基于ADS-B的低空飞行航迹预测

针对低空自由飞行目标航迹预测问题,提出从战略与战术两层面综合考虑的方法。基于ADS-B监视数据TC报告,考虑目标多重状态参量偏移值,引入衰减记忆和移动窗口平滑模型综合历史信息,实现适合于低空飞行特点的飞行意图推断,规划出战略预测航迹。同时,依据一种新型跟踪监视算法,提出战术与战略预测相结合的航迹混合预测思想,预测目标未来中远期航迹。     

基于改进交互式多模型算法的ADS-B航迹滤波方法研究

针对广播式自动相关监视(ADS-B)航迹跟踪精度低以及目标跟踪模型与目标运动模型匹配效率低的问题,结合自适应算法对经典交互多模型(IMM)算法的运动模型集进行改进。将经典交互模型(IMM)运动模型集中的匀加速运动(CA)模型,改进为"当前"统计模型(CS)和修正转弯(MCT)模型。利用改进的模型集对目标当前位置、速度和加速度进行滤波估计。并对模型转移概率进行修正,提高IMM算法的自适应能力,实现快速目标跟踪。利用模拟航迹数据及实际设备接收的实测数据对算法进行验证。结果表明:运动模型集改进后的IMM算法滤波结果优于经典IMM算法,跟踪结果稳定,改进的算法可适应复杂的目标航迹实时跟踪。     

基于ADS-B的航迹规划算法在无人机飞行管理中的应用

在研究无人机飞行管理过程中,受到广播式自动相关监视(ADS-B)技术监视航空目标的启示,设计了一种以ADS-B技术为基础的无人机航迹规划算法.将场势理论和ADS-B技术相结合,使该算法能够对无人机的飞行进行提前规划和管理.在随后的对比实验和仿真实验中,该文设计的算法在不同障碍数量下,航迹规划一次性成功率虽然略低于当前已...     

基于ADS-B趋势信息的民航飞机跟踪算法

为了有效提高飞机的跟踪精度,获得准确的飞机监视信息,针对民航飞机运行 的特点以及ADS-B信息的特征,充分利用ADS-B趋势信息报告和当前统计模型的优点,提出了 一 种基于ADS-B趋势信息的当前统计模型改进算法。该算法能够将直线运动和转弯机动飞行中 的跟踪误差都稳定在60 m左右,证明了该算法适用于所有飞行阶段,提高了当前统计模 型跟踪算法的精度和适用性。     

通用航空的多目标航迹模拟

在飞机冲突检测算法研究中,如何方便而又逼真的模拟冲突场景是需要解决的一个重要的问题。本文提出了一种基于通用航空飞机运动模型建立的多目标航迹生成方法。首先,基于通用航空飞机的性能参数与飞机运动模型描绘出各个飞行阶段的单个目标航迹,并构造三次B样条曲线插值于各分段航迹转折处,使单个目标航迹连贯而平滑。其次,参考FAA发布的DO-317文件中定义的典型冲突情况,生成多目标航迹,并设计出若干种冲突场景,为各种情况下的冲突解脱算法提供了理论验证基础。最后,将仿真场景应用到ADS-B IN应用仿真软件（AIAS）中,实验证明可以有效的检测出冲突检测算法的正确性。仿真软件以C#编程实现。      

基于TDOA/TSOA的ADS-B虚假信号检测技术研究

广播式自动相关监视(ADS-B)开放式监视构架的特点使其面临易受人为虚假欺骗的安全性挑战。本文设置多个ADS-B基站,利用ADS-B信号的到达时间差(TDOA)与到达时间和(TSOA)对飞机实际位置进行多点定位,与ADS-B信号解码所得位置信息进行比对,从而剔除虚假飞机目标。首先实现ADS-B基站间的时间同步,建立基于TDOA/TSOA的定位模型与算法,给出了利用Friedlander算法获取初值的改进的Taylor级数算法以获取飞机位置。运用蒙特卡洛方法进行了四基站和五基站的仿真实验,结果表明,与现有Taylor级数算法相比,改进算法能提供更精确的飞机位置,并且五基站的定位性能要优于四基站的定位性能。     

ADS-B民航飞机实时参数信息的提取及验证

采用软件定义无线电(SDR)技术提取ADS-B信息。首先运用软件无线电技术和射频前端从飞机的ADS-B信号中获得I/Q数据;然后结合CPR全球解码算法解调出飞机的ICAO、高度、坐标、速度等信息;最后通过飞机高速运动产生的多普勒效应来对解调信息进行分析和验证。由SDR技术开发的ADS-B信息解码系统具有解码准确、廉价的开发成本和灵活性好等特点。     

基于ADS-B的新型跟踪监视算法

考虑到ADS-B监视系统数据存在各种误差以及低空航空器飞行特点, 提出一种基于ADS-B数据的跟踪监视新方法。采用可设置判断门限实现飞行多模态间切换, 在平稳航段发挥卡尔曼算法的优势, 在机动航段保持RMIMM平滑稳定性能。该算法综合性能超越传统基于卡尔曼滤波的监视算法, 有效克服卡尔曼滤波对高频部分反应迟钝的不足, 又保留低频部分的良好跟踪特性。建立在多模态切换的基础上, 实现不同模式的快速预测, 为航迹预测提供基础。     

无人机多目标侦察航迹规划方法

针对侦察型无人机在任务区域对多个任务目标进行侦察时的航迹规划问题,提出了一种基于改进帝国竞争算法(ICA)的无人机多目标侦察航迹规划方法。首先,把任务区域多个目标的侦察顺序问题转化为旅行商问题(TSP)模型,然后通过改进智能单粒子优化(ISPO)算法快速计算每种顺序的最优航迹,以与航迹长度和航迹复杂程度有关的值为国家权力大小,最终通过ICA对其求解。仿真结果表明,该方法能够顺利计算出近似最优的侦察顺序和满足飞行性能约束的航迹。     

飞机监视应用系统、航迹融合与ADS-B In应用

来自地面、他机和本机的多种航迹数据源为飞机的监视系统带来了新的应用,这些应用在飞行的各个阶段,辅助飞行员更加安全、有效地操作,减轻管制员对每架飞机的负荷。介绍了飞机监视应用系统的架构、组成和作用,讨论了航迹融合的过程以及对多种数据源的整合,总结了建立在ADS-B In基础上的8种应用,梳理了飞机监视应用系统、航迹融合和ADS-B In之间的关系,对飞机监视应用形成了概略的认知。     

基于注意力循环网络的4D轨迹预测模型

针对传统的轨迹预测方法很难获取轨迹的时空特征、实现高精度和实时预测等问题,提出了一种基于注意力机制的4D轨迹预测模型ARTP(Attentional Recurrent Trajectory Prediction).首先,采用正则化方法对各飞行轨迹进行重构,得到等时间间隔的无噪声高质量飞行轨迹;其次,使用长短期记忆(L...     

基于改进集合卡尔曼滤波方法的目标运动轨迹多源异步数据融合方法研究

该文构建了一个改进的多源异步观测数据情景下基于非线性运动学本构方程的集合卡尔曼滤波理论模型,该模型可以精确反演出目标运动状态参数(速度、加速度)以对目标后续运动进行预测。并基于集合卡尔曼滤波实现了多源观测数据融合,利用高精度观测数据修正低精度观测数据,修正后的数据精度可通过集合卡尔曼滤波提供的统计学信息进行标定,为非线性情形下目标轨迹多源异步数据融合问题提供了新的解决思路。     

基于CBAM-CondenseNet的航班延误波及预测模型

针对航班延误衍生的航班延误波及问题,该文提出一种基于CBAM-CondenseNet的航班延误波及预测模型。首先,通过分析航班延误在航空网络内产生的延误波及现象,确定会受前序延误航班影响的航班链;其次,对选定的航班链数据进行清洗,将航班信息与机场信息进行数据融合;最后,提出改进的CBAM-CondenseNet算法对融合后的数据进行特征提取,构建Softmax分类器对首班离港航班延误波及的后续离港航班延误等级进行预测。该文提出的CBAM-CondenseNet算法融合了CondenseNet和CBAM的优势,采用通道和空间注意力机制来加强网络结构深层信息的传递。实验结果表明,算法改进后有效提升网络性能,预测准确率可达97.55%。     

基于DBSCAN-GRU算法的终端区4D航迹预测

终端区空域环境复杂、航班密集,精确的航迹预测能极大地提高空中交通服务水平,保障航班飞行安全。针对终端区的高精度多航班4D航迹预测问题,本文提出了一种基于密度的带噪声空间聚类算法（Density-Based Spatial Clustering of Applications with Noise, DBSCAN）和门控循环单元（Gated Recurrent Unit, GRU）相结合的航迹预测方法,通过DBSCAN聚类,将终端区中航迹相近的航班聚类到一簇中,对每一簇航班建立基于GRU神经网络的航迹预测模型,对终端区航班进行预测时,先判断该航班属于哪一簇,然后采用与该簇对应的航迹预测模型,进行4D航迹预测。与仅研究单一航班的传统预测方法相比,本算法有效地利用了终端区的航迹数据,所建模型可以针对多架航班进行航迹预测,扩大了模型的适用范围,提高了航迹预测的预测精度。     

基于在线更新LSTM网络的短期4D航迹预测算法

航班飞行过程中一些因素会对当前飞行轨迹产生影响,从而导致实时航迹与历史航迹相比有一定的差异,使得仅基于历史航迹数据的航迹预测模型的预测性能变差.为解决该问题,提出了一种基于在线更新长短期记忆(Long Short-Term Memory,LSTM)网络的短期4D航迹预测算法,该算法由基于历史航迹数据的预测模型初始化参数...     

纯角度量测序列的参数航迹滤波新方法

红外探测器只能测量运动目标的方位角和俯仰角,难以获取目标的距离信息,所测量的空中目标信息为不完全信息,无法在直角坐标系下有效对三维运动目标进行滤波与跟踪。针对这一问题,提出红外单站跟踪运动目标的参数航迹滤波方法。该方法利用传感器测量到的目标方位角和俯仰角信息,根据假设的目标运动模型,先对目标飞行方向进行估计,然后利用估计出的方向向量和角度量测序列计算出目标的两个航迹参数;最后综合解算得到目标到传感器的方向向量参数航迹计算公式,从而得到方位和仰角估计值。仿真结果表明,该模型对方位和仰角的估计值较稳定,误差较小,效果较优。     

Airport delay prediction model based on regional residual and LSTM network

Nowadays,the civil aviation industry has a high precision requirement of airport delay prediction,so an airport delay prediction model based on the RR-LSTM network was proposed.Firstly,the airport information,meteorological information and related flight information were integrated.Then,the RR-LSTM network was used to extract the features of the fused airport data set.Finally,the Softmax classifier was adopted to classify and predict the airport delay.The proposed RR-LSTM network model can not only extract the time correlation of airport delay data effectively,but also avoid the gradient disappearance problem of deep LSTM network.The experimental results indicate that the RR-LSTM network model has a prediction accuracy of 95.52%,which achieves better prediction results than the traditional network model.The prediction accuracy can be improved about 11% by fusing the weather information and the flight information of the airport.     

民机自动飞行控制虚拟仿真实验设计与实现

围绕现代民航机务维修工程行业人才培养的需求,突出学科优势与专业特色,设计开发了民机自动飞行控制虚拟仿真实验。针对民机运行中典型的姿态、轨迹自动控制过程开展虚拟仿真实验,再现飞行真实场景,还原自动控制中姿态变化、飞行轨迹、运动参数、舵面偏转的动态过程,探究控制参数对自动控制性能的影响规律,实现抽象概念形象化、理论问题工程化、动态过程立体化、变化规律明晰化,有效解决民机自动飞行控制可视化实验难以开展、成本高昂的局限性,为电子信息工程专业的虚实结合教学实践体系提供了重要支撑和补充完善。     

高超声速滑翔飞行器机动状态识别方法研究

高超声速滑翔飞行器(HGV)的迅猛发展改变了传统的作战样式,开辟了军事斗争的新领域。对HGV的机动状态进行识别可以为威胁评估、轨迹预测和防御决策提供有力支撑。为提高HGV机动状态识别精度,该文提出一种基于注意力机制的卷积长短时记忆网络识别模型(AT-ConvLSTM)。在对HGV进行机动建模和特性分析基础上,将HGV在空间的机动状态分为8类,构造了对应的特征识别参数,建立了包含不同初始条件和控制模式下HGV机动轨迹的轨迹库。推导了从雷达跟踪信息到特征识别参数的转换步骤,使用提出的状态识别模型对HGV机动轨迹的时空特征进行提取,并通过SoftMax分类器输出机动状态分类。最后,通过仿真实验对模型性能进行验证。结果表明,所提状态识别模型能够有效在线识别HGV机动状态,具有较好的实时性和准确性。