基于多变量预测终端区ADS-B干扰检测研究

ADS-B干扰真实存在并可能对航班运行造成影响,精确地检测ADS-B干扰对保障民航安全十分重要。在复杂终端区,影响航班飞行的因素较多,航迹、航向多变,可能将真实航迹误认为虚假航迹。为解决复杂终端区ADS-B干扰检测问题,论文使用Temporal Convolutional Network(TCN)结合多种因素精确重构终端区航迹,与接收到的航迹做差,通过SVDD分类模型判断是否存在ADS-B信号干扰。首先,介绍终端区内影响航班航迹因素,并分析这些因素如何对航迹产生影响,并将所属特征作为预测的输入;然后,使用TCN模对ADS-B航迹数据进行重构,将接受到的数据与预测数据做差,作为SVDD模型的输入;最后,使用SVDD模型将干扰航迹与真实航迹进行分类,并筛选出干扰数据样本。经验证,TCN结合SVDD模型能够准确地完成ADS-B干扰检测任务。

基于事故树的ADS-B干扰对航空运行安全影响分析

阐述ADS-B干扰而引发的航空运行的不正常事件,从事件发生的高度特性和时间特性两个维度探究其分布特征。绘制ADS-B干扰事件事故树,系统地识别事件发生的根本原因和潜在后果。运用布尔代数运算法则对事故树进行化简,揭示ADS-B干扰事件发生的关键因素,并提出一系列具体且实用的预防措施。