CN114896823B - 基于多点噪声监测的机场噪声分布预测系统及预测方法 - Google Patents
基于多点噪声监测的机场噪声分布预测系统及预测方法 Download PDFInfo
- Publication number
- CN114896823B CN114896823B CN202210778656.0A CN202210778656A CN114896823B CN 114896823 B CN114896823 B CN 114896823B CN 202210778656 A CN202210778656 A CN 202210778656A CN 114896823 B CN114896823 B CN 114896823B
- Authority
- CN
- China
- Prior art keywords
- noise
- point
- flight path
- time
- airplane
- 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/10—Noise analysis or noise optimisation
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于多点噪声监测的机场噪声分布预测系统及预测方法,该系统包含:多个噪声监测点、ADS‑B和服务器;服务器根据接收到的监测数据计算出有效航迹,计算出有效航迹的每个位置点处的飞机的声功率级,根据飞机跑道以及机场周围地理信息构建地面预测点的坐标位置,计算有效航迹每个位置点到达预测点的时间和声压级大小,绘制声压级的时间变化曲线。本发明所提供的基于多点噪声监测的机场噪声分布预测系统及预测方法,基于多个噪声监测点的噪声数据和飞机飞行轨迹信息,结合声音在空气中的传播特效,由噪声监测点的声压级和飞机位置,推算出飞机的声源声功率,并由此预测出地面各个位置受飞机影响的声压级大小。
Description
技术领域
本发明属于涉及噪声预测技术领域,具体涉及一种基于多点噪声监测的机场噪声分布预测系统及预测方法。
背景技术
基于NPD曲线的机场噪声预测模型是通过拟合NPD曲线得出预测点的理论噪声值,再根据机场周围的具体环境以及飞机飞行轨迹(地面轨迹和飞行剖面)等信息进行相应的修正,最后得出符合机场实际环境的预测值。该噪声预测模型需要大量的预测输入,不仅包括飞机性能相关信息,还需要各个阶段的飞行程序、机场环境信息、航班信息等。其中部分数据获取成本巨大或精确度不够,使机场噪声预测的成本急剧增高、预测误差变大,给预测模型的实际应用带来困难。另外,飞机实际飞行情况与航班计划规定有所区别,如飞机不可能完全按照规划的航迹飞行,在实际的飞行中会有一定的偏差,这就会导致一定的计算误差,在某些情况下会导致计算结果无效。
发明内容
本发明提出了一种基于多点噪声监测的机场噪声分布预测系统及预测方法,采用的技术方案如下:
一种基于多点噪声监测的机场噪声分布预测系统,包含:
多个噪声监测点,沿着主航道间隔分布,用于实时采集噪声数据;
ADS-B地面接收装置,用于实时采集飞机的航迹信息;
服务器,通讯连接至多个噪声监测点和ADS-B地面接收装置并接收多个噪声监测点和ADS-B地面接收装置发送过来的噪声数据和航迹信息,服务器中存储有每个噪声监测点的地理位置信息;
服务器根据接收到的监测数据计算出有效航迹;
服务器根据接收到的监测数据计算出有效航迹的每个位置点处的飞机的声功率级;
服务器根据飞机跑道以及机场周围地理信息构建地面预测点的坐标位置;
服务器以飞机航迹时间为参考,根据声音的传播特性以及有效航迹每个位置点与地面预测点之间的距离,推导有效航迹每个位置点实际到达地面预测点的时间和声压级大小,并以此绘制出有效航迹过程中每个地面预测点接收到的声压级的时间变化曲线。
进一步地,噪声监测点采集的噪声数据包含A计权声压级和1/3OCT频谱声压级;
ADS-B地面接收装置采集的航迹信息包含飞机的飞行轨迹以及每个位置时刻点t_plane。
进一步地,对于多个噪声监测点中的一个,服务器根据A计权声压级以及15dB的信噪比确认噪声监测点的飞机噪声事件的起始时刻t_noise;
计算飞机的飞行轨迹的每一个位置点与噪声监测点的距离L;
计算飞机的飞行轨迹达到噪声检测点的时间差dt;
将每个位置时刻点t_plane 加上时间差dt得到这段航迹中飞机产生的噪声传播到噪声监测点的时间t_arr;
t_arr和t_noise经过延时修正已经同步,t_noise 起始时刻点就是飞机飞行对该噪声监测点的噪声影响的起始点t_arr,将t_arr延时进行反推到t_plane对应的航迹,就是本次飞行航迹中这一个噪声监测点所确认的部分有效航迹Sn;
服务器对每个噪声监测点都进行上述计算得到多个噪声监测点所确认的多段部分有效航迹Sn,将多段部分有效航迹Sn进行综合组成飞机的有效航迹。
进一步地,服务器还将有效航迹时刻和每个预测点接收到的声压级的时间变化曲线时刻对齐,提取飞机不同的飞行时刻对地面每个预测点处的声压级影响的等高线分布。
进一步地,服务器还将整个有效航迹中地面每个预测点的声压级进行时间平均,绘制出单架次飞机飞行事件对地面的噪声影响的等高线分布图。
进一步地,所述服务器通过下述声压传播距离公式计算出有效航迹的每个位置点处的飞机的声功率级,
其中,Loct,w表示由点声源产生的倍频带声功率级,Dc表示指向性校正,Adiv表示几何发散衰减,Abar表示遮挡物的衰减,Aatm表示空气吸收引起的衰减,Agr 表示地面效应衰减,Amisc表示其他衰减。
进一步地,利用最小二程法对声压传播距离公式进行求解。
一种基于多点噪声监测的机场噪声分布预测方法,应用于前述的基于多点噪声监测的机场噪声分布预测系统,包含以下步骤:
通过多个噪声监测点实时采集噪声数据发送至服务器;
通过ADS-B地面接收装置实时采集飞机的航迹信息发送至服务器;
服务器根据接收到的监测数据计算出有效航迹;
服务器还根据接收到的监测数据计算出有效航迹每个位置点处的飞机的声功率级;
服务器再根据飞机跑道以及机场周围地理信息构建地面预测点的坐标位置;
服务器以飞机航迹时间为参考,根据声音的传播特性以及有效航迹每个位置点与地面预测点之间的距离,推导有效航迹每个位置点实际到达地面预测点的时间和声压级大小,并以此绘制出有效航迹过程中每个地面预测点接收到的声压级的时间变化曲线。
进一步地,噪声监测点采集的噪声数据包含A计权声压级和1/3OCT频谱声压级;
ADS-B地面接收装置采集的航迹信息包含飞机的飞行轨迹以及每个位置时刻点t_plane。
进一步地,服务器根据接收到的监测数据计算出有效航迹的具体方法为:
对于一个噪声监测点,服务器根据A计权声压级以及15dB的信噪比确认噪声监测点的飞机噪声事件的起始时刻t_noise;
服务器接收到的航迹信息包含飞机的飞行轨迹以及每个位置时刻点t_plane;
计算飞机的飞行轨迹的每一个点的位置与噪声监测点的距离L;
根据声速反推飞机的飞行轨迹达到噪声检测点的时间差dt;
将每个位置时刻点t_plane 加上时间差dt作为这段航迹中飞机产生的噪声传播到噪声监测点的时间t_arr;
t_arr和t_noise经过延时修正已经同步,t_noise 起始时刻点就是飞机飞行对该噪声监测点的噪声影响的起始点t_arr,将t_arr延时进行反推到t_plane对应的航迹,就是本次飞行航迹中这一个噪声监测点所确认的部分有效航迹Sn;
服务器对每个噪声监测点都进行上述计算得到多个噪声监测点所确认的多段部分有效航迹Sn,将多段部分有效航迹Sn进行综合组成飞机的有效航迹。
进一步地,服务器还将有效航迹时刻和每个预测点接收到的声压级的时间变化曲线时刻对齐,提取飞机不同的飞行时刻对地面每个预测点处的声压级影响的等高线分布。
进一步地,服务器还将整个有效航迹中地面每个预测点的声压级进行时间平均,绘制出单架次飞机飞行事件对地面的噪声影响的等高线分布图。
本发明的有益之处在于所提供的基于多点噪声监测的机场噪声分布预测系统及预测方法,基于多个噪声监测点的噪声数据和飞机飞行轨迹信息,结合声音在空气中的传播特效,由噪声监测点的声压级和飞机位置,推算出飞机的声源声功率,并由此预测出地面各个位置受飞机影响的声压级大小。
附图说明
图1是本发明的基于多点噪声监测的机场噪声分布预测方法的流程图。
具体实施方式
以下结合附图,对本发明上述的和另外的技术特征和优点进行清楚、完整地描述,对本发明做进一步详细说明。
本申请公开了一种基于多点噪声监测的机场噪声分布预测系统,其包含:多个噪声监测点、ADS-B地面接收装置以及服务器。其中,多个噪声监测点沿着主航道间隔分布,用于实时采集噪声数据。噪声监测点采集的噪声数据包含A计权声压级和1/3OCT频谱声压级。ADS-B地面接收装置用于实时采集飞机的航迹信息。ADS-B地面接收装置采集的航迹信息包含飞机的飞行轨迹以及每个位置时刻点t_plane。ADS-B地面接收装置具体为ADS-B雷达。服务器通讯连接至多个噪声监测点和ADS-B地面接收装置并接收多个噪声监测点和ADS-B地面接收装置发送过来的噪声数据和航迹信息,服务器中存储有每个噪声监测点的地理位置信息。可以理解的是,噪声监测点越多,采集到的数据越完善,这样,后续绘制的云图将越准确。在本申请中,噪声监测点至少包含5个,分布在机场需要绘制云图的范围内主航道下方,并保证飞机在起飞与下降过程中至少有两个噪声监测点能够同时监测到飞机飞行噪声。为了确保此时飞行噪声为噪声监测点的主要噪声,将噪声监测点安装在不容易受其他声源影响的楼顶中间。服务器与噪声监测点和ADS-B地面接收装置之间的通讯连接方式包括但不限于4G、5G以及光纤等。
噪声监测点和ADS-B地面接收装置将采集到的噪声数据和飞行数据通过传输网络实时传输至服务器,然后服务器根据各噪声监测点的位置、各噪声监测点的噪声数据和飞机位置数据进行分析与预测。
其中,服务器根据接收到的监测数据计算出有效航迹。服务器根据接收到的监测数据计算出有效航迹的每个位置点处的飞机的声功率级。服务器根据飞机跑道以及机场周围地理信息构建地面预测点的坐标位置。服务器以飞机航迹时间为参考,根据声音的传播特性以及有效航迹每个位置点与地面预测点之间的距离,推导有效航迹每个位置点实际到达地面预测点的时间和声压级大小,并以此绘制出有效航迹过程中每个地面预测点接收到的声压级的时间变化曲线。
具体而言,考虑地面背景噪声影响,ADS-B雷达收集到的整个航迹信息并不能作为全部的有效航迹。根据点声源的声压级传播规律,声压级会随着距离的加倍衰减6dB。同时空气吸收和遮挡物也会引起一定的衰减。因为在接收到的整个飞机的飞行航迹中,有大部分的时间段对应的声压级可能单纯是背景噪声的影响,飞机噪声影响甚微,因此需要结合噪声监测点的信息综合判断有效航迹段。
对于多个噪声监测点中的一个,服务器根据A计权声压级以及15dB的信噪比确认噪声监测点的飞机噪声事件的起始时刻t_noise。具体地,服务器根据实时采集的声音数据进行A计权声压级以及1/3OCT频谱声压级分析,绘制A计权声压级随时间(t_mea)变化的曲线,软件自动根据15dB的信噪比确认单次飞行噪声事件,将飞机噪声事件的起始点时刻作为t_noise。
计算飞机的飞行轨迹的每一个位置点与噪声监测点的距离L。
计算飞机的飞行轨迹达到噪声检测点的时间差dt。根据声音的传播速度,每个噪声监测点接收到噪声相对于飞机位置需要一定的延时。对于单个噪声监测点,可以根据当前的航迹信息以及噪声监测点的地理位置信息反推每个航迹位置的声音传播到噪声监测点的时间差dt。
将每个位置时刻点t_plane 加上时间差dt得到这段航迹中飞机产生的噪声传播到噪声监测点的时间t_arr。
根据声音传播特性,声音传播到噪声监测点需要时间,为了将飞行轨迹和噪声监测点噪声事件对应,t_arr(已经从飞行时间t_plane推导至声音到达监测点位时间)和t_noise经过延时修正已经同步,t_noise 起始时刻点就是飞机飞行对该噪声监测点的噪声影响的起始点t_arr,将t_arr延时进行反推到t_plane对应的航迹,就是本次飞行航迹中这一个噪声监测点所确认的部分有效航迹Sn。
服务器对每个噪声监测点都进行上述计算得到多个噪声监测点所确认的多段部分有效航迹Sn,将多段部分有效航迹Sn进行综合组成飞机的有效航迹。
将飞机飞行过程假设成一个点声源,基于声波的球面波传播模型,噪声监测点的实时噪声监测数据,噪声监测点的地理信息,飞机的飞行轨迹,机场的气象信息和环境信息反推飞机的声功率级,
其中,Loct,w表示由点声源产生的倍频带声功率级。Dc表示指向性校正(dB),它描述点声源的等效连续声压级与产生声功率的级Lw的全向点声源在规定方向的级的偏差程度。对辐射到自由空间的全向点声源,Dc = 0dB。Adiv表示几何发散衰减,Abar表示遮挡物的衰减,Aatm 表示空气吸收引起的衰减,Agr 表示地面效应衰减,Amisc表示其他衰减。
考虑噪声监测点与每一个时刻飞机噪声源的传播距离不同,每一个时刻对应ADS-B地面接收位置处的不同时刻的噪声监测数据。结合多个噪声监测点的噪声数据并利用最小二程法解方程组,可以得出飞机声源该时刻产生的倍频带声功率级。同理,可计算出飞机每个有效航迹的时刻的产生的倍频带声功率级。这样,服务器就能够根据接收到的监测数据计算出有效航迹的每个位置点处的飞机的声功率级。
服务器以飞机航迹时间为参考,还根据上述公式计算有效航迹每个位置点到达预测点的时间和声压级大小。
作为一种优选的实施方式,服务器还将有效航迹时刻和每个预测点接收到的声压级的时间变化曲线时刻对齐,提取飞机不同的飞行时刻对地面每个预测点处的声压级影响的等高线分布,动态展示飞机轨迹和噪声分布云图。
作为一种优选的实施方式,服务器还将整个有效航迹中地面每个预测点的声压级进行时间平均,绘制出单架次飞机飞行事件对地面的噪声影响的等高线分布图,直观显示单架次飞机飞行事件对地面预测点位置的综合噪声影响。
如图1所示为本申请的一种基于多点噪声监测的机场噪声分布预测方法,应用于前述的基于多点噪声监测的机场噪声分布预测系统,包含以下步骤:
通过多个噪声监测点实时采集噪声数据发送至服务器。噪声监测点采集的噪声数据包含A计权声压级和1/3OCT频谱声压级。
通过ADS-B地面接收装置实时采集飞机的航迹信息发送至服务器。ADS-B地面接收装置采集的航迹信息包含飞机的飞行轨迹以及每个位置时刻点t_plane。
服务器根据接收到的监测数据计算出有效航迹。
服务器还根据接收到的监测数据计算出有效航迹每个位置点处的飞机的声功率级。
服务器再根据飞机跑道以及机场周围地理信息构建地面预测点的坐标位置。
服务器以飞机航迹时间为参考,根据声音的传播特性以及有效航迹每个位置点与地面预测点之间的距离,推导有效航迹每个位置点实际到达地面预测点的时间和声压级大小,并以此绘制出有效航迹过程中每个地面预测点接收到的声压级的时间变化曲线。
作为一种优选的实施方式,服务器根据接收到的监测数据计算出有效航迹的具体方法为:
对于一个噪声监测点,服务器根据A计权声压级以及15dB的信噪比确认噪声监测点的飞机噪声事件的起始时刻t_noise。
服务器接收到的航迹信息包含飞机的飞行轨迹以及每个位置时刻点t_plane。
计算飞机的飞行轨迹的每一个点的位置与噪声监测点的距离L。
根据声速反推飞机的飞行轨迹达到噪声检测点的时间差dt。
将每个位置时刻点t_plane 加上时间差dt作为这段航迹中飞机产生的噪声传播到噪声监测点的时间t_arr。
根据声音传播特性,声音传播到噪声监测点需要时间,为了将飞行轨迹和噪声监测点噪声事件对应,t_arr和t_noise经过延时修正已经同步,t_noise 起始时刻点就是飞机飞行对该噪声监测点的噪声影响的起始点t_arr,将t_arr延时进行反推到t_plane对应的航迹,就是本次飞行航迹中这一个噪声监测点所确认的部分有效航迹Sn。
服务器对每个噪声监测点都进行上述计算得到多个噪声监测点所确认的多段部分有效航迹Sn,将多段部分有效航迹Sn进行综合组成飞机的有效航迹。
作为一种优选的实施方式,服务器还将有效航迹时刻和每个预测点接收到的声压级的时间变化曲线时刻对齐,提取飞机不同的飞行时刻对地面每个预测点处的声压级影响的等高线分布。
作为一种优选的实施方式,服务器还将整个有效航迹中地面每个预测点的声压级进行时间平均,绘制出单架次飞机飞行事件对地面的噪声影响的等高线分布图。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,上述实施例不以任何形式限制本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。
Claims (9)
1.一种基于多点噪声监测的机场噪声分布预测系统,其特征在于,包含:
多个噪声监测点,沿着主航道间隔分布,用于实时采集噪声数据;
ADS-B地面接收装置,用于实时采集飞机的航迹信息;
服务器,通讯连接至多个所述噪声监测点和所述ADS-B地面接收装置并接收多个所述噪声监测点和所述ADS-B地面接收装置发送过来的噪声数据和航迹信息,所述服务器中存储有每个所述噪声监测点的地理位置信息;
所述服务器根据接收到的监测数据计算出有效航迹;
所述服务器根据接收到的监测数据计算出有效航迹的每个位置点处的飞机的声功率级;
所述服务器根据飞机跑道以及机场周围地理信息构建地面预测点的坐标位置;
所述服务器以飞机航迹时间为参考,根据声音的传播特性以及有效航迹每个位置点与地面预测点之间的距离,推导有效航迹每个位置点实际到达地面预测点的时间和声压级大小,并以此绘制出有效航迹过程中每个地面预测点接收到的声压级的时间变化曲线。
2.根据权利要求1所述的基于多点噪声监测的机场噪声分布预测系统,其特征在于,
所述噪声监测点采集的噪声数据包含A计权声压级和1/3OCT频谱声压级;
所述ADS-B地面接收装置采集的航迹信息包含飞机的飞行轨迹以及每个位置时刻点t_plane。
3.根据权利要求2所述的基于多点噪声监测的机场噪声分布预测系统,其特征在于,
对于多个所述噪声监测点中的一个,所述服务器根据A计权声压级以及15dB的信噪比确认所述噪声监测点的飞机噪声事件的起始时刻t_noise;
计算飞机的飞行轨迹的每一个位置点与所述噪声监测点的距离L;
计算飞机的飞行轨迹达到所述噪声监测点的时间差dt;
将每个位置时刻点t_plane加上时间差dt得到这段航迹中飞机产生的噪声传播到所述噪声监测点的时间t_arr;
t_arr和t_noise经过延时修正已经同步,t_noise起始时刻点就是飞机飞行对该噪声监测点的噪声影响的起始点t_arr,将t_arr延时进行反推到t_plane对应的航迹,就是本次飞行航迹中这一个噪声监测点所确认的部分有效航迹Sn;
所述服务器对每个所述噪声监测点都进行上述计算得到多个所述噪声监测点所确认的多段部分有效航迹Sn,将多段部分有效航迹Sn进行综合组成飞机的有效航迹。
4.根据权利要求3所述的基于多点噪声监测的机场噪声分布预测系统,其特征在于,
所述服务器还将有效航迹时刻和每个预测点接收到的声压级的时间变化曲线时刻对齐,提取飞机不同的飞行时刻对地面每个预测点处的声压级影响的等高线分布。
5.根据权利要求4所述的基于多点噪声监测的机场噪声分布预测系统,其特征在于,
所述服务器还将整个有效航迹中地面每个预测点的声压级进行时间平均,绘制出单架次飞机飞行事件对地面的噪声影响的等高线分布图。
6.根据权利要求1所述的基于多点噪声监测的机场噪声分布预测系统,其特征在于,
所述服务器通过下述声压传播距离公式计算出有效航迹的每个位置点处的飞机的声功率级,
Loct(r)=Loct,w+Dc-(Adiv+Abar+Aatm+Agr+Amisc)
其中,Loct,w表示由点声源产生的倍频带声功率级,Dc表示指向性校正,Adiv表示几何发散衰减,Abar表示遮挡物的衰减,Aatm表示空气吸收引起的衰减,Agr表示地面效应衰减,Amisc表示其他衰减。
7.一种基于多点噪声监测的机场噪声分布预测方法,应用于权利要求1-6任一项所述的基于多点噪声监测的机场噪声分布预测系统,其特征在于,包含以下步骤:
通过多个所述噪声监测点实时采集噪声数据发送至所述服务器;
通过所述ADS-B地面接收装置实时采集飞机的航迹信息发送至所述服务器;
所述服务器根据接收到的监测数据计算出有效航迹;
所述服务器还根据接收到的监测数据计算出有效航迹每个位置点处的飞机的声功率级;
所述服务器再根据飞机跑道以及机场周围地理信息构建地面预测点的坐标位置;
所述服务器以飞机航迹时间为参考,根据声音的传播特性以及有效航迹每个位置点与地面预测点之间的距离,推导有效航迹每个位置点实际到达地面预测点的时间和声压级大小,并以此绘制出有效航迹过程中每个地面预测点接收到的声压级的时间变化曲线。
8.根据权利要求7所述的基于多点噪声监测的机场噪声分布预测方法,其特征在于,
所述噪声监测点采集的噪声数据包含A计权声压级和1/3OCT频谱声压级;
所述ADS-B地面接收装置采集的航迹信息包含飞机的飞行轨迹以及每个位置时刻点t_plane。
9.根据权利要求8所述的基于多点噪声监测的机场噪声分布预测方法,其特征在于,
所述服务器根据接收到的监测数据计算出有效航迹的具体方法为:
对于一个所述噪声监测点,所述服务器根据A计权声压级以及15dB的信噪比确认所述噪声监测点的飞机噪声事件的起始时刻t_noise;
所述服务器接收到的航迹信息包含飞机的飞行轨迹以及每个位置时刻点t_plane;
计算飞机的飞行轨迹的每一个点的位置与所述噪声监测点的距离L;
根据声速反推飞机的飞行轨迹达到所述噪声监测点的时间差dt;
将每个位置时刻点t_plane加上时间差dt作为这段航迹中飞机产生的噪声传播到所述噪声监测点的时间t_arr;
t_arr和t_noise经过延时修正已经同步,t_noise起始时刻点就是飞机飞行对该噪声监测点的噪声影响的起始点t_arr,将t_arr延时进行反推到t_plane对应的航迹,就是本次飞行航迹中这一个噪声监测点所确认的部分有效航迹Sn;
所述服务器对每个所述噪声监测点都进行上述计算得到多个所述噪声监测点所确认的多段部分有效航迹Sn,将多段部分有效航迹Sn进行综合组成飞机的有效航迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210778656.0A CN114896823B (zh) | 2022-07-04 | 2022-07-04 | 基于多点噪声监测的机场噪声分布预测系统及预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210778656.0A CN114896823B (zh) | 2022-07-04 | 2022-07-04 | 基于多点噪声监测的机场噪声分布预测系统及预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114896823A CN114896823A (zh) | 2022-08-12 |
CN114896823B true CN114896823B (zh) | 2022-11-25 |
Family
ID=82729609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210778656.0A Active CN114896823B (zh) | 2022-07-04 | 2022-07-04 | 基于多点噪声监测的机场噪声分布预测系统及预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114896823B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115046628B (zh) * | 2022-08-17 | 2022-11-01 | 中国民航大学 | 基于旋转抛物面声学天线定向收音的民航噪声监测系统 |
CN115112227A (zh) * | 2022-08-29 | 2022-09-27 | 中国民航大学 | 一种飞机地面噪声分布监测方法 |
CN115456270B (zh) * | 2022-09-05 | 2023-12-01 | 生态环境部南京环境科学研究所 | 一种基于机场噪音预测的检测布点方法及系统 |
CN116086596B (zh) * | 2022-12-09 | 2023-10-27 | 广州声博士声学技术有限公司 | 一种噪声智能检测方法、装置、计算机设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2687831A1 (en) * | 2011-03-18 | 2014-01-22 | Rion Co., Ltd. | Noise monitoring device and noise monitoring method |
CN106840373A (zh) * | 2016-12-26 | 2017-06-13 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 飞机噪声监测方法及其装置 |
CN113823327A (zh) * | 2021-09-15 | 2021-12-21 | 杭州爱华智能科技有限公司 | 飞机噪声的自动监测方法 |
CN114417605A (zh) * | 2022-01-18 | 2022-04-29 | 广州大学 | 一种机场噪声地图绘制方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2288462B (en) * | 1994-04-09 | 1998-02-11 | Cirrus Research Plc | Noise monitoring system |
JP5016726B1 (ja) * | 2011-09-02 | 2012-09-05 | リオン株式会社 | 騒音観測装置及び騒音観測方法 |
CN105426605B (zh) * | 2015-11-12 | 2018-10-23 | 中国民航大学 | 多屏三维航迹及噪声等值线实时显示方法 |
-
2022
- 2022-07-04 CN CN202210778656.0A patent/CN114896823B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2687831A1 (en) * | 2011-03-18 | 2014-01-22 | Rion Co., Ltd. | Noise monitoring device and noise monitoring method |
CN106840373A (zh) * | 2016-12-26 | 2017-06-13 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 飞机噪声监测方法及其装置 |
CN113823327A (zh) * | 2021-09-15 | 2021-12-21 | 杭州爱华智能科技有限公司 | 飞机噪声的自动监测方法 |
CN114417605A (zh) * | 2022-01-18 | 2022-04-29 | 广州大学 | 一种机场噪声地图绘制方法及系统 |
Non-Patent Citations (2)
Title |
---|
基于航迹特征的飞行程序噪声预测研究;张召悦等;《科学技术与工程》;20131028(第30期);全文 * |
环境噪声自动监测系统综述;晏敏锋;《中国环保产业》;20220626;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114896823A (zh) | 2022-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114896823B (zh) | 基于多点噪声监测的机场噪声分布预测系统及预测方法 | |
US11763683B2 (en) | Apparatus and method for guiding unmanned aerial vehicles | |
KR20200135125A (ko) | 강한 대류기상을 예측하기 위한 방법 및 장치 | |
US10656259B2 (en) | Method for determining trajectories of moving physical objects in a space on the basis of sensor data of a plurality of sensors | |
WO2019114612A1 (zh) | 一种基于地理信息的中高频通信信道的模拟测试系统 | |
CN106886039B (zh) | 基于城市三维地图的地面数字电视广播与导航卫星混合粒子滤波定位方法 | |
CN111785095B (zh) | 监视性能评估指标形成方法 | |
CN110417491B (zh) | 一种ads-b多通道信号生成方法、模拟器及计算机存储介质、电子设备 | |
Lennon et al. | Lightning mapping system | |
CN113949439A (zh) | 一种面向无人机空对空通信的几何随机信道建模方法 | |
CN204906394U (zh) | 基于无人飞行器的信号中继系统 | |
CN107966719B (zh) | 一种基于信号解码和概率筛选的单星定位增强系统及方法 | |
Zellmann | Development of an aircraft noise emission model accounting for flight parameters | |
CN109991564B (zh) | 基于神经网络的短波单站定位结果纠偏方法 | |
Takeichi et al. | Development of a Flight Time Uncertainty Model for Four-Dimensional Trajectory Management | |
Rieth et al. | Aircraft to ground-station C-band channel—Small airport scenario | |
JP2001033567A (ja) | 超短時間降雨瞬時予測方法及び装置 | |
EP3751755A1 (en) | Apparatus and method for guiding unmanned aerial vehicles | |
RU2682031C1 (ru) | Система формирования координат воздушного судна в условиях неполной и неточной навигационной информации | |
CN101651501B (zh) | 一种民航通信设备信号覆盖范围计算处理的装置及方法 | |
Browne et al. | Prediction of helicopter noise contours for land use planning | |
Seah et al. | The study of shadowing effect for LTE and 5G networks in suburban environment | |
Cristea et al. | Selection of the parameters that influence the noise produced by aircraft on cities within the online monitoring systems | |
Wielnad et al. | Predicting AAM Path Loss through Neural Networks and Statistical Modeling | |
CN117240399B (zh) | 一种导航诱骗信号处理方法及装置、存储介质、电子设备 |
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 |