CN107390166B - 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 PDF

Info

Publication number
CN107390166B
CN107390166B CN201710586891.7A CN201710586891A CN107390166B CN 107390166 B CN107390166 B CN 107390166B CN 201710586891 A CN201710586891 A CN 201710586891A CN 107390166 B CN107390166 B CN 107390166B
Authority
CN
China
Prior art keywords
interference source
positioning
interference
calculating
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.)
Active
Application number
CN201710586891.7A
Other languages
English (en)
Other versions
CN107390166A (zh
Inventor
朱衍波
史晓锋
张春晓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN201710586891.7A priority Critical patent/CN107390166B/zh
Publication of CN107390166A publication Critical patent/CN107390166A/zh
Application granted granted Critical
Publication of CN107390166B publication Critical patent/CN107390166B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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

一种自适应干扰源定位飞行校验方法
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
Figure BDA0001353767990000021
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，
Figure BDA0001353767990000031
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)，
Figure BDA0001353767990000032
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，
Figure BDA0001353767990000033
表示vm+1(k)的估计值；
d)获取干扰源粗略位置：
Figure BDA0001353767990000034
其中，
Figure BDA0001353767990000035
为第k次递推的位置估计值，
Figure BDA0001353767990000036
表示
Figure BDA0001353767990000037
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
Figure BDA0001353767990000038
与飞机Xo的相对位置
Figure BDA0001353767990000039
作为EKF的初始值
Figure BDA00013537679900000310
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
Figure BDA00013537679900000311
其中
Figure BDA00013537679900000312
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，
Figure BDA00013537679900000313
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
Figure BDA00013537679900000314
的误差协方差阵，Pk|k-1为
Figure BDA00013537679900000315
的误差协方差阵；
(3)计算量测预测值
Figure BDA00013537679900000316
其中y(·)为观测方程的函数形式，
Figure BDA00013537679900000317
为观测值的一步预测；
(4)计算增益
Figure BDA00013537679900000318
其中
Figure BDA00013537679900000319
为观测函数的一阶偏导数；
(5)计算状态更新方程
Figure BDA00013537679900000320
其中，Yk为第k次观测量的值；
(6)计算协方差更新方程
Figure BDA0001353767990000041
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
Figure BDA0001353767990000042
(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
Figure BDA0001353767990000043
(4)计算增益
Figure BDA0001353767990000044
其中，
Figure BDA0001353767990000045
(5)计算状态更新方程
Figure BDA0001353767990000046
(6)计算协方差更新方程
Figure BDA0001353767990000047
最终，得到相对位置的精确估计值
Figure BDA0001353767990000048
得到干扰源的精确位置
Figure BDA0001353767990000049
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
Figure BDA0001353767990000051
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，
Figure BDA0001353767990000052
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)，
Figure BDA0001353767990000053
估计目标位置
Figure BDA0001353767990000054
得到总体最小二乘法下干扰源的位置
Figure BDA0001353767990000055
步骤304、将步骤303求得的目标位置估计值
Figure BDA0001353767990000056
与飞机位置求向量差后作为EKF的初始值
Figure BDA0001353767990000057
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
Figure BDA0001353767990000058
计算协方差一步预测Pk|k-1＝APk-1|k-1AT+Q0；计算量测预测值
Figure BDA0001353767990000059
计算增益
Figure BDA00013537679900000510
计算状态更新方程
Figure BDA00013537679900000511
计算协方差更新方程
Figure BDA00013537679900000512
步骤306、k＝[2,N]时,i＝[1,M]，计算状态一步预测
Figure BDA00013537679900000513
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
Figure BDA00013537679900000514
计算增益
Figure BDA00013537679900000515
计算协方差更新方程
Figure BDA00013537679900000516
计算状态更新方程
Figure BDA00013537679900000517
计算状态更新方程
Figure BDA00013537679900000518
步骤307、经过N次测向定位，得到相对位置的精确估计值
Figure BDA00013537679900000519
最终得到干扰源的精确位置
Figure BDA00013537679900000520
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
Figure FDA0002357103650000011
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，
Figure FDA0002357103650000012
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)，
Figure FDA0002357103650000013
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，
Figure FDA0002357103650000014
表示vm+1(k)的估计值；
(4)获取干扰源粗略位置：
Figure FDA0002357103650000015
其中，
Figure FDA0002357103650000016
为第k次递推的位置估计值，
Figure FDA0002357103650000017
表示
Figure FDA0002357103650000018
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
Figure FDA0002357103650000019
与飞机位置Xo的相对位置
Figure FDA00023571036500000110
作为EKF的初始值
Figure FDA00023571036500000111
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
Figure FDA00023571036500000112
其中
Figure FDA00023571036500000113
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，
Figure FDA00023571036500000114
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
Figure FDA00023571036500000115
的误差协方差阵；Pk|k-1为
Figure FDA0002357103650000021
的误差协方差阵；
③计算量测预测值
Figure FDA0002357103650000022
其中y(·)为观测方程的函数形式，
Figure FDA0002357103650000023
为观测值的一步预测；
④计算增益
Figure FDA0002357103650000024
其中
Figure FDA0002357103650000025
为观测函数的一阶偏导数；
⑤计算状态更新方程
Figure FDA0002357103650000026
其中，Yk为第k次观测量的值；
⑥计算协方差更新方程
Figure FDA0002357103650000027
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
Figure FDA0002357103650000028
②计算协方差一步预测Pk|k-1,i＝APk-1|k-1,iAT+Q0；
③计算量测预测值
Figure FDA0002357103650000029
④计算增益
Figure FDA00023571036500000210
其中，
Figure FDA00023571036500000211
⑤计算状态更新方程
Figure FDA00023571036500000212
⑥计算协方差更新方程
Figure FDA00023571036500000213
最终，得到相对位置的精确估计值
Figure FDA00023571036500000214
得到干扰源的精确位置
Figure FDA00023571036500000215
XoN为飞机的位置。
CN201710586891.7A 2017-07-18 2017-07-18 一种自适应干扰源定位飞行校验方法 Active CN107390166B (zh)

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 CN107390166A (zh) 2017-11-24
CN107390166B true 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)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7579984B2 (en) * 2005-11-23 2009-08-25 The Boeing Company Ultra-tightly coupled GPS and inertial navigation system for agile platforms

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Also Published As

Publication number Publication date
CN107390166A (zh) 2017-11-24

Similar Documents

Publication Publication Date Title
EP2972475B1 (en) Iterative kalman filtering
Liu et al. An adaptive cubature Kalman filter algorithm for inertial and land-based navigation system
CN107390166B (zh) 一种自适应干扰源定位飞行校验方法
Nguyen et al. Algebraic solution for stationary emitter geolocation by a LEO satellite using Doppler frequency measurements
CN110779519B (zh) 一种具有全局收敛性的水下航行器单信标定位方法
Suski et al. Using a map of measurement noise to improve UWB indoor position tracking
CN103925925A (zh) 一种用于多点定位系统的实时高精度位置解算方法
Wang et al. Using Allan variance to improve stochastic modeling for accurate GNSS/INS integrated navigation
EP2817652A1 (en) Method and system for simultaneous receiver calibration and object localisation for multilateration
Elgamoudi et al. Gauss hermite h∞ filter for uav tracking using leo satellites tdoa/fdoa measurement—part i
Ellis et al. A single satellite geolocation solution of an RF emitter using a constrained unscented Kalman filter
Mott et al. Estimation of aircraft operations at airports using mode-C signal strength information
Zhao et al. Design of an attitude and heading reference system based on distributed filtering for small UAV
WO2024120187A1 (zh) 一种用于信息拒止环境下的无人机动态目标估计方法
Molnár et al. Development of an UWB based indoor positioning system
CN113254432A (zh) 一种基于模糊聚类的ads-b飞行轨迹数据清洗方法
Zhang et al. Adaptive cubature Kalman filter based on the variance-covariance components estimation
Dy et al. Validation of ads-b aircraft flight path data using onboard digital avionics information
CN104463841A (zh) 衰减系数自适应的滤波方法及滤波系统
KR101600772B1 (ko) 비행 동역학 모델을 활용한 항공기 정밀 추적 방법
CN104467742A (zh) 基于高斯混合模型的传感器网络分布式一致性粒子滤波器
CN111929509B (zh) 基于无人机的电磁信号场型校验方法
CN108872973B (zh) 一种弹道导弹目标定轨的ekf滤波方法
Graffstein Functioning of an air anti-collision system during the test flight
CN117241221B (zh) 一种基于不确定性学习的室内定位方法

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