CN111199075A - 一种基于时序qar参数的飞行轨迹自适应平滑的方法 - Google Patents
一种基于时序qar参数的飞行轨迹自适应平滑的方法 Download PDFInfo
- Publication number
- CN111199075A CN111199075A CN201911399530.7A CN201911399530A CN111199075A CN 111199075 A CN111199075 A CN 111199075A CN 201911399530 A CN201911399530 A CN 201911399530A CN 111199075 A CN111199075 A CN 111199075A
- Authority
- CN
- China
- Prior art keywords
- flight
- stage
- smoothing
- qar
- ground
- 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
Images
Classifications
-
- 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
本发明公开了装置一种基于时序QAR参数的飞行轨迹自适应平滑的方法,所述方法具体为:S1:提取判定平滑飞机轨迹所需的QAR参数;S3:按照清洗后的所述QAR参数的取值提取飞机航段的地面阶段、第一飞行阶段和第二飞行阶段;S4:采用S‑G滤波平滑算法对地面阶段、第一飞行阶段进行平滑降噪处理;采用移动平均平滑算法对第二飞行阶段进行数据平滑处理;S5:识别并提取地面阶段中的转弯区间;S6:采用n阶贝塞尔曲线插值对转弯区间进行平滑处理。本发明提出的方法精确度高,根据不同阶段的轨迹特点采用不同的方法进行平滑处理,同时原理简单,稳定性较好,适合大量推广。
Description
技术领域
本发明涉及航空信息可视化领域,具体的,涉及一种基于时序QAR参数的飞行轨迹自适应平滑的方法。
背景技术
航段轨迹还原是较为基础也较为广泛的QAR参数用法,但经纬度参数的采集存在误差和真实高度参数方面的小幅跳变,这是由于在不同飞行阶段,不同探测器取得的高度参数准确度不同。真实高度参数实际为当前飞行阶段准确度更高的高度参数值的组合,因此在转变使用的参数时,会出现小幅度跳变。例:无线电高度50英尺以下使用无线电高度,50英尺以上使用海压修正高度。这样使得还原出的轨迹不那么真实。
发明内容
有鉴于此,本发明的目的是提供一种基于时序QAR参数的飞行轨迹自适应平滑的方法,精确度高,根据不同阶段的轨迹特点采用不同的方法进行平滑处理。
本发明的目的是通过以下技术方案实现的:
一种基于时序QAR参数的飞行轨迹自适应平滑的方法,所述方法具体为:
S1:提取判定平滑飞机轨迹所需的QAR参数,包括无线电高度、发动机转速、纵向加速度、空速、地速、垂直速度、襟翼状态、缝翼状态、起落架空地电门状态、扰流板状态、真实高度、俯仰角;
S2:对提取的QAR参数进行数据清洗;
S3:按照清洗后的所述QAR参数的取值提取飞机航段的地面阶段、第一飞行阶段和第二飞行阶段;
S4:采用S-G滤波平滑算法对地面阶段、第一飞行阶段进行平滑降噪处理;采用移动平均平滑算法对第二飞行阶段进行数据平滑处理;
S5:识别并提取地面阶段中的转弯区间;
S6:采用n阶贝塞尔曲线插值对转弯区间进行平滑处理。
进一步,所述S1具体为:
S11:对民用航空器中的QAR参数进行译码解析,得到一个CSV文件;
S12:提取平滑飞行轨迹所需要的参数数据。
进一步,所述S3具体为:
S31:按起落架空地电门状态将整个航段分为所述地面阶段和飞行阶段;
S32:根据每个轨迹点对应的空速是否超过空速阈值,将所述飞行阶段分为所述第一飞行阶段和所述第二飞行阶段;
所述第一飞行阶段对应着未超过空速阈值的阶段;所述第二飞行阶段对应着超过空速阈值的阶段;
所述空速阈值为245-255节。
进一步,对于所述地面阶段平滑降噪的处理采用二次多项式对窗口内的数据进行拟合;对于所述第一飞行阶段平滑降噪的处理采用三次多项式对窗口内的数据进行拟合。
进一步,所述S5具体为:
提取所述地面阶段的每个轨迹点的航向参数,并计算相邻轨迹点的变化速率,提取变化速率均大于变化速率阈值的时间区间。
进一步,所述S6具体为:
对于所述转弯区间,取首尾两个时间点对应的轨迹点P0、Pn为锚点,中间n-1个轨迹点(P1,P2,…,Pn-1)为控制点,即所述转弯区间的轨迹点的数量为n+1个,则令:
在[0,1]范围内等距地取k个值,其中k>>n-1;
本发明的有益效果是:
本发明基于QAR数据,将飞机的航段分为地面阶段、第一飞行阶段和第二飞行阶段,利用S-G滤波平滑算法对地面阶段和第一飞行阶段进行飞行轨迹的处理,采用移动平均平滑算法对第二飞行阶段飞行轨迹平滑处理,并识别转弯阶段数据,采用n阶贝塞尔曲线插值对其进行平滑处理,本发明提出的方法精确度高,根据不同阶段的轨迹特点采用不同的方法进行平滑处理,同时原理简单,稳定性较好,适合大量推广。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:
附图1为本发明流程图;
附图2为n阶贝塞尔曲线插值效果图。
具体实施方式
以下将参照附图,对本发明的优选实施例进行详细的描述。应当理解,优选实施例仅为了说明本发明,而不是为了限制本发明的保护范围。
本实施例提出了一种基于时序QAR参数的飞行轨迹自适应平滑的方法,如图1所示,方法具体为:
S1:提取判定平滑飞机轨迹所需的QAR参数;
S11:对民用航空器中的QAR参数进行译码解析,得到一个CSV文件;
S12:提取平滑飞行轨迹所需要的参数数据,包括无线电高度、发动机转速、纵向加速度、空速、地速、垂直速度、襟翼状态、缝翼状态、起落架空地电门状态、扰流板状态、真实高度、俯仰角。
S2:对提取的QAR参数进行数据清洗;
原始QAR数据由于译码错位或采集误差等因素,会存在部分数据字段错位或信息缺失等明显异常情况。结合异常数据所处时间点附近一段时间内,飞机状态的所有参数数据,对异常数据进行识别、删除和推断补全。
异常数据识别范围:CSV文件不完整,没有从起飞到着陆的全过程;CSV文件为出发地和目的地都相同的飞行训练数据;译码输出的CSV文件参数错位,即在参数1那一列中的某一行,显示参数2的数据;参数取值超出理论取值范围;参数取值出现不合逻辑的跳变等。
删除操作:对于上述提到的CSV文件格式异常情况,视作无效数据而弃用;对于CSV文件本身格式正确,仅是参数取值偶有异常的数据,仅删去CSV文件中的异常数据,之后结合其他参数推断补全。
推断补全的方法:对于速度、经纬度、高度等连续数值类参数,一般取前后平均值;对于襟翼状态、缝翼状态等离散的状态类参数,一般取前值或后值填充。
S3:按照清洗后的所述QAR参数的取值提取飞机航段的地面阶段、第一飞行阶段和第二飞行阶段;
S31:按起落架空地电门状态将整个航段分为地面阶段和飞行阶段;
其中飞机接地点的判断方法为:采用空地电门转换识别飞机着陆的时间点,QAR数据中的起落架状态的参数是通过空地电门传感器变化来识别起落架状态的,空地电门转换就是使用起落架状态参数。
S32:根据每个轨迹点对应的空速是否超过空速阈值,将飞行阶段分为第一飞行阶段和第二飞行阶段,空速阈值为245-255节,第一飞行阶段对应着未超过空速阈值的阶段;第二飞行阶段对应着超过空速阈值的阶段。
S4:采用S-G滤波平滑算法对地面阶段、第一飞行阶段进行平滑降噪处理;采用移动平均平滑算法对第二飞行阶段进行数据平滑处理;
S-G滤波平滑算法介绍:将一段区间的等间隔的2m+1个点记为X集合,其中中点为a,S-G滤波平滑就是利用在为Xa-m,Xa-(m-1),…,Xa,…,Xa+(m-1),Xa+m的数据的多项式拟合值来取代Xa,,然后依次移动,直到把数据遍历完。
S-G滤波平滑算法的优点在于:在去除噪声的同时可以确保原数据的形状等特征不变。由于经纬度数据存在采集误差,将原数据可视化后会看呈明显的锯齿状,由此可假定采集误差为白噪声,即随机扰动。而S-G滤波能有效去除此类白噪声数据,同时保持原数据的形状特征。
设滤波窗口的宽度为n=2m+1,各测量点为x=[-m,-(m-1),…,-1,0,1,…,m-1,m],采用k-1次多项式对窗口内的数据点进行拟合,有:
y=a0+a1x+a2x2+...+ak-1xk-1
其中:i=(-m,-m+1,···,0,1,m-1,m),于是有了n个这样的方程,构成了k元线性方程组。要使方程组有解则n应大于等于k,一般选择n>k,通过最小二乘法拟合确定拟合参数A。由此得到:
用矩阵表示为:
Y(2m+1)×1=X(2m+1)×k·AK×1+E(2m+1)×1
A的最小二乘解为:
B=X·(XT·X)-1·XT
其中B为滤波系数矩阵,由且仅由X矩阵决定,B矩阵为(2m+1)×(2m+1)阶矩阵,根据系数矩阵即可获得S-G平滑拟合方程。
对于地面阶段和第一飞行阶段,对窗口内的数据分别采用二次多项式和三次多项式进行拟合,即令S-G滤波平滑算法的K值分别为3和4。K值越大,对噪声的识别阈值越小,原始信息保留程度越高。地面阶段时,飞机速度较低,轨迹点相对密集,误差对轨迹的影响很大,需尽量减少噪声,使用二次拟合后,可视化效果更好。飞行阶段时,飞机速度较快,轨迹点相对离散,使用三次拟合也能有较好的可视化效果,同时保留了更多的原始信息。平滑窗口宽度2m+1中的m,是与空速成反比的变量。平滑窗口宽度越大,平滑效果越好。当空速较大时,每个轨迹点间距离较大,减小平滑窗口宽度也能达到较好平滑效果,同时优化了计算效率。
为了说明S-G平滑算法的效果,采用如下算例进行证明:
表1
原数据 | 处理后数据 | |
1 | -8.7 | -8.25 |
2 | -7.2 | -7.82 |
3 | -7.9 | -7.63 |
4 | -7.25 | -7.09 |
5 | -4.85 | -4.82 |
6 | -2.15 | -2.4 |
7 | -0.95 | -0.96 |
8 | -0.1 | 0.5 |
9 | 1.65 | 0.2 |
10 | -1.4 | 0.28 |
11 | 1.95 | 1.03 |
12 | 3.25 | 3.56 |
13 | 4.75 | 4.65 |
14 | 5.05 | 4.39 |
15 | 3.9 | 5.56 |
16 | 8.8 | 6.96 |
17 | 7.9 | 9.4 |
18 | 10.8 | 9.39 |
19 | 9.6 | 11.13 |
20 | 12.9 | 11.7 |
21 | 11.45 | 11.73 |
22 | 10 | 10.25 |
如表1所示,假设原数据的前20个点为地面阶段,使用S-G5点2次平滑,即窗口宽度2m+1=5,多项式次数k-1=2。解3元线性方程组计算得出,5点2次平滑的平滑系数如下表:
表2
a-2 | a-1 | a | a+1 | a+2 |
-0.08571429 | 0.34285714 | 0.48571429 | 0.34285714 | -0.08571429 |
对于第3-18个数据点,当前点a的数据使用[a-2,a+2]区间内的原数据乘上平滑系数后的和替换。以第4个点为例,平滑后数据=(-0.08571429*(-7.2))+(0.34285714*(-7.9))+(0.48571429*(-7.25))+(0.34285714*(-4.85))+(-0.08571429*(-2.15))=-7.09
对于第1,2个数据点,对平滑窗口内的缺失值,使用第一个数据点进行填充。即第一个数据点平滑窗口内的数据为:[-8.7,-8.7,-8.7,-7.2,-7.9],第二个数据点平滑窗口内的数据为:[-8.7,-8.7,-7.2,-7.9,-7.25]。
对于第19,20个数据点,虽然平滑窗口内的第21,22个数据点都处于下个阶段,但仍使用原数据作为平滑窗口内的数据,如第20个数据点的平滑窗口内的数据为[10.8,9.6,12.9,11.45,10]。
移动平均平滑算法介绍:将一段区间的等波长间隔的2m+1个点记为X集合,其中中点为a,S-G滤波平滑就是利用在为Xa-m,Xa-(m-1),…,Xa,…,Xa+(m-1),Xa+m的数据的均值来取代Xa,,然后依次移动,直到把数据遍历完(一般取m=2,同时保证平滑效果和计算效率)。
移动平均算法的前半部分移动的方法与S-G滤波算法相同,但此算法是取区间内点的平均值,S-G滤波是取多项式拟合值。对比起来,MA算法的平滑效果更好,但不像S-G算法那样能保留数据的形状特征,针对于当飞机进入稳定飞行状态后,航向,速度等几乎都不会主动改变,且轨迹点相对分散的情况,适合用MA算法进行平滑操作。
S5:识别并提取地面阶段中的转弯区间;
提取地面阶段的每个轨迹点的航向参数,并计算相邻轨迹点的变化速率,提取变化速率均大于变化速率阈值的时间区间,如果大于阈值,则认为正在转向。
S6:采用n阶贝塞尔曲线插值对转弯区间进行平滑处理,将直角折线处理为平滑的曲线。
贝塞尔曲线的凸包性很适合解决经纬度采集中存在的随机误差问题,且贝塞尔曲线会利用转弯段所有点的信息作为控制点,使得平滑后的轨迹兼具真实感和美感。
对于转弯区间,取首尾两个时间点对应的轨迹点P0、Pn为锚点,中间n-1个轨迹点(P1,P2,…,Pn-1)为控制点,即所述转弯区间的轨迹点的数量为n+1个,则令:
在[0,1]范围内等距地取k个值,其中k>>n-1;
为了说明n阶贝塞尔曲线插值的效果,采用如下算例进行证明:
原始数据有四个轨迹点(P0,P1,P2,P3)取值为((0,0),(2.236,1),(2.528,2),(0,3)),以P0,P3为锚点,P1,P2为控制点,使用3阶贝塞尔曲线进行插值。3阶贝塞尔曲线方程为:
B(t)=P0(1-t)3+3P1(1-t)2t+3P2(1-t)t2+P3t3,t∈[0,1]
如图2所示,等距的取t为[0,1]内不同值,计算插值点B(t),得新的轨迹点:((0.0,0.0),(0.2171,0.1),(0.421,0.2),(0.6116,0.3),(0.7886,0.4),(0.9519,0.5),(1.1013,0.6),(1.2366,0.7),(1.3575,0.8),(1.4639,0.9),(1.5556,1.0),(1.6323,1.1),(1.694,1.2),(1.7404,1.3),(1.7713,1.4),(1.7865,1.5),(1.7858,1.6),(1.7691,1.7),(1.7361,1.8),(1.6866,1.9),(1.6204,2.0),(1.5375,2.1),(1.4374,2.2),(1.3201,2.3),(1.1854,2.4),(1.0331,2.5),(0.8629,2.6),(0.6747,2.7),(0.4683,2.8),(0.2434,2.9),(0,3))
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种基于时序QAR参数的飞行轨迹自适应平滑的方法,其特征在于:所述方法具体为:
S1:提取判定平滑飞机轨迹所需的QAR参数,包括无线电高度、发动机转速、纵向加速度、空速、地速、垂直速度、襟翼状态、缝翼状态、起落架空地电门状态、扰流板状态、真实高度、俯仰角;
S2:对提取的QAR参数进行数据清洗;
S3:按照清洗后的所述QAR参数的取值提取飞机航段的地面阶段、第一飞行阶段和第二飞行阶段;
S4:采用S-G滤波平滑算法对地面阶段、第一飞行阶段进行平滑降噪处理;采用移动平均平滑算法对第二飞行阶段进行数据平滑处理;
S5:识别并提取地面阶段中的转弯区间;
S6:采用n阶贝塞尔曲线插值对转弯区间进行平滑处理。
2.根据权利要求1所述的基于时序QAR参数的飞行轨迹自适应平滑的方法,其特征在于:所述S1具体为:
S11:对民用航空器中的QAR参数进行译码解析,得到一个CSV文件;
S12:提取平滑飞行轨迹所需要的参数数据。
3.根据权利要求1所述的基于时序QAR参数的飞行轨迹自适应平滑的方法,其特征在于:所述S3具体为:
S31:按起落架空地电门状态将整个航段分为所述地面阶段和飞行阶段;
S32:根据每个轨迹点对应的空速是否超过空速阈值,将所述飞行阶段分为所述第一飞行阶段和所述第二飞行阶段;
所述第一飞行阶段对应着未超过空速阈值的阶段;所述第二飞行阶段对应着超过空速阈值的阶段;
所述空速阈值为245-255节。
4.根据权利要求1所述的基于时序QAR参数的飞行轨迹自适应平滑的方法,其特征在于:对于所述地面阶段平滑降噪的处理采用二次多项式对窗口内的数据进行拟合;对于所述第一飞行阶段平滑降噪的处理采用三次多项式对窗口内的数据进行拟合。
5.根据权利要求1所述的基于时序QAR参数的飞行轨迹自适应平滑的方法,其特征在于:所述S5具体为:
提取所述地面阶段的每个轨迹点的航向参数,并计算相邻轨迹点的变化速率,提取变化速率均大于变化速率阈值的时间区间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911399530.7A CN111199075B (zh) | 2019-12-30 | 2019-12-30 | 一种基于时序qar参数的飞行轨迹自适应平滑的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911399530.7A CN111199075B (zh) | 2019-12-30 | 2019-12-30 | 一种基于时序qar参数的飞行轨迹自适应平滑的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111199075A true CN111199075A (zh) | 2020-05-26 |
CN111199075B CN111199075B (zh) | 2023-04-11 |
Family
ID=70745459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911399530.7A Active CN111199075B (zh) | 2019-12-30 | 2019-12-30 | 一种基于时序qar参数的飞行轨迹自适应平滑的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111199075B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111798574A (zh) * | 2020-06-11 | 2020-10-20 | 广州恒沙数字科技有限公司 | 一种用于三维场域的转角定位方法 |
CN111951295A (zh) * | 2020-07-07 | 2020-11-17 | 中国人民解放军93114部队 | 基于多项式拟合高精度确定飞行轨迹的方法、装置和电子设备 |
CN114510533A (zh) * | 2022-01-06 | 2022-05-17 | 北京中交兴路车联网科技有限公司 | 一种事故还原方法、装置、电子设备和存储介质 |
CN114895705A (zh) * | 2022-05-07 | 2022-08-12 | 中国民航科学技术研究院 | 一种飞机在地面滑行阶段的转弯半径计算方法及装置 |
CN116453377A (zh) * | 2023-06-16 | 2023-07-18 | 商飞软件有限公司 | 一种对飞机qar数据进行飞行阶段划分的方法 |
CN117173215A (zh) * | 2023-09-04 | 2023-12-05 | 东南大学 | 一种跨摄像头的内河航船全程轨迹识别方法及系统 |
CN117315198A (zh) * | 2023-10-09 | 2023-12-29 | 中微智创(北京)软件技术有限公司 | 一种动目标轨迹拐角平缓微调的平滑优化方法和系统 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011128836A2 (en) * | 2010-04-12 | 2011-10-20 | Flight Focus Pte. Ltd. | Onboard flight planning system |
WO2015003642A1 (zh) * | 2013-07-12 | 2015-01-15 | 中国民用航空飞行校验中心 | 一种飞行程序校验及验证的系统和方法 |
CN104809877A (zh) * | 2015-05-14 | 2015-07-29 | 重庆大学 | 基于特征参数加权gefcm算法的高速公路地点交通状态估计方法 |
CN106325294A (zh) * | 2016-08-22 | 2017-01-11 | 上海交通大学 | 基于贝塞尔曲线转接的无人机轨迹平滑方法 |
CN106646518A (zh) * | 2016-11-18 | 2017-05-10 | 北京创业公社征信服务有限公司 | 基于三阶贝塞尔曲线及插值的gps轨迹数据补全方法 |
WO2017108133A1 (en) * | 2015-12-23 | 2017-06-29 | Swiss Reinsurance Company Ltd. | Automated, reactive flight-delay risk-transfer system and method thereof |
US9704406B1 (en) * | 2016-03-08 | 2017-07-11 | Rockwell Collins, Inc. | Accurate determination of intended ground track with flight management system device and method |
EP3200171A1 (en) * | 2016-01-28 | 2017-08-02 | Airbus Operations S.A.S. | Systems and methods for providing optimized taxiing path operation for an aircraft |
CN107133635A (zh) * | 2017-03-30 | 2017-09-05 | 南京航空航天大学 | 一种多源异构飞行事故航迹数据融合方法 |
CN109240327A (zh) * | 2018-09-11 | 2019-01-18 | 陕西千山航空电子有限责任公司 | 一种固定翼飞机飞行阶段识别方法 |
CN109948540A (zh) * | 2019-03-19 | 2019-06-28 | 四川函钛科技有限公司 | 基于曲线插值和采样的时序qar参数特征提取方法 |
CN109978168A (zh) * | 2019-03-19 | 2019-07-05 | 北京瑞斯克企业管理咨询有限公司 | 基于时序qar参数曲线聚类的重着陆成因自动推理方法及系统 |
CN109979037A (zh) * | 2019-03-19 | 2019-07-05 | 四川函钛科技有限公司 | Qar参数综合可视化分析方法及系统 |
CN110031834A (zh) * | 2018-01-12 | 2019-07-19 | 西安艾索信息技术有限公司 | 一种改进的多目标雷达航迹处理方法 |
CN110083058A (zh) * | 2019-03-19 | 2019-08-02 | 四川函钛科技有限公司 | 基于时序qar参数的重着陆分类方法 |
CN110362559A (zh) * | 2019-07-04 | 2019-10-22 | 南京航空航天大学 | 基于局部遍历密度聚类的ads-b航迹清洗与校准方法 |
-
2019
- 2019-12-30 CN CN201911399530.7A patent/CN111199075B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011128836A2 (en) * | 2010-04-12 | 2011-10-20 | Flight Focus Pte. Ltd. | Onboard flight planning system |
WO2015003642A1 (zh) * | 2013-07-12 | 2015-01-15 | 中国民用航空飞行校验中心 | 一种飞行程序校验及验证的系统和方法 |
CN104809877A (zh) * | 2015-05-14 | 2015-07-29 | 重庆大学 | 基于特征参数加权gefcm算法的高速公路地点交通状态估计方法 |
WO2017108133A1 (en) * | 2015-12-23 | 2017-06-29 | Swiss Reinsurance Company Ltd. | Automated, reactive flight-delay risk-transfer system and method thereof |
EP3200171A1 (en) * | 2016-01-28 | 2017-08-02 | Airbus Operations S.A.S. | Systems and methods for providing optimized taxiing path operation for an aircraft |
US9704406B1 (en) * | 2016-03-08 | 2017-07-11 | Rockwell Collins, Inc. | Accurate determination of intended ground track with flight management system device and method |
CN106325294A (zh) * | 2016-08-22 | 2017-01-11 | 上海交通大学 | 基于贝塞尔曲线转接的无人机轨迹平滑方法 |
CN106646518A (zh) * | 2016-11-18 | 2017-05-10 | 北京创业公社征信服务有限公司 | 基于三阶贝塞尔曲线及插值的gps轨迹数据补全方法 |
CN107133635A (zh) * | 2017-03-30 | 2017-09-05 | 南京航空航天大学 | 一种多源异构飞行事故航迹数据融合方法 |
CN110031834A (zh) * | 2018-01-12 | 2019-07-19 | 西安艾索信息技术有限公司 | 一种改进的多目标雷达航迹处理方法 |
CN109240327A (zh) * | 2018-09-11 | 2019-01-18 | 陕西千山航空电子有限责任公司 | 一种固定翼飞机飞行阶段识别方法 |
CN109948540A (zh) * | 2019-03-19 | 2019-06-28 | 四川函钛科技有限公司 | 基于曲线插值和采样的时序qar参数特征提取方法 |
CN109978168A (zh) * | 2019-03-19 | 2019-07-05 | 北京瑞斯克企业管理咨询有限公司 | 基于时序qar参数曲线聚类的重着陆成因自动推理方法及系统 |
CN109979037A (zh) * | 2019-03-19 | 2019-07-05 | 四川函钛科技有限公司 | Qar参数综合可视化分析方法及系统 |
CN110083058A (zh) * | 2019-03-19 | 2019-08-02 | 四川函钛科技有限公司 | 基于时序qar参数的重着陆分类方法 |
CN110362559A (zh) * | 2019-07-04 | 2019-10-22 | 南京航空航天大学 | 基于局部遍历密度聚类的ads-b航迹清洗与校准方法 |
Non-Patent Citations (2)
Title |
---|
沈笑云等: "通用航空的多目标航迹模拟", 《信号处理》 * |
洪蓓等: "升力式飞行器多阶段轨迹优化改进策略研究", 《导弹与航天运载技术》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111798574A (zh) * | 2020-06-11 | 2020-10-20 | 广州恒沙数字科技有限公司 | 一种用于三维场域的转角定位方法 |
CN111951295A (zh) * | 2020-07-07 | 2020-11-17 | 中国人民解放军93114部队 | 基于多项式拟合高精度确定飞行轨迹的方法、装置和电子设备 |
CN111951295B (zh) * | 2020-07-07 | 2024-02-27 | 中国人民解放军93114部队 | 基于多项式拟合高精度确定飞行轨迹的方法、装置和电子设备 |
CN114510533A (zh) * | 2022-01-06 | 2022-05-17 | 北京中交兴路车联网科技有限公司 | 一种事故还原方法、装置、电子设备和存储介质 |
CN114895705A (zh) * | 2022-05-07 | 2022-08-12 | 中国民航科学技术研究院 | 一种飞机在地面滑行阶段的转弯半径计算方法及装置 |
CN116453377A (zh) * | 2023-06-16 | 2023-07-18 | 商飞软件有限公司 | 一种对飞机qar数据进行飞行阶段划分的方法 |
CN116453377B (zh) * | 2023-06-16 | 2023-08-15 | 商飞软件有限公司 | 一种对飞机qar数据进行飞行阶段划分的方法 |
CN117173215A (zh) * | 2023-09-04 | 2023-12-05 | 东南大学 | 一种跨摄像头的内河航船全程轨迹识别方法及系统 |
CN117315198A (zh) * | 2023-10-09 | 2023-12-29 | 中微智创(北京)软件技术有限公司 | 一种动目标轨迹拐角平缓微调的平滑优化方法和系统 |
CN117315198B (zh) * | 2023-10-09 | 2024-04-16 | 中微智创(北京)软件技术有限公司 | 一种动目标轨迹拐角平缓微调的平滑优化方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111199075B (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111199075B (zh) | 一种基于时序qar参数的飞行轨迹自适应平滑的方法 | |
CN105222809B (zh) | 一种地磁梯度鲁棒的航磁干扰补偿系数估计的方法 | |
CA2767684C (en) | Method for selecting meteorological data for updating an aircraft trajectory | |
CN109240327B (zh) | 一种固定翼飞机飞行阶段识别方法 | |
CN104246637B (zh) | 分析飞行器记录的飞行数据以将其截取到飞行阶段的方法 | |
CN108519587B (zh) | 一种实时的空中目标运动模式识别及参数估计方法 | |
CN110362559B (zh) | 基于局部遍历密度聚类的ads-b航迹清洗与校准方法 | |
CN108801273A (zh) | 一种道路参考线的生成方法及装置 | |
CN111738945B (zh) | 一种基于矿山的点云数据预处理方法 | |
CN112711083B (zh) | 基于自适应权重特征的多源降水数据动态融合方法及系统 | |
CN103968910B (zh) | 一种提高机动车燃油量估算精度的方法 | |
CN111210668B (zh) | 一种基于时序qar参数的着陆阶段飞行轨迹偏移修正方法 | |
CN108732570B (zh) | 基于粒子滤波融合算法的灾害性对流天气的临近预报方法 | |
CN105929380B (zh) | 一种卫星激光高度计全波形激光雷达数据去噪方法 | |
CN115100247A (zh) | 一种基于ais动态信息的分步预测船舶轨迹的方法 | |
CN113379919A (zh) | 一种基于无人机rgb相机的植被冠层高度快速提取方法 | |
CN113450599A (zh) | 一种飞行动作实时识别方法 | |
CN110727968A (zh) | 一种基于强化学习的导航滤波器参数优化方法 | |
CN112083734A (zh) | 一种利用概率天气预报的集合飞行路径规划方法 | |
CN103438886B (zh) | 基于粗精姿态关系模型的自旋稳定气象卫星姿态确定方法 | |
CN108073865B (zh) | 一种基于卫星资料的飞机尾迹云识别方法 | |
Bjerknes et al. | The problem of weather prediction, considered from the viewpoints of mechanics and physics | |
CN109344678B (zh) | 基于小波阈值的mems陀螺去噪方法 | |
CN110569912A (zh) | 一种海水剖面观测数据奇异值剔除方法 | |
CN106934853A (zh) | 一种基于点云模型的汽车工件表面法向量的求取方法 |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Qi Lin Inventor after: Zheng Linjiang Inventor after: Liao Ziwen Inventor after: Liu Liu Inventor before: Qi Lin Inventor before: Liao Ziwen Inventor before: Liu Liu |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |