CN117687043A - 基于qar大数据分析的gps干扰源检测与粗定位方法 - Google Patents
基于qar大数据分析的gps干扰源检测与粗定位方法 Download PDFInfo
- Publication number
- CN117687043A CN117687043A CN202311664956.7A CN202311664956A CN117687043A CN 117687043 A CN117687043 A CN 117687043A CN 202311664956 A CN202311664956 A CN 202311664956A CN 117687043 A CN117687043 A CN 117687043A
- Authority
- CN
- China
- Prior art keywords
- interference source
- gps
- qar
- interference
- earth
- 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
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000001514 detection method Methods 0.000 title claims abstract description 15
- 238000012216 screening Methods 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000013459 approach Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 15
- 238000012795 verification Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000011835 investigation Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000010006 flight Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及一种基于QAR大数据分析的GPS干扰源检测与粗定位方法，该方法包括以下步骤：S1、基于QAR大数据分析，筛选出n个在t0±t1时间段内受到无线电干扰的民航飞机，n个民航飞机之间的水平距离在t0±t1时间段内不超过第一水平距离；S2、从QAR数据中读取n个民航飞机的GPS定位坐标，并转换为地球直角坐标系下的空间位置坐标，记为Xi(xi,yi,zi)，其中i＝1，2，……，n；S3、将干扰源在地球直角坐标系下的空间位置坐标记为X(x,y,z)，将第i个民航飞机与干扰源之间的距离表示为ri，得到干扰距离方程组。
Description
技术领域
本发明涉及干扰源定位技术领域，具体涉及一种基于QAR大数据分析的GPS干扰源检测与粗定位方法。
背景技术
航空无线电频率的安全使用是民航飞行安全的前提和基础。近年来，随着无线电技术的飞速发展，无线电台(站)数量日益增多，民航无线电频率遭受无线电干扰几率不断加大。自2019年起，多家航空公司反映其机载GPS、ADS-B、无线电高度表等系统分别在多地发生干扰事件，及触发虚假GPWS警告事件，已造成多起航班复飞或中止进近、备降等，对飞行正常与安全造成不利影响。本申请以民航飞行品质监控基站(以下简称“局方基站”)收集和分析的QAR(Quick access recorder，快速存取记录器)数据为基础，开展航空无线电干扰分析研究工作，为行业内外提供航空无线电干扰分析数据支持服务。
QAR是一种重要的记录飞机飞行参数的机载电子设备，可以连续记录长达600小时飞行的原始信息资料，同一时刻可采集数百个乃至上千个不同的飞行参数数据。QAR数据是航班重要的飞行数据，是机载黑匣子的镜像数据，常用于航后飞行技术分析、发动机健康分析、飞行安全事件调查等等，是在飞行品质分析、运行品质分析和飞机健康管理等方面重要的数据仓库。航科院目前所具有的航班QAR数据全、覆盖范围广。
本申请结合日常QAR数据分析结果，针对GPS干扰，结合已查明的干扰源分布情况开展监测分析，研究干扰源粗定位技术，设计分析模型算法，对比GPS干扰源排查结果，使用实际数据进行算法验证分析，并进行可视化展示。
发明内容
本发明旨在提供一种基于QAR大数据分析的GPS干扰源检测与粗定位方法，所要解决的技术问题至少包括如何基于QAR大数据分析对GPS干扰源进行粗定位。
为了实现上述目的，本发明提供一种基于QAR大数据分析的GPS干扰源检测与粗定位方法，包括以下步骤：
S1、基于QAR大数据分析，筛选出n个在t0±t1时间段内受到无线电干扰的民航飞机，其中筛选出的n个民航飞机相互之间的水平距离在t0±t1时间段内不超过第一水平距离；
S2、从QAR数据中读取筛选出的n个民航飞机在t0±t1时间段内受到无线电干扰时的GPS定位坐标，并转换为地球直角坐标系下的空间位置坐标，记为Xi(xi,yi,zi)，其中i＝1，2……，n；
S3、将干扰源在地球直角坐标系下的空间位置坐标记为X(x,y,z)，将第i个民航飞机与干扰源之间的距离表示为ri，得到如下的干扰距离方程组：
将上述干扰距离方程组中的第2个至第n个等式分别与第1个等式相减，得到如下的简化方程：
AX＝b；
其中，
由所述的简化方程能够得出干扰源在地球直角坐标系下的空间位置坐标X(x,y,z)为：
X＝(ATA)-1ATb；
其中AT为矩阵A的转置矩阵。
优选地，所述的第一水平距离小于或等于100公里。
优选地，n大于等于5。
优选地，所述的t0为n个民航飞机中的其中一个第一次受到无线电干扰的时间。
优选地，t1大于等于0并小于等于10分钟。
优选地，所述的GPS定位坐标用于描述民航飞机的包括经度、纬度和海拔高度的空间位置；所述的GPS定位坐标转换为地球直角坐标系下的空间位置坐标的具体步骤为：
如果所述的GPS定位坐标为(φ,λ,h)，对应的地球直角坐标系下的空间位置坐标为(x,y,z)，GPS定位坐标与对应的地球直角坐标系下的空间位置坐标的转换关系为：
其中，N为由地球抽象出的椭球的卯酉圈曲率半径，e为由地球抽象出的椭球的第一偏心率；用a表示由地球抽象出的椭球的长半轴，b表示由地球抽象出的椭球的短半轴，在GPS定位坐标下，a＝6378.137km，b＝6356.7523141km；
其中，
优选地，所述的第i个民航飞机与干扰源之间的距离的获取方法为：
其中，ri为第i个民航飞机与干扰源之间的距离；δ为第i个民航飞机接收到的来自干扰源的干扰电磁波的波长；fi为多普勒频率变化率；θi为第i个民航飞机接收到来自干扰源的干扰电磁波时的方位角；δ、fi和θi均从QAR数据中读取。
优选地，所述的基于QAR大数据分析的GPS干扰源检测与粗定位方法还包括：S4、将得到的干扰源在地球直角坐标系下的空间位置坐标X(x,y,z)转换为GPS定位坐标(φ,λ,h)。
优选地，所述的将得到的干扰源在地球直角坐标系下的空间位置坐标X(x,y,z)转换为GPS定位坐标(φ,λ,h)的具体方法为：
优选地，使用已查明的干扰源分布实际数据对所述的基于QAR大数据分析的GPS干扰源检测与粗定位方法进行算法验证分析。
优选地，所述的基于QAR大数据分析的GPS干扰源检测与粗定位方法还包括：S5、在得到干扰源的GPS定位坐标(φ,λ,h)以后，使用移动监测站或无线电监测车逐步逼近目标干扰源区域，进一步缩小范围后，再使用便携式测向设备查找干扰源，最终定位干扰源的实际位置。
优选地，所述的基于QAR大数据分析的GPS干扰源检测与粗定位方法还包括：S6、对筛选出的n个在t0±t1时间段内受到无线电干扰的民航飞机的位置以及n个民航飞机与得到的干扰源的GPS定位坐标(φ,λ,h)之间的位置关系进行可视化展示。
有益效果
与现有技术相比，本发明的有益效果是：
本发明所述的基于QAR大数据分析的GPS干扰源检测与粗定位方法结合日常QAR数据分析结果，针对GPS干扰，结合已查明的干扰源分布情况开展监测分析，研究干扰源粗定位技术，设计分析模型算法，对比GPS干扰源排查结果，使用实际数据进行算法验证分析，并进行可视化展示。
验证结果表明，采用本申请所述的基于QAR大数据分析的GPS干扰源检测与粗定位方法平均定位误差为15.25米，与不使用QAR大数据分析的干扰源定位方法相比，定位精度提高了至少26.74％。
附图说明
附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的具体实施方式一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。
图1是本发明所述的基于QAR大数据分析的GPS干扰源检测与粗定位系统的结构示意图。
具体实施方式
在下文中更详细地描述了本发明以有助于对本发明的理解。
本发明所述的基于QAR大数据分析的GPS干扰源检测与粗定位方法包括以下步骤：
S1、基于QAR大数据分析，筛选出n个在t0±t1时间段内受到无线电干扰的民航飞机，其中筛选出的n个民航飞机相互之间的水平距离在t0±t1时间段内不超过第一水平距离；
S2、从QAR数据中读取筛选出的n个民航飞机在t0±t1时间段内受到无线电干扰时的GPS定位坐标，并转换为地球直角坐标系下的空间位置坐标，记为Xi(xi,yi,zi)，其中i＝1，2，……，n；
S3、将干扰源在地球直角坐标系下的空间位置坐标记为X(x,y,z)，将第i个民航飞机与干扰源之间的距离表示为ri，得到如下的干扰距离方程组：
将上述干扰距离方程组中的第2个至第n个等式分别与第1个等式相减，得到如下的简化方程：
AX＝b；
其中，
由所述的简化方程能够得出干扰源在地球直角坐标系下的空间位置坐标X(x,y,z)为：
X＝(ATA)-1ATb；
其中AT为矩阵A的转置矩阵。
优选地，所述的第一水平距离小于或等于100公里。
优选地，n大于等于5。
优选地，所述的t0为n个民航飞机中的其中一个第一次受到无线电干扰的时间。
优选地，t1大于等于0并小于等于10分钟。
优选地，所述的GPS定位坐标用于描述民航飞机的包括经度、纬度和海拔高度的空间位置；所述的GPS定位坐标转换为地球直角坐标系下的空间位置坐标的具体步骤为：
如果所述的GPS定位坐标为(φ,λ,h)，对应的地球直角坐标系下的空间位置坐标为(x,y,z)，GPS定位坐标与对应的地球直角坐标系下的空间位置坐标的转换关系为：
其中，N为由地球抽象出的椭球的卯酉圈曲率半径，e为由地球抽象出的椭球的第一偏心率；用a表示由地球抽象出的椭球的长半轴，b表示由地球抽象出的椭球的短半轴，在GPS定位坐标下，a＝6378.137km，b＝6356.7523141km；
其中，
优选地，所述的第i个民航飞机与干扰源之间的距离的获取方法为：
其中，ri为第i个民航飞机与干扰源之间的距离；δ为第i个民航飞机接收到的来自干扰源的干扰电磁波的波长；fi为多普勒频率变化率；θi为第i个民航飞机接收到来自干扰源的干扰电磁波时的方位角；δ、fi和θi均从QAR数据中读取。
优选地，所述的基于QAR大数据分析的GPS干扰源检测与粗定位方法还包括：S4、将得到的干扰源在地球直角坐标系下的空间位置坐标X(x,y,z)转换为GPS定位坐标(φ,λ,h)。
优选地，所述的将得到的干扰源在地球直角坐标系下的空间位置坐标X(x,y,z)转换为GPS定位坐标(φ,λ,h)的具体方法为：
优选地，本申请还使用已查明的干扰源分布实际数据进行算法验证分析，验证结果表明，采用本申请所述的基于QAR大数据分析的GPS干扰源检测与粗定位方法平均定位误差为15.25米，与不使用QAR大数据分析的干扰源定位方法相比，定位精度提高了至少26.74％。
优选地，所述的基于QAR大数据分析的GPS干扰源检测与粗定位方法还包括：S5、在得到干扰源的GPS定位坐标(φ,λ,h)以后，使用移动监测站或无线电监测车逐步逼近目标干扰源区域，进一步缩小范围后，再使用便携式测向设备查找干扰源，最终定位干扰源的实际位置。
优选地，所述的基于QAR大数据分析的GPS干扰源检测与粗定位方法还包括：S6、对筛选出的n个在t0±t1时间段内受到无线电干扰的民航飞机的位置以及n个民航飞机与得到的干扰源的GPS定位坐标(φ,λ,h)之间的位置关系进行可视化展示。
如图1所示，本发明还提供一种基于QAR大数据分析的GPS干扰源检测与粗定位系统，包括QAR大数据分析单元、坐标读取和转换单元和干扰源定位单元；
所述的QAR大数据分析单元用于基于QAR大数据分析，筛选出n个在t0±t1时间段内受到无线电干扰的民航飞机，其中筛选出的n个民航飞机相互之间的水平距离在t0±t1时间段内不超过第一水平距离；
所述的坐标读取和转换单元用于从QAR数据中读取筛选出的n个民航飞机在t0±t1时间段内受到无线电干扰时的GPS定位坐标，并转换为地球直角坐标系下的空间位置坐标，记为Xi(xi,yi,zi)，其中i＝1，2……，n；
所述的干扰源定位单元用于将干扰源在地球直角坐标系下的空间位置坐标记为X(x,y,z)，将第i个民航飞机与干扰源之间的距离表示为ri，得到如下的干扰距离方程组：
式相减，得到如下的简化方程：
AX＝b；
其中，
由所述的简化方程能够得出干扰源在地球直角坐标系下的空间位置坐标X(x,y,z)为：
X＝(ATA)-1ATb；
其中AT为矩阵A的转置矩阵。
优选地，所述的坐标读取和转换单元还用于将得到的干扰源在地球直角坐标系下的空间位置坐标X(x,y,z)转换为GPS定位坐标(φ,λ,h)。
优选地，所述的基于QAR大数据分析的GPS干扰源检测与粗定位系统还包括可视化展示单元，用于对筛选出的n个在t0±t1时间段内受到无线电干扰的民航飞机的位置以及n个民航飞机与得到的干扰源的GPS定位坐标(φ,λ,h)之间的位置关系进行可视化展示。
以上描述了本发明优选实施方式，然其并非用以限定本发明。本领域技术人员对在此公开的实施方案可进行并不偏离本发明范畴和精神的改进和变化。
Claims (10)
1.一种基于QAR大数据分析的GPS干扰源检测与粗定位方法，其特征在于，所述的基于QAR大数据分析的GPS干扰源检测与粗定位方法包括以下步骤：
S1、基于QAR大数据分析，筛选出n个在t0±t1时间段内受到无线电干扰的民航飞机，其中筛选出的n个民航飞机相互之间的水平距离在t0±t1时间段内不超过第一水平距离；
S2、从QAR数据中读取筛选出的n个民航飞机在t0±t1时间段内受到无线电干扰时的GPS定位坐标，并转换为地球直角坐标系下的空间位置坐标，记为Xi(xi,yi,zi)，其中i＝1，2，……，n；
S3、将干扰源在地球直角坐标系下的空间位置坐标记为X(x,y,z)，将第i个民航飞机与干扰源之间的距离表示为ri，得到如下的干扰距离方程组：
将上述干扰距离方程组中的第2个至第n个等式分别与第1个等式相减，得到如下的简化方程：
AX＝b；
其中，
由所述的简化方程能够得出干扰源在地球直角坐标系下的空间位置坐标X(x,y,z)为：
X＝(ATA)-1ATb；
其中AT为矩阵A的转置矩阵。
2.根据权利要求1所述的基于QAR大数据分析的GPS干扰源检测与粗定位方法，其特征在于，所述的第一水平距离小于或等于100公里。
3.根据权利要求1所述的基于QAR大数据分析的GPS干扰源检测与粗定位方法，其特征在于，n大于等于5。
4.根据权利要求1所述的基于QAR大数据分析的GPS干扰源检测与粗定位方法，其特征在于，所述的t0为n个民航飞机中的其中一个第一次受到无线电干扰的时间。
5.根据权利要求1所述的基于QAR大数据分析的GPS干扰源检测与粗定位方法，其特征在于，t1大于等于0并小于等于10分钟。
6.根据权利要求1所述的基于QAR大数据分析的GPS干扰源检测与粗定位方法，其特征在于，所述的GPS定位坐标用于描述民航飞机的包括经度、纬度和海拔高度的空间位置；所述的GPS定位坐标转换为地球直角坐标系下的空间位置坐标的具体步骤为：
如果所述的GPS定位坐标为(φ,λ,h)，对应的地球直角坐标系下的空间位置坐标为(x,y,z)，GPS定位坐标与对应的地球直角坐标系下的空间位置坐标的转换关系为：
其中，N为由地球抽象出的椭球的卯酉圈曲率半径，e为由地球抽象出的椭球的第一偏心率；用a表示由地球抽象出的椭球的长半轴，b表示由地球抽象出的椭球的短半轴，在GPS定位坐标下，a＝6378.137km，b＝6356.7523141km；
其中，
7.根据权利要求1所述的基于QAR大数据分析的GPS干扰源检测与粗定位方法，其特征在于，所述的第i个民航飞机与干扰源之间的距离的获取方法为：
其中，ri为第i个民航飞机与干扰源之间的距离；δ为第i个民航飞机接收到的来自干扰源的干扰电磁波的波长；fi为多普勒频率变化率；θi为第i个民航飞机接收到来自干扰源的干扰电磁波时的方位角；δ、fi和θi均从QAR数据中读取。
8.根据权利要求7所述的基于QAR大数据分析的GPS干扰源检测与粗定位方法，其特征在于，所述的基于QAR大数据分析的GPS干扰源检测与粗定位方法还包括：S4、将得到的干扰源在地球直角坐标系下的空间位置坐标X(x,y,z)转换为GPS定位坐标(φ,λ,h)。
9.根据权利要求8所述的基于QAR大数据分析的GPS干扰源检测与粗定位方法，其特征在于，所述的将得到的干扰源在地球直角坐标系下的空间位置坐标X(x,y,z)转换为GPS定位坐标(φ,λ,h)的具体方法为：
10.根据权利要求1所述的基于QAR大数据分析的GPS干扰源检测与粗定位方法，其特征在于，所述的基于QAR大数据分析的GPS干扰源检测与粗定位方法还包括：S5、在得到干扰源的GPS定位坐标(φ,λ,h)以后，使用移动监测站或无线电监测车逐步逼近目标干扰源区域，进一步缩小范围后，再使用便携式测向设备查找干扰源，最终定位干扰源的实际位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311664956.7A CN117687043A (zh) | 2023-12-06 | 2023-12-06 | 基于qar大数据分析的gps干扰源检测与粗定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311664956.7A CN117687043A (zh) | 2023-12-06 | 2023-12-06 | 基于qar大数据分析的gps干扰源检测与粗定位方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117687043A true CN117687043A (zh) | 2024-03-12 |
Family
ID=90138341
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311664956.7A Pending CN117687043A (zh) | 2023-12-06 | 2023-12-06 | 基于qar大数据分析的gps干扰源检测与粗定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117687043A (zh) |
-
2023
- 2023-12-06 CN CN202311664956.7A patent/CN117687043A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110764078A (zh) | 一种低空无人机综合探测处置方法及其装置 | |
| CN109557384B (zh) | 基于综合应用场景下民航台站的电磁环境质量评估方法 | |
| CN116258982A (zh) | 一种无人机飞行航线监测及校验系统 | |
| Pretto et al. | Web data for computing real-world noise from civil aviation | |
| CN117687043A (zh) | 基于qar大数据分析的gps干扰源检测与粗定位方法 | |
| Ostroumov et al. | Estimation of Geodetic Altitude from Barometric One with Actual Meteorological Aerodrome Report Data | |
| Ely | Electromagnetic interference to flight navigation and communication systems: new strategies in the age of wireless | |
| Ross et al. | Personal electronic devices and their interference with aircraft systems | |
| JPH0440646B2 (zh) | ||
| Kuzmenko et al. | Improving the accuracy of aircraft positioning by navigational AIDS using kalman filter | |
| Jada et al. | Evaluation of PNT situational awareness algorithms and methods | |
| Pleninger et al. | Jamming of GNSS receiver on b737 MAX aircraft and its impact on ADS-b technology | |
| Yang et al. | Using transponder signals to model aircraft performance at non-towered airports | |
| Sulistya et al. | GNSS positioning performance monitoring of ADS-B stations for autonomous electric vehicle (AEV) environment testing | |
| Wallace et al. | Three case studies on small uncrewed aerial systems near midair collisions with aircraft: An evidence-based approach for using objective uncrewed aerial systems detection technology | |
| CN112034493A (zh) | 基于多数据源的多点定位系统定位精度分析方法、设备、介质及系统 | |
| Figuet et al. | Impact of GNSS outage on mid-air collision risk | |
| CN219512409U (zh) | 一种民航导航监视设备电磁环境监测装置 | |
| Stanzel et al. | DFS ADS-B Implementation in High Density Radar Controlled Airspace-Experiences and Challenges. | |
| Aversano et al. | Acoustical Characterization of the F-35A Joint Strike Fighter: results and perspectives of the first experimental campaign | |
| Geyer et al. | FAA GPS RFI Mitigation Program | |
| CN114690222B (zh) | 基于无线频谱无人机探测轨迹获取方法及无人机探测系统 | |
| Harris et al. | Performance of Current Distance Measuring Equipment and Implications on Alternative Position Navigation and Timing for Aviation | |
| Suszcynsky et al. | Satellite-based global lightning and severe storm monitoring using VHF receivers | |
| Topková | Zhodnocení Sítě DME Pro Zajištění Schopnosti RNAV v Evropském Regionu |
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 |