CN113553983B - 一种星载ads-b与遥感图像结合的异常目标监测方法 - Google Patents
一种星载ads-b与遥感图像结合的异常目标监测方法 Download PDFInfo
- Publication number
- CN113553983B CN113553983B CN202110875216.2A CN202110875216A CN113553983B CN 113553983 B CN113553983 B CN 113553983B CN 202110875216 A CN202110875216 A CN 202110875216A CN 113553983 B CN113553983 B CN 113553983B
- Authority
- CN
- China
- Prior art keywords
- abnormal
- ads
- airplane
- information
- satellite
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开了一种星载ADS‑B与遥感图像结合的异常目标监测方法。首先接收ADS‑B报文信息,并获得ADS‑B信号的来向信息,将信息实时传输至地面航空数据中心。地面航空数据中心根据卫星传回的信息结合外部接入的空管数据判断卫星侦收数据的异常症候。通过高分辨遥感相机对目标地点附近进行扫射拍照,得到中等范围的高分辨率遥感图像,通过人工智能算法进行飞机搜索和飞机机型识别。最后根据遥感图像观测情况和异常症候,综合判断异常具体情况,并根据不同的情况将问题上报至不同责任部门。本发明解决了高分辨率遥感监视搜索计算量大速度慢的缺点,能在ADS‑B信号中断或者发生欺骗信号的情况下,排除异常欺骗信息的干扰,大大提高了星基异常目标识别的效率和准确率。
Description
技术领域
本发明涉及一种星载ADS-B与遥感图像结合的异常目标监测方法,主要用于利用低轨卫星对大范围内的异常航空目标进行快速检索与定位识别。
背景技术
ADS-B(Automatic Dependent Surveillance-Broadcast)又称广播式自动相关监视,是一种广泛应用于空管交通系统中的监视技术,目前已经在世界范围内的民航监视领域,获得了大规模的应用。ADS-B系统通过特定的无线数据链向外不断广播监视区域内飞机的位置信息(经纬度和高度)、身份和类别信息以及工作状态等信息,同样装载ADS-B设备的飞机和地面控制站通过接收这些广播信号,解算出当前飞机的飞行状态和位置信息,这样飞机之间便实现了信息互通,避免飞机间的冲突和碰撞,同时也实现了地面空管中心对飞机实时状态的跟踪和监视。但是由于ADS-B信号格式是公开的,任何组织或个人都可以依据标准研制自己的设备发射ADS-B信号,导致ADS-B信号干扰,欺骗事件时有发生。现有的ADS-B异常识别方法都局限于信号信息识别,识别结果准确度较差,误警率较高。
随着遥感技术的进步,卫星的分辨率的不断提升,同时星地链路的传输速度也有了大幅度的提升,基于遥感图像的目标识别技术逐渐具备应用基础。飞机目标识别由于其在军事领域和民用领域的重大意义,成为其中研究的重点。传统的高分辨率遥感影像飞机目标识别模型一般使用特征识别算法或者是人工智能算法,但是都不能解决计算量大且效率低的问题,无法实现大规模空域的异常目标识别。
发明内容
本发明所要解决的技术问题在于提供一种星载ADS-B与遥感图像结合的异常目标监测方法。主要是通过星载ADS-B载荷接收的飞机广播的ADS-B信息,将ADS-B数据传输至地面数据中心的处理判断出异常症候,再利用遥感相机拍摄异常地点的图像,根据人工智能算法识别出异常飞机型号与飞行状态,再将预警信息与图像发送至空管系统或者相关情报部门。
本发明采用的技术方案为:
一种星载ADS-B与遥感图像结合的异常目标监测方法,包括以下步骤:
(1)通过星载ADS-B多波束天线侦收地面飞机广播的ADS-B报文信息,同时依靠天线阵获得ADS-B信号的来向信息;
(2)通过星地数据传输链路将ADS-B报文信息、信号来向和卫星轨道参数传输至地面航空数据中心;
(3)地面航空数据中心根据卫星传回的ADS-B报文信息、信号来向和卫星轨道信息,同时结合外部接入的空管数据判断ADS-B报文信息是否有异常;其中,空管数据包括航班机型、机场运行情况、气象和航班实时计划;
(4)地面航空数据中心将ADS-B报文信息中可信数据通过航空数据服务发给用户使用,对异常数据,判断异常数据来源坐标,生成对异常目标点的观测任务并通过卫星运控中心上注至卫星;
(5)通过星载高分辨遥感相机对异常目标地点进行扫射拍照,得到中等范围的高分辨率遥感图像;
(6)在中等范围的高分辨率遥感图像内,通过人工智能算法进行飞机目标识别,将包含飞机的小范围图像实时传输至地面航空数据中心;
(7)地面航空数据中心通过机型数据库识别飞机机型,根据空管实时数据剔除正常运行的飞机,并根据有无异常飞机和异常飞机的类型,判断异常具体情况。
其中,步骤(3)具体步骤包括以下:
(301)地面航空数据中心判断ADS-B报文信息能否通过RTCA-DO260标准中DF17和DF18规定的格式解析报文信息,如果成功解出报文则得到飞机的经纬度、高度、飞行方向、速度和ICAO地址,如果解析不成功则判定为异常数据;
(302)判断航班定位与信号来向是否一致:根据飞机的经纬度、高度信息和卫星的轨道信息获得飞机相对于卫星的方向角,判断与卫星下传的信号来向信息是否在一定的容差范围之内,如果超出容差范围则判定为异常数据;
(303)判断航班号与ICAO地址是否一致:判断航班计划数据中的航班执飞飞机与报文ICAO地址所对应的飞机是否一致,如果不一致则判定为异常数据;
(304)速度异常情况分析:判断ADS-B报文直接解析出的飞机速度是否超出飞机正常航行速度,同时判断飞机航迹解析出的速度与ADS-B报文中直接解析出的飞机速度的差异,超过阈值则判定为异常数据;
(305)偏航和信号中断情况分析:根据航班计划得出飞机的预定航线,并和ADS-B报文信息中定位得到的飞行轨迹进行对比,如果偏差超过阈值则判断为发生了偏航,如果轨迹突然中断,且设定时间内没有恢复则判断为信号中断,如果偏航或信号中断则判定为异常数据。
其中,步骤(4)所述的判断异常数据来源坐标,判断的方法有两类,一类是不能直接解析或者是航班定位与信号来向不一致时,异常数据来源坐标为信号来向坐标;一类是其他信息异常时,异常数据来源坐标为ADS-B报文解析出的飞机定位坐标。
其中,步骤(7)所述的根据空管实时数据剔除正常运行的飞机,具体为:从空管数据中获取正常飞行飞机的坐标、机型和飞行方向信息,与小范围遥感图像中的飞机进行比对,剔除正常运行的飞机,余下的飞机则判定为异常飞机,将包含异常飞机的图像交给专业人员进行进一步判断。
其中,步骤(7)所述的根据有无异常飞机和异常飞机的类型,判断异常具体情况,具体包括以下步骤:
(701)在ADS-B报文信息不能直接按照RTCA-DO260标准解析的情况下,如果图像数据判定结果分析为该区域无飞机,则可能是有地面干扰源,将干扰源位置上报,排除干扰;如果异常数据来源区域有民航飞机,则可能是ADS-B信号传输失真或者是信号解析出错;如果发现非民用飞机,则收到的是非民用飞机的ADS-B信号或敌我识别信号,将相应的情报上报;
(702)在航班定位与信号来向不一致的情况下,如果图像数据判定结果分析为异常数据来源区域无飞机,则可能是有地面干扰源,将干扰源位置上报,排除干扰;如果异常数据来源区域有民航飞机,则可能是航班定位错误或者飞机ADS-B设备故障,将相关信息上报进行核查;如果发现非民用飞机,则可能收到的是非民用飞机的伪装欺骗信号,将相应的情报上报;
(703)在航班号与ICAO地址不一致时,如果图像数据判定结果分析为异常数据来源区域有民航飞机,则可能是航班定位错误或者飞机ADS-B设备故障,将相关信息上报进行核查;如果发现非民用飞机,则收到的是非民用飞机的伪装欺骗信号,将相应的情报上报;
(704)在速度异常情况下,如果图像数据判定结果分析为异常数据来源区域有民航飞机,则可能是航班定位错误或者飞机ADS-B设备故障,将相关信息上报进行核查;如果发现非民用飞机,则收到的是非民用飞机的伪装欺骗信号,将相应的情报上报;
(705)在飞机出现偏航和信号中断情况,如果图像数据判定结果分析为异常数据来源区域无飞机,则可能是ADS-B数据解析错误、干扰信号或者飞机失事,将信息上报进行核实,出现险情及时救援;如果异常数据来源区域有民航飞机,则可能是飞机ADS-B设备故障或者飞机有紧急特殊情况,将信息上报进行核实,出现险情及时救援;如果发现非民用飞机,则收到的是非民用飞机的伪装欺骗信号,将相应的情报上报。
本发明与目前相关技术相比的优势为:
(1)本发明利用星基ADS-B广域接收的特点,对异常目标情况进行初筛得到异常飞机目标候选区域,解决了高分辨率遥感监视区域太大和广域搜索计算量大速度慢的缺点;大大降低了遥感图像需要监视的范围和搜索异常目标的效率;同时大量图片无需下传至地面数据中心再进行处理,大大节省了星地链路的传输带宽。
(2)本发明遥感图像可以相对准确的识别出飞机的实际位置与飞机型号信息,能在ADS-B信号中断或者发生欺骗信号的情况下,排除异常欺骗信息的干扰,准确判断异常情况的具体类型。
(3)本发明星载ADS-B与遥感图像结合,大大提高了星基异常目标识别的效率和准确率。
附图说明
图1是本发明实施例星载ADS-B与遥感图像结合的异常目标监测方法流程图。
图2是本发明实施例异常目标类型判别方法流程与处置方法图。
具体实施方式
以下结合附图对本发明做进一步的说明。
本发明首先通过星载ADS-B载荷接收ADS-B报文信息,依靠天线阵获得ADS-B信号的来向信息,通过星间链路转发或者星地数据直接将监测到的信息实时传输至地面航空数据中心。地面航空数据中心根据卫星传回的监视信息结合外部接入的空管数据判断卫星侦收数据的异常症候。通过高分辨遥感相机对目标地点附近进行扫射拍照,得到中等范围的高分辨率遥感图像,通过人工智能算法进行飞机搜索和飞机机型识别。最后根据遥感图像观测情况和异常症候,综合判断异常具体情况,并根据不同的情况将问题上报至不同责任部门。
图1为该方法的流程图,根据图1对该方法进行详细说明。
一种星载ADS-B与遥感图像结合的异常目标监测方法,包括以下步骤:
(1)通过星载ADS-B多波束天线侦收地面飞机广播的ADS-B报文信息,同时依靠天线阵获得ADS-B信号的来向信息;
(2)通过星间链路转发或者星地数据直接将ADS-B报文信息、信号来向和卫星轨道参数传输至地面航空数据中心;
(3)地面航空数据中心根据卫星传回的ADS-B报文信息、信号来向和卫星轨道信息,同时结合外部接入的空管数据判断ADS-B报文信息是否有异常;其中,空管数据包括航班机型、机场运行情况、气象和航班实时计划;
如图2所示,具体包括以下步骤:
(301)地面航空数据中心判断ADS-B报文信息能否通过RTCA-DO260标准中DF17和DF18规定的格式解析报文信息,如果成功解出报文则得到飞机的经纬度、高度、飞行方向、速度和ICAO地址,如果解析不成功则判定为异常数据;
(302)判断航班定位与信号来向是否一致:根据飞机的经纬度、高度信息和卫星的轨道信息获得飞机相对于卫星的方向角,判断与卫星下传的信号来向信息是否在一定的容差范围之内,如果超出容差范围则判定为异常数据;
具体计算方式如下:
a、通过飞机的经纬度和高度(L,B,h)信息可以知道飞机在WGS-84坐标系中的坐标Pa=(Xa,Ya,Za)。
其中:
长半轴a=6378137m,扁率f=1/298.257223563。
b、通过卫星的轨道参数信息可以知道卫星在WGS-84坐标系下的坐标Ps=(Xs,Ys,Zs),所以卫星指向航班的单位矢量为:
卫星的ADS-B多波束天线指向地心,卫星运动方向的单位矢量为rl天线的轴指向地面的单位向量为:
c、以指向地心的方向为的正z方向,卫星运行方向为y轴,以右手坐标系为x轴建立天线坐标系,天线坐标系中信号来向可以用的单位矢量hs表示,指向z轴的单位矢量hz=(0,0,1)假定信号测向精度误差为1°,飞机定位误差带来的测向精度误差为1°。
d、如果飞机相对于卫星的方向角与信号来向角的误差:
Δ≈arcsin||(ra-rs)-(hs-hz)||≤2°
则认为飞机相对于卫星的方向角与信号来向在允许的容差范围之内。
(303)判断航班号与ICAO地址是否一致:判断航班计划数据中的航班执飞飞机与报文ICAO地址所对应的飞机是否一致,如果不一致则判定为异常数据;
(304)速度异常情况分析:正常的航班在起飞、巡航、降落等情况下一般都是在一定速度范围之内,巡航阶段速度一般在800~1000公里每小时,起飞降落阶段一般在250~300公里每小时。判断ADS-B报文直接解析出的飞机速度是否超出飞机正常航行速度,同时判断飞机航迹解析出的速度与ADS-B报文中直接解析出的飞机速度的差异,超过阈值则判定为异常数据;
(305)偏航和信号中断情况分析:根据航班计划得出飞机的预定航线,并和ADS-B报文信息中定位得到的飞行轨迹进行对比,如果偏差超过阈值则判断为发生了偏航,如果轨迹突然中断,且设定时间内没有恢复则判断为信号中断,如果偏航或信号中断则判定为异常数据。
(4)地面航空数据中心将ADS-B报文信息中可信数据通过航空数据服务发给用户使用,对异常数据,判断异常数据来源坐标,生成对异常目标点的观测任务并通过卫星运控中心上注至卫星;
所述的判断异常数据来源坐标,判断的方法有两类,一类是不能直接解析或者是航班定位与信号来向不一致时,异常数据来源坐标为信号来向坐标;一类是其他信息异常时,异常数据来源坐标为ADS-B报文解析出的飞机定位坐标。
(5)通过星载高分辨遥感相机对异常目标地点进行扫射拍照,得到中等范围的高分辨率遥感图像;
(6)在中等范围的高分辨率遥感图像内,通过人工智能算法进行飞机目标识别,将包含飞机的小范围图像实时传输至地面航空数据中心;
传统的人工智能飞机搜索算法,需要对图片全局进行相关卷积搜索,计算量较大;现在根据已有信息,对目标理论位置进行预测,缩小搜索范围并赋对更肯能的区域赋予更大的搜索权重,大大加快了搜索效率。具体步骤如下:
a、收集不同类型的飞机图片,并对图片中的飞机进行特征提取,为了适应遥感飞机目标识别的实际应用环境,对视角变化、噪声干扰、云层遮挡等影响等情况做适配,对图像进行了缩放、旋转、变换、遮挡等处理,作为训练样本。
b、建立卷积神经网络,随机防止飞机的位置,飞机位置的随机分布满足N(0,0,10,10,0)的正态分布,单位千米,在地面利用大型计算机针对样本进行不断训练,得到训练参数集μ。
c、卫星利用训练出的训练参数集μ,卫星对高清遥感图像实现快速的飞机识别。
(7)地面航空数据中心通过机型数据库识别飞机机型,根据空管实时数据剔除正常运行的飞机,并根据有无异常飞机和异常飞机的类型,判断异常具体情况。
所述的根据空管实时数据剔除正常运行的飞机,具体为:从空管数据中获取正常飞行飞机的坐标、机型和飞行方向信息,与小范围遥感图像中的飞机进行比对,剔除正常运行的飞机,余下的飞机则判定为异常飞机,将包含异常飞机的图像交给专业人员进行进一步判断。
所述的根据有无异常飞机和异常飞机的类型,判断异常具体情况,如图2所示,具体包括以下步骤:
(701)在ADS-B报文信息不能直接按照RTCA-DO260标准解析的情况下,如果图像数据判定结果分析为该区域无飞机,则可能是有地面干扰源,将干扰源位置上报,排除干扰;如果异常数据来源区域有民航飞机,则可能是ADS-B信号传输失真或者是信号解析出错;如果发现非民用飞机,则收到的是非民用飞机的ADS-B信号或敌我识别信号,将相应的情报上报;
(702)在航班定位与信号来向不一致的情况下,如果图像数据判定结果分析为异常数据来源区域无飞机,则可能是有地面干扰源,将干扰源位置上报,排除干扰;如果异常数据来源区域有民航飞机,则可能是航班定位错误或者飞机ADS-B设备故障,将相关信息上报进行核查;如果发现非民用飞机,则可能收到的是非民用飞机的伪装欺骗信号,将相应的情报上报;
(703)在航班号与ICAO地址不一致时,如果图像数据判定结果分析为异常数据来源区域有民航飞机,则可能是航班定位错误或者飞机ADS-B设备故障,将相关信息上报进行核查;如果发现非民用飞机,则收到的是非民用飞机的伪装欺骗信号,将相应的情报上报;
(704)在速度异常情况下,如果图像数据判定结果分析为异常数据来源区域有民航飞机,则可能是航班定位错误或者飞机ADS-B设备故障,将相关信息上报进行核查;如果发现非民用飞机,则收到的是非民用飞机的伪装欺骗信号,将相应的情报上报;
(705)在飞机出现偏航和信号中断情况,如果图像数据判定结果分析为异常数据来源区域无飞机,则可能是ADS-B数据解析错误、干扰信号或者飞机失事,将信息上报进行核实,出现险情及时救援;如果异常数据来源区域有民航飞机,则可能是飞机ADS-B设备故障或者飞机有紧急特殊情况,将信息上报进行核实,出现险情及时救援;如果发现非民用飞机,则收到的是非民用飞机的伪装欺骗信号,将相应的情报上报。
完成星载ADS-B与遥感图像结合的异常目标监测。
Claims (5)
1.一种星载ADS-B与遥感图像结合的异常目标监测方法,其特征在于,包括以下步骤:
(1)通过星载ADS-B多波束天线侦收地面飞机广播的ADS-B报文信息,同时依靠天线阵获得ADS-B信号的来向信息;
(2)通过星地数据传输链路将ADS-B报文信息、信号来向和卫星轨道参数传输至地面航空数据中心;
(3)地面航空数据中心根据卫星传回的ADS-B报文信息、信号来向和卫星轨道信息,同时结合外部接入的空管数据判断ADS-B报文信息是否有异常;其中,空管数据包括航班机型、机场运行情况、气象和航班实时计划;
(4)地面航空数据中心将ADS-B报文信息中可信数据通过航空数据服务发给用户使用,对异常数据,判断异常数据来源坐标,生成对异常目标点的观测任务并通过卫星运控中心上注至卫星;
(5)通过星载高分辨遥感相机对异常目标地点进行扫射拍照,得到中等范围的高分辨率遥感图像;
(6)在中等范围的高分辨率遥感图像内,通过人工智能算法进行飞机目标识别,将包含飞机的小范围图像实时传输至地面航空数据中心;
(7)地面航空数据中心通过机型数据库识别飞机机型,根据空管实时数据剔除正常运行的飞机,并根据有无异常飞机和异常飞机的类型,判断异常具体情况。
2.根据权利要求1所述的一种星载ADS-B与遥感图像结合的异常目标监测方法,其特征在于,步骤(3)具体包括以下步骤:
(301)地面航空数据中心判断ADS-B报文信息能否通过RTCA-DO260标准中DF17和DF18规定的格式解析报文信息,如果成功解出报文则得到飞机的经纬度、高度、飞行方向、速度和ICAO地址,如果解析不成功则判定为异常数据;
(302)判断航班定位与信号来向是否一致:根据飞机的经纬度、高度信息和卫星的轨道信息获得飞机相对于卫星的方向角,判断与卫星下传的信号来向信息是否在一定的容差范围之内,如果超出容差范围则判定为异常数据;
(303)判断航班号与ICAO地址是否一致:判断航班计划数据中的航班执飞飞机与报文ICAO地址所对应的飞机是否一致,如果不一致则判定为异常数据;
(304)速度异常情况分析:判断ADS-B报文直接解析出的飞机速度是否超出飞机正常航行速度,同时判断飞机航迹解析出的速度与ADS-B报文中直接解析出的飞机速度的差异,超过阈值则判定为异常数据;
(305)偏航和信号中断情况分析:根据航班计划得出飞机的预定航线,并和ADS-B报文信息中定位得到的飞行轨迹进行对比,如果偏差超过阈值则判断为发生了偏航,如果轨迹突然中断,且设定时间内没有恢复则判断为信号中断,如果偏航或信号中断则判定为异常数据。
3.根据权利要求1所述的一种星载ADS-B与遥感图像结合的异常目标监测方法,其特征在于,步骤(4)所述的判断异常数据来源坐标,判断的方法有两类,一类是不能直接解析或者是航班定位与信号来向不一致时,异常数据来源坐标为信号来向坐标;一类是其他信息异常时,异常数据来源坐标为ADS-B报文解析出的飞机定位坐标。
4.根据权利要求1所述的一种星载ADS-B与遥感图像结合的异常目标监测方法,其特征在于,步骤(7)所述的根据空管实时数据剔除正常运行的飞机,具体为:从空管数据中获取正常飞行飞机的坐标、机型和飞行方向信息,与小范围遥感图像中的飞机进行比对,剔除正常运行的飞机,余下的飞机则判定为异常飞机,将包含异常飞机的图像交给专业人员进行进一步判断。
5.根据权利要求2所述的一种星载ADS-B与遥感图像结合的异常目标监测方法,其特征在于,步骤(7)所述的根据有无异常飞机和异常飞机的类型,判断异常具体情况,具体包括以下步骤:
(701)在ADS-B报文信息不能直接按照RTCA-DO260标准解析的情况下,如果图像数据判定结果分析为区域无飞机,则可能是有地面干扰源,将干扰源位置上报,排除干扰;如果异常数据来源区域有民航飞机,则可能是ADS-B信号传输失真或者是信号解析出错;如果发现非民用飞机,则收到的是非民用飞机的ADS-B信号或敌我识别信号,将相应的情报上报;
(702)在航班定位与信号来向不一致的情况下,如果图像数据判定结果分析为异常数据来源区域无飞机,则可能是有地面干扰源,将干扰源位置上报,排除干扰;如果异常数据来源区域有民航飞机,则可能是航班定位错误或者飞机ADS-B设备故障,将相关信息上报进行核查;如果发现非民用飞机,则可能收到的是非民用飞机的伪装欺骗信号,将相应的情报上报;
(703)在航班号与ICAO地址不一致时,如果图像数据判定结果分析为异常数据来源区域有民航飞机,则可能是航班定位错误或者飞机ADS-B设备故障,将相关信息上报进行核查;如果发现非民用飞机,则收到的是非民用飞机的伪装欺骗信号,将相应的情报上报;
(704)在速度异常情况下,如果图像数据判定结果分析为异常数据来源区域有民航飞机,则可能是航班定位错误或者飞机ADS-B设备故障,将相关信息上报进行核查;如果发现非民用飞机,则收到的是非民用飞机的伪装欺骗信号,将相应的情报上报;
(705)在飞机出现偏航和信号中断情况,如果图像数据判定结果分析为异常数据来源区域无飞机,则可能是ADS-B数据解析错误、干扰信号或者飞机失事,将信息上报进行核实,出现险情及时救援;如果异常数据来源区域有民航飞机,则可能是飞机ADS-B设备故障或者飞机有紧急特殊情况,将信息上报进行核实,出现险情及时救援;如果发现非民用飞机,则收到的是非民用飞机的伪装欺骗信号,将相应的情报上报。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110875216.2A CN113553983B (zh) | 2021-07-30 | 2021-07-30 | 一种星载ads-b与遥感图像结合的异常目标监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110875216.2A CN113553983B (zh) | 2021-07-30 | 2021-07-30 | 一种星载ads-b与遥感图像结合的异常目标监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113553983A CN113553983A (zh) | 2021-10-26 |
CN113553983B true CN113553983B (zh) | 2022-09-02 |
Family
ID=78133482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110875216.2A Active CN113553983B (zh) | 2021-07-30 | 2021-07-30 | 一种星载ads-b与遥感图像结合的异常目标监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113553983B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114049796B (zh) * | 2021-11-09 | 2022-08-16 | 中国电子科技集团公司第二十八研究所 | 一种定向传输ads-b广播信号的方法 |
CN114756538A (zh) * | 2022-04-21 | 2022-07-15 | 中国民用航空飞行学院 | 一种民航训练数据处理分析系统 |
CN116886879B (zh) * | 2023-09-08 | 2023-11-03 | 北京国星创图科技有限公司 | 一种星地一体化数字孪生系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108693545A (zh) * | 2018-03-29 | 2018-10-23 | 中国人民解放军国防科技大学 | 基于星载ads-b的异常目标定位方法 |
CN111342391A (zh) * | 2020-03-06 | 2020-06-26 | 云南电网有限责任公司电力科学研究院 | 一种输电线路绝缘子和线路故障巡视方法及巡视体系 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106842350B (zh) * | 2016-12-26 | 2020-04-10 | 首都师范大学 | 同平台不同分辨率传感器联合动目标检测系统及检测方法 |
CN109448365B (zh) * | 2018-10-16 | 2020-03-06 | 北京航空航天大学 | 一种跨尺度空基平台区域道路交通系统综合监视方法 |
CN110061801B (zh) * | 2019-04-25 | 2020-11-17 | 电子科技大学 | 一种航空监视系统中的异常目标甄别系统及方法 |
CN111508281B (zh) * | 2020-04-27 | 2021-03-23 | 上海航天计算机技术研究所 | 一种星载平台对ads-b目标进行分类引导的方法 |
CN112345531B (zh) * | 2020-10-19 | 2024-04-09 | 国网安徽省电力有限公司电力科学研究院 | 一种基于仿生机器鱼的变压器故障检测方法 |
CN112435253B (zh) * | 2020-12-08 | 2023-06-27 | 深圳创维数字技术有限公司 | 墙体脱落检测方法、装置及可读存储介质 |
-
2021
- 2021-07-30 CN CN202110875216.2A patent/CN113553983B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108693545A (zh) * | 2018-03-29 | 2018-10-23 | 中国人民解放军国防科技大学 | 基于星载ads-b的异常目标定位方法 |
CN111342391A (zh) * | 2020-03-06 | 2020-06-26 | 云南电网有限责任公司电力科学研究院 | 一种输电线路绝缘子和线路故障巡视方法及巡视体系 |
Also Published As
Publication number | Publication date |
---|---|
CN113553983A (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113553983B (zh) | 一种星载ads-b与遥感图像结合的异常目标监测方法 | |
US6564149B2 (en) | Method for determining conflicting paths between mobile airborne vehicles and associated system and computer software program product | |
US10457249B2 (en) | Detecting false positioning signals based on surveillance signals | |
US9310477B1 (en) | Systems and methods for monitoring airborne objects | |
EP3336580B1 (en) | Method and ads-b base station for validating position information contained in a mode s extended squitter message (ads-b) from an aircraft | |
US7212917B2 (en) | Tracking, relay, and control information flow analysis process for information-based systems | |
JP3281015B2 (ja) | 航空機位置監視システム | |
KR100583204B1 (ko) | Tcas 디스플레이 및 수직속도계를 구비한 내부편대의 제어를 위한 시스템 | |
US9116240B2 (en) | System and method for ensuring ADS-B integrity of departing aircraft | |
CN108693545A (zh) | 基于星载ads-b的异常目标定位方法 | |
CN109727493A (zh) | 基于一体化应答机的无人机监视系统及其应答、ads-b out/in方法 | |
CN111508281B (zh) | 一种星载平台对ads-b目标进行分类引导的方法 | |
EP3438702B1 (en) | Position reporting for vehicles | |
JP7086183B2 (ja) | 空港地上車両位置データを放送型自動従属監視(ads‐b)ネットワークインフラストラクチャへ追跡、処理および統合するための方法およびシステム | |
US7551120B1 (en) | Method and a system for filtering tracks originating from several sources and intended for several clients to which they are supplied | |
US9540119B1 (en) | Remotely piloted aircraft telemetry recording using the command and control data link system and related method | |
Dobryakova et al. | The vulnerability of unmanned vehicles to terrorist attacks such as Global Navigation Satellite System spoofing | |
US11585942B2 (en) | Detection of GNSS interference using surveillance messages | |
KR102629186B1 (ko) | 무인 항공기들의 위치를 탐지하는 식별 방법 및 그 방법을 수행하는 무인 항공 탐지 장치 | |
CN208256103U (zh) | 一种基于星基ads-b的通航机场辅助管理系统 | |
RU2785810C1 (ru) | Способ наблюдения за аэродромным движением и устройство для его осуществления | |
WO2023181349A1 (ja) | 位置算出装置、位置算出方法およびプログラム記憶媒体 | |
JP2004157887A (ja) | 民間航空機の位置認識システム | |
CN115267870A (zh) | 一种反无人机目标遴选方法、存储介质及系统 | |
Johnson et al. | Requirements for GPS-Based Aircraft Carrier Precision Approach and Landing |
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 |