CN107390166A - 一种自适应干扰源定位飞行校验方法 - Google Patents
一种自适应干扰源定位飞行校验方法 Download PDFInfo
- Publication number
- CN107390166A CN107390166A CN201710586891.7A CN201710586891A CN107390166A CN 107390166 A CN107390166 A CN 107390166A CN 201710586891 A CN201710586891 A CN 201710586891A CN 107390166 A CN107390166 A CN 107390166A
- Authority
- CN
- China
- Prior art keywords
- calculate
- interference
- interference source
- equation
- aircraft
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/14—Systems for determining direction or deviation from predetermined direction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C23/00—Combined instruments indicating more than one navigational value, e.g. for aircraft; Combined measuring devices for measuring two or more variables of movement, e.g. distance, speed or acceleration
- G01C23/005—Flight directors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Aviation & Aerospace Engineering (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种自适应干扰源定位飞行校验方法,可以实现对地面各类无线电干扰源的监测和定位,保证民航无线电安全。飞行校验无线电干扰定位的基本原理是借助于机载无线电侦测设备获取干扰源来波方位,结合校验飞机自身的位置、速度、飞行姿态、高度等飞行参数,应用单站交叉定位原理,采用一种自适应滤波方法,能够准确的求得干扰源的位置信息。本发明的主要步骤包括:建立校验飞机干扰侦测系统的状态方程;建立校验飞机干扰侦测系统的非线性量测方程;离散化系统状态方程和量测方程;利用自适应干扰源定位算法求解离散后的方程,输出干扰源的位置。本发明所采用的自适应干扰源定位算法,提高了定位算法的定位精度和定位过程的稳定性。
Description
技术领域
本发明涉及一种自适应干扰源定位飞行校验方法,应用于航空飞行校验技术领域和无线电侦测技术领域。
背景技术
随着我国无线电台站总量的不断增加,以及民用航空机场、航线、航班数量的日益增多,民用航空无线电专用频率遭受电磁干扰的事件逐年呈上升趋势。无线电干扰对民航通信系统和空中交通管制系统构成了严重威胁,轻则使飞机改变原来的航向或使航班延误而带来巨大经济损失,重则威胁飞机及广大乘客的安全。对于民用航空无线电专用频率遭受电磁干扰的问题,需要加强对影响民航无线电专用频率安全使用相关环节的管理,提高无线电监测与干扰侦测的能力,保证必要的装备和手段。如何根据当前的形式,大力加强民航无线电干扰侦测系统设备建设,及时有效地查处干扰源,是民航飞行校验面临的重要课题。
飞行校验干扰定位问题是一种典型的单站交叉定位问题,其本质上是一类参数估计问题,属于非线性滤波问题。传统的滤波方法有最小二乘法、扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)。EKF在非线性系统中应用最广泛,通过泰勒级数展开将非线性滤波问题转化为近似线性化问题,但是由于线性化忽略了泰勒级数最高项,引入了截断误差;同时过程噪声协方差和量测噪声协方差以及初始状态均采用预先估计的方式确定,如果估计得不太准确,会导致滤波发散。
发明内容
本发明的目的是为了解决上述问题,提出一种自适应干扰源定位飞行校验方法,实现对地面干扰源的精确测定。
本发明的一种飞行程序校验干扰源定位的方法,应用于飞行校验,可以实现对地面各类无线电干扰源的监测和定位,保证民航无线电安全。
飞行校验无线电干扰定位的基本原理是借助于机载无线电侦测设备获取干扰源来波方位,结合校验飞机自身的位置、速度、飞行姿态、高度等飞行参数,应用单站交叉定位原理,采用一种自适应滤波方法,能够准确求得干扰源的位置信息。本发明的主要步骤包括:建立校验飞机干扰侦测系统的状态方程;建立校验飞机干扰侦测系统的非线性量测方程;离散化系统状态方程和量测方程;利用自适应干扰源定位算法求解离散后的方程,输出干扰源的位置。本发明所采用的自适应干扰源定位算法,提高了定位算法的定位精度和定位过程的稳定性。
本发明的优点在于:
(1)能够实时进行干扰源的测向和定位;
(2)通过对初值自适应选择和量测误差的自适应修正,提高了卡尔曼滤波的稳定性,从而提高定位的稳定性。
(3)通过卡尔曼滤波过程中的迭代处理,减小扩展卡尔曼滤波的截断误差,从而提高定位的精确度。
附图说明
图1为现有民航干扰侦测的流程图;
图2为本发明的总体流程图;
图3为自适应定位算法流程图。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
本发明的一种自适应干扰源定位飞行校验方法,包括两部分:一是通过总体递推最小二乘法获得干扰源粗略位置;二是将获得的干扰源粗略位置作为新息迭代扩展卡尔曼滤波的初始值进行求解,得到最终的干扰源位置,如图3所示,具体说明如下:
步骤一:通过总体递推最小二乘法获得干扰源位置
在飞行校验过程中,利用飞行校验系统中的数据分析设备可以得到飞机飞行位置的一系列位置点即航迹,同时又通过机载无线电侦测设备可以获得干扰源的来波方位角,计算各个航迹点,通过交叉定位可以求得干扰源的位置。
总体递推最小二乘法算法描述如下:
a)设定干扰源位置初始估计值最右奇异向量的初始值vm+1(0)和矩阵F的初始值F(0);
b)通过量测数据,更新矩阵F,其中:F(k)表示矩阵F的第k个递推,dk=[sinφk -cosφk xk sinφk-yk cosφk]T,φk、(xk,yk)分别为飞机在第k个测向点测得的方位角和飞机的位置;
c)更新最右奇异向量vm+1(k),w(k)=F(k)vm+1(k-1),其中,vm+1(k)表示最右奇异向量的第k个递推,表示vm+1(k)的估计值;
d)获取干扰源粗略位置:其中,为第k次递推的位置估计值,表示的第i个分量(i∈[1,m+1]);
步骤二:扩展卡尔曼滤波
在假设系统为高斯白噪声的前提下,基于总体最小二乘法的新息迭代卡尔曼滤波算法如下:
a)将步骤一中求得的目标位置估计值与飞机Xo的相对位置作为EKF的初始值设定估计误差协方差阵P0|0,过程噪声方差Q0和量测噪声方差R0,迭代次数为N;
b)k=1时,
(1)计算状态一步预测其中为状态向量Xk-1的估计值,uk-1为k-1次递推的控制输入,A∈Rn×n、B∈Rn×n为状态向量和控制输入向量的常值系数矩阵,为状态向量Xk-1的一步预测估计值;
(2)计算协方差一步预测Pk|k-1=APk-1|k-1AT+Q0,其中Pk-1|k-1为估计值的误差协方差阵,Pk|k-1为的误差协方差阵;
(3)计算量测预测值其中y(·)为观测方程的函数形式,为观测值的一步预测;
(4)计算增益其中为观测函数的一阶偏导数;
(5)计算状态更新方程其中,Yk为第k次观测量的值;
(6)计算协方差更新方程I为单位矩阵;
c)k=[2,N]时,
在每一步进行迭代,i=[1,M];
(1)计算状态一步预测
(2)计算协方差一步预测Pk|k-1i=APk-1|k-1,iAT+Q0;
(3)计算量测预测值
(4)计算增益其中,
(5)计算状态更新方程
(6)计算协方差更新方程
最终,得到相对位置的精确估计值得到干扰源的精确位置XoN为飞机的位置。
本发明应用于飞行校验,利用机载无线电侦测设备和由机载设备获取的飞机飞行参数,采用单站交叉定位,通过一种自适应卡尔曼滤波算法对地面各类无线电干扰源进行实时监测和定位。
本发明是一种自适应干扰源定位飞行校验方法,现有民航干扰侦测的一般流程如图1所示,本发明主要研究的是利用校验飞机进行干扰侦测时数据处理和干扰源解算的问题。如图2所示,由本发明的干扰源定位方法的总流程图,主要包括以下步骤:
步骤100、配置监听接收机,监测是否存在干扰,如果存在干扰,通过监听接收机获得信号的调制方式、频谱和中心频率信息。
步骤200、根据读取的监听接收机参数,根据测向接收机手册配置测向接收机,并对干扰信号进行跟踪,获取干扰信号的来波方位角、信号质量观测量。
步骤300、对观测量进行选择,并导入来自GPS接收机、惯性导航系统、VOR、DME、大气数据系统的飞机飞行参数:飞机位置、速度、航向、姿态信息。
自适应卡尔曼滤波算法对干扰源进行实时定位解算流程如图3所示,有如下步骤:
步骤301、建立以地心坐标系,并将参数转换到地心坐标系之下。
步骤302、设定目标位置初始估计值和最右奇异向量的初始值vm+1(0)、矩阵F的初始值P(0)及迭代次数。
步骤303、由量测数据,更新矩阵F,其中dk=[sinφk -cosφk xk sinφk-yk cosφk]T,φk、(xk,yk)分别飞机在第k个测向点测得的方位角和飞机的位置;更新最右奇异向量vm+1(k),w(k)=F(k)vm+1(k-1),估计目标位置得到总体最小二乘法下干扰源的位置
步骤304、将步骤303求得的目标位置估计值与飞机位置求向量差后作为EKF的初始值设定估计均方误差P0|0,过程噪声方差Q0和量测噪声方差R0。
步骤305、k=1时,计算状态一步预测计算协方差一步预测Pk|k-1=APk-1|k-1AT+Q0;计算量测预测值计算增益计算状态更新方程计算协方差更新方程
步骤306、k=[2,N]时,i=[1,M],计算状态一步预测计算协方差一步预测Pk|k-1i=APk-1|k-1,iAT+Q0;计算量测预测值计算增益计算协方差更新方程计算状态更新方程计算状态更新方程
步骤307、经过N次测向定位,得到相对位置的精确估计值最终得到干扰源的精确位置
步骤400、输出定位数据及定位误差,结束飞行,生成侦测报告。
Claims (1)
1.一种自适应干扰源定位飞行校验方法,包括以下几个步骤:
步骤一:通过总体递推最小二乘法获得干扰源粗略位置;
具体的:
(1)设定干扰源位置初始估计值最右奇异向量的初始值vm+1(0)和矩阵F的初始值F(0);
(2)通过量测数据,更新矩阵F,其中:F(k)表示矩阵F的第k个递推,dk=[sinφk -cosφk xksinφk -ykcosφk]T,φk、(xk,yk)分别为飞机在第k个测向点测得的方位角和飞机的位置;
(3)更新最右奇异向量vm+1(k),w(k)=F(k)vm+1(k-1),其中,vm+1(k)表示最右奇异向量的第k个递推,表示vm+1(k)的估计值;
(4)获取干扰源粗略位置:其中,为第k次递推的位置估计值,表示的第i个分量(i∈[1,m+1]);
步骤二:将获得的干扰源粗略位置作为新息迭代扩展卡尔曼滤波的初始值进行求解,得到最终的干扰源位置;
设系统为高斯白噪声,基于总体最小二乘法的新息迭代卡尔曼滤波算法如下:
(1)将步骤一中求得的干扰源粗略位置与飞机位置Xo的相对位置作为EKF的初始值设定估计误差协方差阵初值P0|0,过程噪声方差Q0和量测噪声方差R0;设定迭代次数为N;
(2)当k=1时,
①计算状态一步预测其中为状态向量Xk-1的估计值;uk-1为k-1次递推的控制输入,A∈Rn×n、B∈Rn×n为状态向量和控制输入向量的常值系数矩阵,为状态向量Xk-1的一步预测估计值;
②计算协方差一步预测Pk|k-1=APk-1|k-1AT+Q0,其中Pk-1|k-1为估计值的误差协方差阵;Pk|k-1为的误差协方差阵;
③计算量测预测值其中y(·)为观测方程的函数形式,为观测值的一步预测;
④计算增益其中为观测函数的一阶偏导数;;
⑤计算状态更新方程其中,Yk为第k次观测量的值;
⑥计算协方差更新方程I为单位矩阵;
(3)当k=[2,N]时,
在每一步进行迭代,i=[1,M];
①计算状态一步预测
②计算协方差一步预测Pk|k-1i=APk-1|k-1,iAT+Q0;
③计算量测预测值
④计算增益其中,⑤计算状态更新方程
⑥计算协方差更新方程
最终,得到相对位置的精确估计值得到干扰源的精确位置XoN为飞机的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710586891.7A CN107390166B (zh) | 2017-07-18 | 2017-07-18 | 一种自适应干扰源定位飞行校验方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710586891.7A CN107390166B (zh) | 2017-07-18 | 2017-07-18 | 一种自适应干扰源定位飞行校验方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107390166A true CN107390166A (zh) | 2017-11-24 |
CN107390166B CN107390166B (zh) | 2020-05-19 |
Family
ID=60340045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710586891.7A Active CN107390166B (zh) | 2017-07-18 | 2017-07-18 | 一种自适应干扰源定位飞行校验方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107390166B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108832994A (zh) * | 2018-07-04 | 2018-11-16 | 海丰通航科技有限公司 | 基于直升机的无线电监测系统 |
CN111930094A (zh) * | 2020-07-13 | 2020-11-13 | 北京航空航天大学 | 一种基于扩展卡尔曼滤波的无人机执行机构故障诊断方法 |
CN113568010A (zh) * | 2021-08-31 | 2021-10-29 | 中国电子科技集团公司第五十四研究所 | 一种基于星载ads-b的干扰定位方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110169689A1 (en) * | 2005-11-23 | 2011-07-14 | The Boeing Company | Ultra-tightly coupled gps and inertial navigation system for agile platforms |
CN102928858A (zh) * | 2012-10-25 | 2013-02-13 | 北京理工大学 | 基于改进扩展卡尔曼滤波的gnss单点动态定位方法 |
CN104267414A (zh) * | 2014-10-10 | 2015-01-07 | 北京航空航天大学 | 基于多普勒频差衰减因子的子空间互相关干扰消除方法 |
CN106200377A (zh) * | 2016-06-29 | 2016-12-07 | 中国人民解放军国防科学技术大学 | 一种飞行器控制参数的估计方法 |
CN106500693A (zh) * | 2016-12-07 | 2017-03-15 | 中国电子科技集团公司第五十四研究所 | 一种基于自适应扩展卡尔曼滤波的ahrs算法 |
-
2017
- 2017-07-18 CN CN201710586891.7A patent/CN107390166B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110169689A1 (en) * | 2005-11-23 | 2011-07-14 | The Boeing Company | Ultra-tightly coupled gps and inertial navigation system for agile platforms |
CN102928858A (zh) * | 2012-10-25 | 2013-02-13 | 北京理工大学 | 基于改进扩展卡尔曼滤波的gnss单点动态定位方法 |
CN104267414A (zh) * | 2014-10-10 | 2015-01-07 | 北京航空航天大学 | 基于多普勒频差衰减因子的子空间互相关干扰消除方法 |
CN106200377A (zh) * | 2016-06-29 | 2016-12-07 | 中国人民解放军国防科学技术大学 | 一种飞行器控制参数的估计方法 |
CN106500693A (zh) * | 2016-12-07 | 2017-03-15 | 中国电子科技集团公司第五十四研究所 | 一种基于自适应扩展卡尔曼滤波的ahrs算法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108832994A (zh) * | 2018-07-04 | 2018-11-16 | 海丰通航科技有限公司 | 基于直升机的无线电监测系统 |
CN108832994B (zh) * | 2018-07-04 | 2021-06-08 | 海丰通航科技有限公司 | 基于直升机的无线电监测系统 |
CN111930094A (zh) * | 2020-07-13 | 2020-11-13 | 北京航空航天大学 | 一种基于扩展卡尔曼滤波的无人机执行机构故障诊断方法 |
CN113568010A (zh) * | 2021-08-31 | 2021-10-29 | 中国电子科技集团公司第五十四研究所 | 一种基于星载ads-b的干扰定位方法 |
CN113568010B (zh) * | 2021-08-31 | 2024-03-26 | 中国电子科技集团公司第五十四研究所 | 一种基于星载ads-b的干扰定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107390166B (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108759838A (zh) | 基于秩卡尔曼滤波器的移动机器人多传感器信息融合方法 | |
CN108536171A (zh) | 一种多约束下多无人机协同跟踪的路径规划方法 | |
CN106291488A (zh) | 一种雷达标定误差校正方法 | |
Liu et al. | An adaptive cubature Kalman filter algorithm for inertial and land-based navigation system | |
Suski et al. | Using a map of measurement noise to improve UWB indoor position tracking | |
CN106093994A (zh) | 一种基于自适应加权混合卡尔曼滤波的多源联合定位方法 | |
CN104075711B (zh) | 一种基于CKF的IMU/Wi‑Fi信号紧组合室内导航方法 | |
Ibrahim et al. | Inertial measurement unit based indoor localization for construction applications | |
CN103471586B (zh) | 一种传感器辅助的终端组合定位方法及装置 | |
CN106772516B (zh) | 一种基于模糊理论的复合定位新方法 | |
CN110779519B (zh) | 一种具有全局收敛性的水下航行器单信标定位方法 | |
CN107390166A (zh) | 一种自适应干扰源定位飞行校验方法 | |
CN109141427A (zh) | 在非视距环境下基于距离和角度概率模型的ekf定位方法 | |
CN104640204A (zh) | 一种非直达波环境下无线传感器网络节点定位方法 | |
CN104181500A (zh) | 一种基于惯性信息和机会无线信号特征的实时定位方法 | |
CN104833949A (zh) | 一种基于改进距离参数化的多无人机协同无源定位方法 | |
Dehghan et al. | Optimal path planning for DRSSI based localization of an RF source by multiple UAVs | |
CN112511976B (zh) | 定位无人机控制端的处理方法、装置、设备与介质 | |
CN107990900A (zh) | 一种行人室内定位数据的粒子滤波器模型设计方法 | |
CN110646783A (zh) | 一种水下航行器的水下信标定位方法 | |
Aernouts et al. | Combining TDoA and AoA with a particle filter in an outdoor LoRaWAN network | |
CN103491627A (zh) | 一种集成多种算法的近距离实时精确定位方法 | |
Long et al. | Single UWB anchor aided PDR heading and step length correcting indoor localization system | |
CN109856616A (zh) | 一种雷达定位相对系统误差修正方法 | |
CN106969767B (zh) | 一种动平台传感器系统偏差的估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |