study of ADS-B Data Evaluation", 《CHINESE JOURNAL OF AERONAUTICS》 * |
张军: "空域监视技术的新进展及应用", 《航空学报》 * |
蔡开泉等: "高空空域飞机高度保持性能分析", 《航空学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN104680019B (zh) | 2018-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105138779B (zh) | 车载gps时空轨迹大数据优选方法及系统 | |
Waelbroeck et al. | Consistently dated Atlantic sediment cores over the last 40 thousand years | |
CN108959466B (zh) | 基于bcs-dbscan的出租车载客热点可视化方法及系统 | |
CN105241465B (zh) | 一种道路更新的方法 | |
CN101702200B (zh) | 一种机载激光雷达点云数据的自动分类方法 | |
CN104197945B (zh) | 一种基于低采样率浮动车数据的全局投票地图匹配方法 | |
CN106227726B (zh) | 一种基于车辆轨迹数据的路径提取方法 | |
Pu et al. | Evaluating the nonlinear correlation between vertical curve features and crash frequency on highways using random forests | |
CA2781863A1 (en) | Weather data selection relative to an aircraft trajectory | |
CN110188797A (zh) | 一种基于贝叶斯优化的智能汽车快速测试方法 | |
CN111426313B (zh) | 一种基于重力灯塔的线匹配与面匹配融合导航方法和系统 | |
CN105629198A (zh) | 基于密度的快速搜索聚类算法的室内多目标追踪方法 | |
CN110196962A (zh) | 一种基于核密度估计的飞机速度异常识别方法 | |
CN114648231A (zh) | 一种车路协同路侧数据质量评价方法 | |
CN102360503A (zh) | 基于空间贴近度和像素相似性的sar图像变化检测方法 | |
CN104392113B (zh) | 一种近海海面冷空气大风风速的估算方法 | |
CN109492063A (zh) | 一种高精度地图数据的质量评价方法 | |
CN104200458A (zh) | 基于MeanShift的高分辨率遥感影像分割距离度量优化方法 | |
CN103971519A (zh) | 一种利用交通冲突判别事故易发路段的方法及其系统 | |
CN104794335A (zh) | 一种通用多级空间抽样方法 | |
CN105117609A (zh) | 一种基于推广型K-Means分类决策的动态称重的方法 | |
Li et al. | Driving performances assessment based on speed variation using dedicated route truck GPS data | |
CN104715160A (zh) | 基于kmdb的软测量建模数据异常点检测方法 | |
CN104914483A (zh) | 一种基于多源观测数据的南极接地线质量评价方法 | |
CN104680019A (zh) | 一种对航空器测高学系统误差ase进行分析的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |