CN108153980A - 基于ads-b与tcas数据融合的综合显示方法 - Google Patents

基于ads-b与tcas数据融合的综合显示方法 Download PDF

Info

Publication number
CN108153980A
CN108153980A CN201711430677.9A CN201711430677A CN108153980A CN 108153980 A CN108153980 A CN 108153980A CN 201711430677 A CN201711430677 A CN 201711430677A CN 108153980 A CN108153980 A CN 108153980A
Authority
CN
China
Prior art keywords
ads
data
tcas
airborne
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.)
Pending
Application number
CN201711430677.9A
Other languages
English (en)
Inventor
肖刚
王彦然
何方
戴周云
张强
赵俊豪
刘艺博
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.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong 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 Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201711430677.9A priority Critical patent/CN108153980A/zh
Publication of CN108153980A publication Critical patent/CN108153980A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/18502—Airborne stations
    • H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Abstract

一种基于ADS‑B与TCAS数据融合的综合显示方法，包括：广播式自动相关监视的接收和广播式自动相关监视的发送，其中：广播式自动相关监视的接收首先通过基于变分贝叶斯‑IMM算法的融合模型仿真结果分析，再在ADS‑B报文解码的基础上进行ADS‑B与TCAS两系统的综合显示。本发明通过在以ADS‑B设备为主的半物理仿真环境中设计并实现，适合处理ADS‑B及TCAS噪声时变且未知的情景。

Description

基于ADS-B与TCAS数据融合的综合显示方法
技术领域
本发明涉及的是一种飞行器监视领域的技术，具体是一种基于变分贝叶斯估计下的广播式自动相关监视(ADS-B)与空中防撞系统(TCAS)数据融合的综合显示方法。
背景技术
ADS-B是一种可应用的较为精确的空域监视技术，在防撞、监视和辅助进近等方面发挥较大作用，与一次监视雷达、二次监视雷达系统相比，它在实时性、准确性和经济性上具有明显的优势。TCAS系统是一种独立于地面空中交通管制的机载交通警报及防撞系统。ADS-B系统数据提升了TCAS系统的预测精度，提高远距离真实告警的概率，降低虚警率和漏警率。
发明内容
本发明针对现有技术存在的上述不足，提出一种基于ADS-B与TCAS数据融合的综合显示方法，通过在以ADS-B设备为主的半物理仿真环境中设计并实现，适合处理ADS-B及TCAS噪声时变且未知的情景。
本发明是通过以下技术方案实现的：
本发明涉及一种基于ADS-B与TCAS数据融合的综合显示方法，包括：广播式自动相关监视的接收(ADS-B IN)和广播式自动相关监视的发送(ADS-B OUT)，其中：广播式自动相关监视的接收首先通过基于变分贝叶斯-IMM算法的融合模型仿真结果分析，再在ADS-B报文解码的基础上进行ADS-B与TCAS两系统的综合显示。
所述的接收，通过ADS-B地面站设备或ADS-B机载设备从1090MHz频率上接收广播数据，通过串口或网口将数据发送给终端，由终端进行数据处理，其中ADS-B机载接收设备和地面站的接收数据源来自实验室机载发射机向空域中发送的ADS-B广播信号或空域中民航航班和通航飞机实际飞行产生的ADS-B广播信号，在终端进行必要的数据解码、数据转换等处理后，实现ADS-B明文显示、ADS-B数据在界面中实时显示和发送至设备模拟器座舱平台作为TCAS子系统的输入功能。
所述的发送，包括：模拟机平台ADS-B Out发送，并用ADS-B地面站或ADS-B机载设备接收验证；无人机平台ADS-B Out发送，用ADS-B地面站或ADS-B机载设备接收监视无人机的实际飞行信息，其中：目标飞机的三维航迹由飞行运动模型和模拟机座舱平台产生，并由IMM模型中的IMM算法滤波，将有色噪声转化，在自适应的采样间隔下，并采用变分贝叶斯(VB)方法估计时变噪声。
所述的仿真结果分析是指：由飞行器空间运动模型生成航迹，基于当前统计模型对ADS-B和TCAS系统的经度、纬度、高度三维信息进行局部卡尔曼滤波，并分析TCAS系统，ADS-B系统以及融合后系统的数据精度，结合空中交通防撞系统的核心处理模型，计算到达两机最接近点的时间，统计各系统的虚警、漏警情况，分析数据融合给组合监视系统带来的收益。
所述的ADS-B报文解码是指：将从ADS-B地面接收站或ADS-B机载接收设备的接收报文解码后，得到ADS-B信息，它们包括飞行器经度、纬度、高度、地速度、地速度方向和垂直速度等信息。ADS-B数据显示界面开发是把获取的ADS-B信息通过坐标转换，从而在开发的界面上显示，并标注该飞行器的信息，包括经度、纬度、高度等。
所述的IMM模型为马尔科夫跳跃线性系统，具体为：其中：Z(k)＝HjX(k)+υj(k)，ω(k+1)＝cω(k)+ξ(k)，υj(k+1)＝djυj(k)+ηj(k)，M是奇异方阵，即det(M)＝0；系统是正则的，即不恒为0；系统状态向量是一个n维的向量，观测过程Z(k)是一个m维的向量；ξ(k)是一个零均值的高斯白噪声，ηj(k)是一个独立的零均值高斯测量噪声。
利用增广状态法将有色噪声化为马尔科夫跳跃线性系统的系统状态的一部分，原马尔科夫跳跃线性系统的状态分量扩充后的定义如下：
其中：将有色噪声ω(k)转化为白噪声ξ(k)。存在正交阵P和Q使得L1是一个下三角矩阵。有色噪声υj(k)转化为白噪声γj(k)。
在IMM算法中。运动状态通过恒定速度(CV)、恒定加速度(CA)和当前统计(CS)三种不同运动模型加权来估计获得。从变化采样间隔IMM(VSIMM)、固定采样间隔IMM(FSIMM)和CS模型算法中获得了局部最优值。根据最优信息融合准则，从局部最优值中获得全局最优值，并作为TCAS子系统的输入用于获取飞机之间的Tau(时间到最近的方法)，并后续利用统计的虚警和漏警次数对融合系统的进行收益分析。
所述的CS运动模型为：Z(k)＝HjX(k)+υj(k)，其中：X(k)是三维的目标状态向量，包括目标的位置、速度和加速度；ω(k)和υj(k)是零均值独立的高斯白噪声，是状态转移矩阵，T(k)是输入矩阵，T是采样周期，a是机动频率。
所述的估计时变噪声是指：采用变分贝叶斯算法估计未知的测量噪声，包括加速度估计先验状态协方差估计，具体为：其中：是加速度估计，是先验状态协方差；噪声协方差是IMM模型的输入。
所述的IMM模型滤波，通过计算混合概率后，采用线性方程估计系统状态，再用变分贝叶斯算法来获得测量噪声的方差，通过运行不同的滤波器来获得状态估计和协方差矩阵，其中：混合概率其中：是归一化因子。
所述的融合，根据矩阵加权线性最小方差准则进行，通过两个传感器(ADS-B和TCAS)融合的过程具体为：[A1，…，AL]＝[A1，A2]＝[ATCAS，AADS-B]＝(eTP-1e)-1eTP-1， 其中：L个传感器的无偏估计是估计偏差协方差矩阵是Pij，i＝1，…，L，Ai是一个n阶方阵，矩阵P的元素 又有e＝[In，…，In]，In是一个n阶单位矩阵。和通过变采样周期的变分贝叶斯-IMM算法、固定采样周期的变分贝叶斯-IMM算法以及CS模型中获得。
所述的综合显示方法，优选进一步包括空域态势显示。具体为：ADS-B机载接收设备和地面站的接收数据源来自实验室机载发射机向空域中发送的ADS-B广播信号或空域中民航航班和通航飞机实际飞行产生的ADS-B广播信号。在终端进行必要的数据解码、数据转换等处理后，实现ADS-B明文显示、ADS-B数据在界面中实时显示和发送至设备模拟器座舱平台作为TCAS子系统的输入功能。
所述的广播式自动相关监视的发送，包括：基于模拟机座舱仿真平台和基于无人机平台的广播式自动相关监视的发送，其中：基于模拟机座舱仿真平台的ADS-B Out数据发送具体通过从模拟机座舱平台获取仿真飞行信息，经过ISS激励器将飞行器的经度、维度、高度、地速度、地速度方向和垂直速度等信息通过网口传输给终端，在终端进行数据处理和转换之后按协议发送给ADS-B机载设备，由机载设备编码发送到空中，所述的ADS-B地面站或ADS-B机载设备接收ADS-B数据，解码后得到所需飞行器信息；基于无人机平台的广播式自动相关监视的发送具体通过ADS-B机载设备装载到无人机平台上，通过机载设备上的GPS与北斗模块获取当前的飞行信息，包括经度、维度、高度、地速度、地速度方向和垂直速度等；所述的ADS-B地面站或ADS-B机载设备接收ADS-B信号，解码后得到所需飞行器信息；对无人机飞行轨迹进行显示，并与无人机本身自带的定位装置产生的飞行轨迹相比较。
本发明涉及一种实现上述方法的系统，包括：ADS-B In系统模块和ADS-B Out系统模块，其中：ADS-B In系统模块通过ADS-B地面站或机载设备接收外部数据源信息，即空域中实际飞行的民航飞机和实验室机载发射机信号，经对其解码后得到ADS-B与TCAS综合显示以及空域态势显示数据；由模拟机平台子模块和无人机平台子模块构成的ADS-B Out系统模块分别与实验室ADS-B地面站或机载发射机交联并获取所述数据。
技术效果
与现有技术相比，本发明解决了传统的融合系统在理论仿真层面不足以证明ADS-B与TCAS两系统融合收益的有效性的缺陷，从ADS-BIn和ADS-B Out两方面对系统进行设计与仿真验证，并通过具有自适应采样间隔的基于变分贝叶斯噪声估计的IMM模型(VS变分贝叶斯-IMM)实现空域态势显示、基于模拟机和无人机平台的ADS-B数据发送。本发明参考航空无线电技术委员会2006年的ADS-B技术标准规定(RTCA-DO-242A)和2009年的TCAS技术标准规定(RTCA-DO-185B)，将ADS-B与TCAS数据融合，在噪声转化层面改进了具有自适应采样间隔的基于变分贝叶斯噪声估计的IMM模型(VS变分贝叶斯-IMM)。
附图说明
图1为ADS-B为In层面方法设计示意图；
图2为ADS-B为Out层面方法设计示意图；
图3综合显示仿真系统模型框图示意图；
图4为模型算法流程图示意图；
图5为空域飞行器轨迹示意图；
图6为系统的噪声估计示意图；
图中：(a)ADS-B噪声估计示意图；(b)TCAS噪声估计示意图；
图7为分系统与融合系统均方误差比较示意图；
图8为各系统虚警、漏警统计图示意图；
图9为数据解码软件设计流程图示意图；
图10为TCAS数字样机状态示意图；
图11为空域态势显示界面一示意图；
图12为空域态势显示界面二示意图；
图13为无人机自带软件监视和ADS-B监视飞行轨迹图示意图；
图中：(a)无人机自带软件监视飞行轨迹示意图；(b)ADS-B监视飞行轨迹示意图。
具体实施方式
本实施例包括以下步骤：
一、ADS-B In的实现
1.1)ADS-B与TCAS综合显示
(1)基于变分贝叶斯-IMM算法的融合模型仿真结果分析
由飞行器空间运动模型生成航迹，基于当前统计模型对ADS-B和TCAS系统的经度、纬度、高度三维信息进行局部卡尔曼滤波，并分析TCAS系统，ADS-B系统以及融合后系统的数据精度，结合空中交通防撞系统的核心处理模型，计算到达两机最接近点的时间，统计各系统的虚警，漏警情况，分析数据融合给组合监视系统带来的收益。
仿真条件：飞行过程经历3000s，采样周期T＝1s，本机初始位置：东经98度，北纬29度，高度4502米；入侵机初始位置东经106度，北纬29度，高度300米，TCAS观测噪声标准差20，ADS-B观测噪声标准差10。两机在空间中的航迹如图5所示。这里的航迹是飞机从300m逐渐往上爬升，然后定高巡航，因为XY坐标分别以经度、纬度的度为单位，高度4000m相对于XY轴变化量很小，所以其实上升段为一条斜线。
变分贝叶斯噪声估计：TCAS的观测噪声标准偏差为50m/s，ADS-B的观测噪声标准偏差随时间变化。在图6中，正弦振荡噪声的标准偏差为40m/s。本方法的每个周期的迭代次数为30。图6(a)和图6(b)是ADS-B和TCAS测量噪声的在线方差估计。
以下为进行200次实验得到的统计结果，结合图7进行分析，融合后系统的均方误差小于TCAS、ADS-B分系统的均方误差，即融合后的航迹信息优于分系统进行局部卡尔曼滤波得到的信息。
进行200次独立重复实验，统计在TA(CPA处于35-45s)、RA(CPA<35s)告警时段内各系统提前告警与滞后告警的次数。虚警统计为实际系统告警时刻提前理论告警时刻超过阈值(1s)，漏警实际系统告警滞后理论告警时刻超过阈值(1s)。结合图8和表1所示，进行定性以及定量分析，得出融合系统在交通咨询TA告警和决断咨询RA告警区间内均能减少发生虚警、漏警的次数。漏警及延迟告警压缩了系统与飞行员的规避反应时间，严重影响飞行安全性，因此更精确的告警时间提升系统安全性，带来正向收益。
表1 仿真漏警虚警统计
(2)综合显示方法实现
根据ADS-B地面站设备或ADS-B机载设备从1090MHz频率上接收广播数据，在ADS-B报文解码的基础上进行ADS-B与TCAS两系统的综合显示。
ADS-B报文解码是ADS-B In过程的重要组成部分，它获得飞行器的实时飞行信息。整个ADS-B报文数据解析的主要过程是ADS-B地面站或机载设备接收到ADS-B报文后经网口发送给终端，由终端进行报文解码工作。
ADS-B报文解码程序是用C++语言编写的，数据处理过程是在process_recv_data()函数内进行，包括调用解码函数进行解码、获得此报文类型并存入相应的变量中等过程，报文类型有空中位置信息报文(空中的经度、纬度和高度)、地面位置信息报文(地面目标的经度、纬度、行驶速度和行驶速度方向)、航班号信息报文(ICAO三字代码、航班类别集和航班类别)、速度信息报文(地速、地速方向和升速)、错误数据报文等。
不同ADS-B报文类型之间的数据组成顺序和数据种类不同，ADS-B报文解码程序是先对各数据进行独立解析再将各数据解析结果进行整合，最后进行数据统计和保存。
ADS-B报文解码程序对从空域中接收的飞行器信息进行记录，对于每一架飞行器当有新的ADS-B报文接收解码后，程序进行信息更新，所有数据存在excel文件中。表2是用ADS-B地面站接收的部分飞行器信息，接收地点位于北纬N31°01′31.79″东经E121°26′29.75″附近，范围约300公里。
表2 漏警虚警统计
ADS-B报文数据解码软件设计流程图如图9所示。
该报文解码软件过程主要包涵三个独立的工作模块，即报文接收、报文解码、处理与保存。ADS-B报文接收是在以192.168.1.13为源地址、端口号为7000，192.168.1.16为目的地址、端口号为5302的UDP点对点协议传输的链路上进行的。报文解析是通过图9所示的过程进行。报文处理与保存的结果如表2所示，其中包含了对异常报文的丢弃处理过程。
ADS-B与TCAS的综合显示是在报文解析的基础上实现的。由ADS-B地面站或ADS-B机载设备从空域中接收到的ADS-B报文经终端解码后，作为输入由ISS激励器发送到模拟机座舱平台中的TCAS子系统中，目的是功能性检测TCAS子系统，提高TCAS预测的精度，减少不必要的告警，使系统的有效性和安全性得以提高。实验室TCAS系统的界面如图10所示，如存在危险接近的情况，会在区域内出现告警状态。
TCAS数字样机处理输出单一或多个入侵机Nothreat、Proximate、TA和RA的情况。工作条件是综合激励器软件正常运行、综合数字样机软件正常运行、所有数据通信正常。图10(a)、图10(b)、图10(c)、图10(d)所示分别为Nothreat、Proximate、TA和RA的情况。
1.2)空域态势显示方法实现：如图11所示，该界面与设备配套，显示附近大约300公里空域的交通情况，通过点击某一飞行器，获取其经度、维度、高度、地速度、地速度方向、垂直速度和飞行器类型等细节信息，其飞行轨迹与高度轨迹信息也通过界面较为方便的读出。
二、ADS-B Out的实现
2.1)基于模拟机座舱仿真平台的ADS-B Out方法实现：为了更好的表现一些地理细节信息，用ADS-B数据作为输入，使用HTML、javascript、CSS脚本语言，编写出如图12所示的空域态势显示界面二。通过点击，修改界面选择呈现2D地图、卫星地图或两者混合地图形式的作为监视背景，显示所监视飞行器的高度位置等信息，支持实时飞行数据显示与读取已存数据的两种形式的数据输入。
该界面的开发利用了百度地图API的多种接口，支持点击控件和滑动鼠标滚轮的地图缩放、点击地图切换、显示所监视的飞行器位置信息、显示所监视的飞行器高度轨迹信息功能。它的界面实现过程主要分为四部分：创建地图、设置地图事件、向地图添加控件和向地图添加覆盖物。
与图11所示的监视界面相比，图12的空域态势界面二展示地图的细节部分更多，在2D地图、卫星地图以及两者混合地图方面进行切换，拥有更为清晰的地理特征对飞行器的运动也展现的更为直观，后续的场面监视研究在次基础上继续发展。
2.2)基于无人机平台的ADS-B Out方法实现：在无人机平台上加装ADS-B机载设备，测试ADS-B数据发送。通过机载ADS-B Out数据发送，再用ADS-B地面站接收得到图13(a)、图13(b)的无人机自带软件监视和ADS-B监视飞行轨迹。
通过比对装载在无人机平台上的ADS-B机载设备发射的ADS-B信号与无人机自带的GPS飞行轨迹监视记录仪记录的结果较为一致，该实验表明ADS-B机载发射机上的GPS模块具有一定的位置精度，能满足无人机平台的基本飞行实验与测试要求。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。

Claims (12)

1.一种基于ADS-B与TCAS数据融合的综合显示方法，其特征在于，包括：广播式自动相关监视的接收和广播式自动相关监视的发送，其中：广播式自动相关监视的接收首先通过基于变分贝叶斯-IMM算法的融合模型仿真结果分析，再在ADS-B报文解码的基础上进行ADS-B与TCAS两系统的综合显示。
2.根据权利要求1所述的方法，其特征是，所述的接收，通过ADS-B地面站设备或ADS-B机载设备从1090MHz频率上接收广播数据，通过串口或网口将数据发送给终端，由终端进行数据处理，其中ADS-B机载接收设备和地面站的接收数据源来自实验室机载发射机向空域中发送的ADS-B广播信号或空域中民航航班和通航飞机实际飞行产生的ADS-B广播信号，在终端进行必要的数据解码、数据转换等处理后，实现ADS-B明文显示、ADS-B数据在界面中实时显示和发送至设备模拟器座舱平台作为TCAS子系统的输入功能。
3.根据权利要求1所述的方法，其特征是，所述的发送，包括：模拟机平台ADS-B Out发送，并用ADS-B地面站或ADS-B机载设备接收验证；无人机平台ADS-B Out发送，用ADS-B地面站或ADS-B机载设备接收监视无人机的实际飞行信息，其中：目标飞机的三维航迹由飞行运动模型和模拟机座舱平台产生，并由IMM模型中的IMM算法滤波，将有色噪声转化，在自适应的采样间隔下，并采用变分贝叶斯方法估计时变噪声。
4.根据权利要求1所述的方法，其特征是，所述的仿真结果分析是指：由飞行器空间运动模型生成航迹，基于当前统计模型对ADS-B和TCAS系统的经度、纬度、高度三维信息进行局部卡尔曼滤波，并分析TCAS系统，ADS-B系统以及融合后系统的数据精度，结合空中交通防撞系统的核心处理模型，计算到达两机最接近点的时间，统计各系统的虚警、漏警情况，分析数据融合给组合监视系统带来的收益。
5.根据权利要求1所述的方法，其特征是，所述的ADS-B报文解码是指：将从ADS-B地面接收站或ADS-B机载接收设备的接收报文解码后，得到ADS-B信息，它们包括飞行器经度、纬度、高度、地速度、地速度方向和垂直速度等信息；ADS-B数据显示界面开发是把获取的ADS-B信息通过坐标转换，从而在开发的界面上显示，并标注该飞行器的信息，包括经度、纬度、高度等。
6.根据权利要求1所述的方法，其特征是，所述的IMM模型为马尔科夫跳跃线性系统，具体为：其中：Z(k)＝HjX(k)+vj(k)，ω(k+1)＝cω(k)+ξ(k)，vj(k+1)＝djvj(k)+ηj(k)，M是奇异方阵，即det(M)＝0；系统是正则的，即 不恒为0；系统状态向量是一个n维的向量，观测过程Z(k)是一个m维的向量；ξ(k)是一个零均值的高斯白噪声，ηj(k)是一个独立的零均值高斯测量噪声；
利用增广状态法将有色噪声化为马尔科夫跳跃线性系统的系统状态的一部分，原马尔科夫跳跃线性系统的状态分量扩充得到：其中：将有色噪声ω(k)转化为白噪声ξ(k)，则存在正交阵P和Q使得其中L1是一个下三角矩阵， 有色噪声vj(k)转化为白噪声γj(k)。
7.根据权利要求3所述的方法，其特征是，所述的估计时变噪声是指：采用变分贝叶斯算法估计未知的测量噪声，包括加速度估计先验状态协方差估计，具体为： 其中：是加速度估计，是先验状态协方差；噪声协方差是IMM模型的输入。
8.根据权利要求3所述的方法，其特征是，所述的IMM模型滤波，通过计算混合概率后，采用线性方程估计系统状态，再用变分贝叶斯算法来获得测量噪声的方差，通过运行不同的滤波器来获得状态估计和协方差矩阵，其中：混合概率 其中：是归一化因子。
9.根据权利要求3所述的方法，其特征是，所述的融合，根据矩阵加权线性最小方差准则进行，通过两个传感器(ADS-B和TCAS)融合的过程具体为：[A1，...，AL]＝[A1，A2]＝[ATCAS，AADs-B]＝(eTP-1e)-1eTP-1， 其中：L个传感器的无偏估计是估计偏差协方差矩阵是Pij，i＝1，...，L，Ai是一个n阶方阵，矩阵P的元素i，j＝1，2；又有e＝[In，...，In]，In是一个n阶单位矩阵；和通过变采样周期的变分贝叶斯-IMM算法、固定采样周期的变分贝叶斯-IMM算法以及CS模型中获得。
10.根据权利要求1所述的方法，其特征是，进一步包括空域态势显示，具体为：ADS-B机载接收设备和地面站的接收数据源来自实验室机载发射机向空域中发送的ADS-B广播信号或空域中民航航班和通航飞机实际飞行产生的ADS-B广播信号，在终端进行必要的数据解码、数据转换等处理后，实现ADS-B明文显示、ADS-B数据在界面中实时显示和发送至设备模拟器座舱平台作为TCAS子系统的输入功能。
11.根据权利要求1所述的方法，其特征是，所述的广播式自动相关监视的发送，包括：基于模拟机座舱仿真平台和基于无人机平台的广播式自动相关监视的发送，其中：
基于模拟机座舱仿真平台的ADS-B Out数据发送具体通过从模拟机座舱平台获取仿真飞行信息，经过ISS激励器将飞行器的经度、维度、高度、地速度、地速度方向和垂直速度等信息通过网口传输给终端，在终端进行数据处理和转换之后按协议发送给ADS-B机载设备，由机载设备编码发送到空中，所述的ADS-B地面站或ADS-B机载设备接收ADS-B数据，解码后得到所需飞行器信息；
基于无人机平台的广播式自动相关监视的发送具体通过ADS-B机载设备装载到无人机平台上，通过机载设备上的GPS与北斗模块获取当前的飞行信息，包括经度、维度、高度、地速度、地速度方向和垂直速度等；所述的ADS-B地面站或ADS-B机载设备接收ADS-B信号，解码后得到所需飞行器信息；对无人机飞行轨迹进行显示，并与无人机本身自带的定位装置产生的飞行轨迹相比较。
12.一种实现上述任一权利要求方法的系统，其特征在于，包括：ADS-B In系统模块和ADS-B Out系统模块，其中：ADS-B In系统模块通过ADS-B地面站或机载设备接收外部数据源信息，即空域中实际飞行的民航飞机和实验室机载发射机信号，经对其解码后得到ADS-B与TCAS综合显示以及空域态势显示数据；由模拟机平台子模块和无人机平台子模块构成的ADS-B Out系统模块分别与实验室ADS-B地面站或机载发射机相连并获取所述数据。
CN201711430677.9A 2017-12-26 2017-12-26 基于ads-b与tcas数据融合的综合显示方法 Pending CN108153980A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711430677.9A CN108153980A (zh) 2017-12-26 2017-12-26 基于ads-b与tcas数据融合的综合显示方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711430677.9A CN108153980A (zh) 2017-12-26 2017-12-26 基于ads-b与tcas数据融合的综合显示方法

Publications (1)

Publication Number Publication Date
CN108153980A true CN108153980A (zh) 2018-06-12

Family

ID=62462797

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711430677.9A Pending CN108153980A (zh) 2017-12-26 2017-12-26 基于ads-b与tcas数据融合的综合显示方法

Country Status (1)

Country Link
CN (1) CN108153980A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109194382A (zh) * 2018-09-12 2019-01-11 北京航空航天大学东营研究院 一种无人机飞行校验数据链数据融合方法及系统
CN111538348A (zh) * 2020-04-10 2020-08-14 上海交通大学 商用飞机远程驾驶系统及空地协同驾驶决策系统
CN111667724A (zh) * 2020-06-02 2020-09-15 四川九洲空管科技有限责任公司 一种tcas与航空器监视应用系统的集成方法
CN111816005A (zh) * 2019-04-11 2020-10-23 上海交通大学 基于ads-b的远程驾驶飞机环境监视优化方法
CN111968413A (zh) * 2020-08-26 2020-11-20 成都民航空管科技发展有限公司 区域管制中心与终端区atc系统的飞行计划同步方法
CN113449248A (zh) * 2020-03-26 2021-09-28 太原理工大学 集成sins/gnss系统数据融合方法和装置
CN116824925A (zh) * 2023-08-31 2023-09-29 四川九洲空管科技有限责任公司 一种基于混合监视提高tcas目标航迹质量的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030200065A1 (en) * 2001-04-20 2003-10-23 Li Luo Wen Maneuvering target tracking method via modifying the interacting multiple model (IMM) and the interacting acceleration compensation (IAC) algorithms
CN104579413A (zh) * 2015-01-06 2015-04-29 中电科航空电子有限公司 一种tcas、s模式应答机和ads-b综合射频系统
CN107067019A (zh) * 2016-12-16 2017-08-18 上海交通大学 基于变分贝叶斯估计下的ads‑b与tcas数据融合方法
EP3208711A1 (en) * 2016-02-19 2017-08-23 The Boeing Company Modeling connections between software signal paths and hardware signal paths using routes

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030200065A1 (en) * 2001-04-20 2003-10-23 Li Luo Wen Maneuvering target tracking method via modifying the interacting multiple model (IMM) and the interacting acceleration compensation (IAC) algorithms
CN104579413A (zh) * 2015-01-06 2015-04-29 中电科航空电子有限公司 一种tcas、s模式应答机和ads-b综合射频系统
EP3208711A1 (en) * 2016-02-19 2017-08-23 The Boeing Company Modeling connections between software signal paths and hardware signal paths using routes
CN107067019A (zh) * 2016-12-16 2017-08-18 上海交通大学 基于变分贝叶斯估计下的ads‑b与tcas数据融合方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
QUANHUI W 等: "A VB-IMM filter for ADS-B data", 《INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING》 *
ZHOU YUN DAI 等: "An Adaptive Sampling VB-IMM Based on ADS-B for TCAS Data Fusion with Benefit Analysis", 《JOURNAL OF AERONAUTICS,ASTRONAUTICS AND AVIATION》 *
刘萍: "基于ADS-B IN的报文信息处理研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
戴周云 等: "ADS-B与TCAS数据融合仿真与收益分析", 《第35届中国控制会议论文集（F）》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109194382A (zh) * 2018-09-12 2019-01-11 北京航空航天大学东营研究院 一种无人机飞行校验数据链数据融合方法及系统
CN111816005A (zh) * 2019-04-11 2020-10-23 上海交通大学 基于ads-b的远程驾驶飞机环境监视优化方法
CN113449248A (zh) * 2020-03-26 2021-09-28 太原理工大学 集成sins/gnss系统数据融合方法和装置
CN113449248B (zh) * 2020-03-26 2022-04-12 太原理工大学 集成sins/gnss系统数据融合方法和装置
CN111538348A (zh) * 2020-04-10 2020-08-14 上海交通大学 商用飞机远程驾驶系统及空地协同驾驶决策系统
CN111538348B (zh) * 2020-04-10 2022-06-03 上海交通大学 商用飞机远程驾驶系统及空地协同驾驶决策系统
CN111667724A (zh) * 2020-06-02 2020-09-15 四川九洲空管科技有限责任公司 一种tcas与航空器监视应用系统的集成方法
CN111968413A (zh) * 2020-08-26 2020-11-20 成都民航空管科技发展有限公司 区域管制中心与终端区atc系统的飞行计划同步方法
CN111968413B (zh) * 2020-08-26 2021-09-24 成都民航空管科技发展有限公司 区域管制中心与终端区atc系统的飞行计划同步方法
CN116824925A (zh) * 2023-08-31 2023-09-29 四川九洲空管科技有限责任公司 一种基于混合监视提高tcas目标航迹质量的方法
CN116824925B (zh) * 2023-08-31 2023-11-03 四川九洲空管科技有限责任公司 一种基于混合监视提高tcas目标航迹质量的方法

Similar Documents

Publication Publication Date Title
CN108153980A (zh) 基于ads-b与tcas数据融合的综合显示方法
Alvarez et al. ACAS sXu: Robust decentralized detect and avoid for small unmanned aircraft systems
US20130229298A1 (en) Threaded Track Method, System, and Computer Program Product
US20060224318A1 (en) Trajectory prediction
US8509966B2 (en) Method of estimating atmospheric data at any point of a path of an aircraft
EP3288006A1 (en) Community noise management with aircraft dynamic path variation
CN104849702B (zh) 利用ads‑b数据的gm‑ephd滤波雷达系统误差联合估计方法
CA2414467A1 (en) Method for determining conflicting paths between mobile airborne vehicles and associated system and computer software program product
CN110992733A (zh) 一种航班偏离正常航迹行为在线检测方法及装置
Sun Open aircraft performance modeling: based on an analysis of aircraft surveillance data
Sahawneh et al. Detect and avoid for small unmanned aircraft systems using ADS-B
Shi et al. Road-map aided GM-PHD filter for multivehicle tracking with automotive radar
CN109269527B (zh) 基于机载dar数据的仪表着陆系统空间信号质量分析方法及系统
Kochenderfer et al. A comprehensive aircraft encounter model of the national airspace system
Chen et al. Hybrid N-inception-LSTM-based aircraft coordinate prediction method for secure air traffic
Zeitlin et al. Collision avoidance for unmanned aircraft: Proving the safety case
Dasanayaka et al. Analysis of vehicle location prediction errors for safety applications in cooperative-intelligent transportation systems
Sherman et al. Collision avoidance system for fixed-wing UAVs using ping-2020 ADS-B transreceivers
CN115775473B (zh) 一种ads-b航空监视系统中的航空器定位系统
CN111816005A (zh) 基于ads-b的远程驾驶飞机环境监视优化方法
Liu et al. ADS-B based wind speed vector inversion algorithm
Ostroumov et al. Automatic Dependent Surveillance-Broadcast Trajectory Data Processing
CN113138399A (zh) 一种基于机器学习的无人机航迹跟踪识别方法
Lowe Predicting pilot intent and aircraft trajectory in uncontrolled airspace
CN111768653A (zh) 一种ads-b测试数据模拟的方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180612

RJ01 Rejection of invention patent application after publication