用于飞机追踪的北斗地面数据监测与评估系统设计与实现

民用航空飞行器在全球区域范围内的全过程飞行追踪和监测一直是航空飞行器研发工作的重点。由于我国在西藏新疆等边远地区缺乏ADS-B以及ACARS信号覆盖,无法保证飞机的实时跟踪,采用北斗RDSS短报文可以作为填补民机跟踪监控的技术空白。基于北斗短报文数据链路,可以实现对运输类飞机的跟踪与定位,并对飞机飞行情况进行实时监测。针对飞行空中通信环境的复杂性,为了提高通信成功率,在对空中信号质量的分析基础上,优化了抗干扰天线设计并提高了信号接收质量,实现了包括飞机轨迹追踪显示、飞机数据告警以及基于北斗的数据分析等功能。经过实际应用测试验证,平均数据接收成功率提高了3.53%,系统设计的功能和性能指标均达到设计目标,能够有效补充现有飞机监控信号空白。

基于图像弱检测器的飞机起降过程追踪方法

在视频自动追踪拍摄飞机起降过程的应用环境中,面对高实时性和可靠性要求,存在目标成像变化大、背景复杂且高速运动、同类目标干扰等技术困难。针对以上问题,提出了一种仅通过几个图像弱检测器的组合,结合飞机4D航迹估算,实现稳定可靠的飞机实时追踪,并有效避免同类目标干扰的追踪方法。首先,将飞机起降过程分为几个阶段,每个阶段分别独立训练一个快速的弱检测器;然后,从单张2D图像中估算3D空间位置;最后,融合多张图像航迹估算信息结合航迹经验信息,对航迹进行精确计算,并预测下一时刻航班位置,最终实现稳定追踪。与其他追踪方法相比,新方法具有运算速度快、抗同类目标干扰能力强的优势。跟踪拍摄教练机起降训练过程的大量实验结果显示,该方法可以实现稳定可靠的飞机起降过程自动检测追踪。

基于改进YOLOv3和卡尔曼滤波器的飞机检测追踪方法

精确的飞机检测与追踪方法有助于提升我国军事实力,但是目前针对小目标飞机进行有效追踪的方法较少。基于深度学习的目标追踪方法较传统的方法性能更佳优越,因此针对传统方法对于小目标追踪性能不佳的问题,提出了一种基于YOLOv3以及卡尔曼滤波器的飞机追踪方法,以获得更好的追踪性能。该算法首先通过改进的YOLOv3算法对视频中的图像进行检测,在识别到视频中的飞机之后,通过卡尔曼滤波器对飞机的运动轨迹进行预测,并通过匈牙利算法进行数据关联。实验结果显示,该算法对小尺度飞机的检测性能较传统的YOLOv3有接近5%的提升,且对飞机的追踪效果精度高且实时性好,具有较高的军事应用价值。