基于ADS-B数据的一次雷达系统误差配准方法

针对大误差一次雷达测量过程中雷达配准方法的精度提升问题,分析了一次雷达误差分布特性,以广播式自动相关监视系统的航迹数据为真值,提出了基于改进轨迹跟踪滤波的实时雷达配准方法。采用点云配准方法中随机抽样一致性的迭代最近点法,对基于期望增加模型的变结构交互式多模型算法中的偏置函数进行了改进,有效减少了随机误差在配准过程中的影响,并获得最优的偏置参数,以提升大误差一次雷达配准的精度。算例分析结果表明,该方法配准后可使所选一次雷达俯仰角平均绝对误差降低至0.04°,方位角平均绝对误差降低至0.07°,为雷达系统误差配准提供新方法支撑。

面向机载综合监视系统的ADS-B技术综述

广播式自动相关监视(ADS-B)作为机载综合监视系统(ISS)的新增重要组成部分,在保证飞机飞行安全的前提下,在监视成本和效率方面展现出优势,引领了未来监视技术的发展。本文首先介绍了ADS-B系统功能与优劣势,梳理了国内外技术和产品现状;然后从保障飞行安全和高效的角度出发,分析和综述了机载ISS中ADS-B的关键技术,并详细阐述了技术内涵及难点;最后结合下一代空域运行理念,探讨和展望了技术发展趋势,提出了4个ADS-B技术的未来发展方向,为推动ADS-B技术在实际运行与理论研究方面的发展提供参考。

基于IMMKF算法的ADS-B监视应用目标跟踪

目标跟踪是机载广播式自动相关监视(ADS-B)应用的基础功能,对提升航空器周边的弱机动民航飞机目标跟踪性能具有重要意义。提出一种基于交互式多模型卡尔曼滤波(IMMKF)算法的ADS-B监视应用目标跟踪方法。首先,针对弱机动背景下的民航飞机的飞行特点,建立包含匀速模型和标准协同转弯模型的运动模型集,并对模型进行线性化近似;然后,将模型预测和ADS-B状态矢量量测数据作为IMMKF算法中多个并行卡尔曼滤波器的输入,进行并行滤波;最后,计算得到目标状态矢量的估计和模型近似概率,并作为下一次迭代的输入。结果表明:相比于基于匀速模型的卡尔曼滤波目标跟踪方法,IMMKF算法的位置跟踪误差降低了59%,速度跟踪误差降低了77%,显著提升了状态估计性能,具备较高的跟踪精度、稳健性与计算效率,在ADS-B监视应用中具有实际应用价值与借鉴意义。

ADS-B射频基带一体化接收芯片的基带设计

广播式自动相关监视(ADS-B)接收机为适应不同平台,需要兼顾小型化、低功耗,低成本与高灵敏度。针对已有ADS-B接收机无法同时满足上述需求,本文创新性地提出一种ADS-B射频基带一体化芯片的基带设计。基带利用数字下变频与低通滤波解进行信号解调。采用匹配滤波算法检测帧头,基线多样点技术[1]提取数据位和置信度。纠错模块基于置信度纠正校验错误的报文。仿真验证与后端设计表明,基带满足最小信噪比71dB,接收报文信号时功耗为9.65mW,接收芯片灵敏度可达-92dBm。

一种适用性广的ADS-B异常数据检测方法

广播式自动相关监视(ADS-B)系统因其准确性和高效性而广泛应用于空管监视领域,但其依赖于全球导航卫星系统(GNSS)工作,采用明文格式广播数据,且缺乏消息认证和数据加密机制,极易遭受恶意攻击。目前已提出的基于深度学习的ADS-B异常检测模型仅适用于固定航线的航班,或仅对于巡航阶段的航班有效,无法对航班起飞和进近着陆阶段的ADS-B异常数据进行检测,适用范围较窄。论文给出了一种融合K-Means聚类及LSTM神经网络的ADS-B异常数据检测模型,通过对航班进行飞行阶段划分,模型能够有针对性地学习航班各个飞行阶段的航迹特征。对比实验表明,论文提出的混合模型对航班在起飞、巡航及进近着陆各飞行阶段中出现的ADS-B异常数据均具有较高的精确率和召回率,整体检测效果较好,适用性更广,且适用于真实异常事件的检测。

基于Petri网的终端区ADS-B监视系统及其可靠性研究

为辅助塔台管制人员决策,提升航空器运行安全性,提出一种以广播式自动相关监视(ADS-B)数据为数据源的终端区监视系统。首先,基于系统需求分析系统架构特征,利用面向对象Petri网(OOPN)灵活、易于模块化设计等优点,将复杂系统模块化,分别建立子系统模型,依据子系统间的交互关系建立整体系统简化模型,并分析模型的可靠性;然后,设计ADS-B数据流实时传输引擎,利用无线传输的方式提升数据使用效率,然后,设计ADS-B数据流实时传输引擎,利用无线传输的方式提升数据使用效率,有效传输虚拟系统与外部实体之间的数据;最后,基于虚幻引擎(UE4)平台,构建虚拟现实仿真系统,实时监视机场及周围一定范围内的航空器。实时监视机场及周围一定范围内的航空器。结果表明:该系统建模方法能提高系统的模块性和可靠性,增强系统逻辑结构的易分析性,构建的系统可以安全、可靠地实现终端区监视功能。

基于Transformer-VAE的ADS-B异常检测方法

针对现有的异常检测算法无法同时捕捉广播式自动相关监视(automatic dependent surveillance-broadcast,ADS-B)报文序列中的长程依赖关系、随机性以及整体性特征的问题,提出了基于Transformer变分自动编码器(variational autoencoder,VAE)的ADS-B异常检测算法,以Transformer编码器和解码器作为VAE的推断网络和生成网络来学习ADS-B报文序列的时序分布。由Transformer编码器的自注意力机制建模序列中的长程依赖关系,生成反映报文序列整体性特征的随机变量,并采用一个特殊的融合模块融合该随机变量与Transformer解码器的输出以实现报文的重构,最终通过重构误差来检测异常。实验表明,所提出的方法在不同攻击场景下,均优于相关基线算法。

基于SRTM3的岸基ADS-B接收站覆盖性能比较分析

广播式自动相关监视(automatic dependent surveillance-broadcast,ADS-B)技术在民航领域获得广泛应用,ADS-B信号遵循相关民航标准,可作为已知相关信息的空中辐射源.为了研究岸基ADS-B接收站在电波传播领域的应用,提出了一种基于航天飞机雷达地形测绘任务3″×3″精度(shuttle radar topography mission 3second,SRTM3)数据的岸基ADS-B接收站覆盖性能预测方法.基于高精度的SRTM3地理高程数据,考虑不规则地形的影响,通过计算不同方位上的遮蔽角,进行ADS-B接收站的遮蔽角以及标准大气环境下的理论预测覆盖性能分析,理论与实测结果的一致性表明算法有效.基于2021-06-18—2022-05-31约1年实测ADS-B数据,给出了各月份理论与实测覆盖性能比较,结果表明:在存在飞机进入和穿出理论覆盖范围的方位上,11月份、12月份、1月份预测误差较小,平均误差小于22 km;其他月份则误差较大,平均误差可达200 km.这些结果可为ADSB信号的覆盖算法性能提升提供参考.

基于TriLSTM-SVDD的ADS-B欺骗数据检测方法

广播式自动相关监视(ADS-B)协议公开、无认证措施等特点,使其易受消息修改攻击。首先,分析了攻击者攻击意图与攻击路径选择的关联性;然后,为了应对通过1090ES链路、机载网络等实施的消息修改攻击,提出了经特征处理的TriLSTM-SVDD模型进行欺骗数据检测。仿真结果表明,TriLSTM模型预测误差显著小于LSTM模型,TriLSTM-SVDD模型则以98.9%的准确率识别出0.01°的纬度值偏差、0.02°的经度值偏差和50 m的高度值偏差。

基于改进PF算法的ADS-B风场反演

将装载自动相关监视广播(ADS-B)机载端的民航飞机视作传感器,利用ADS-B下行数据实施风场反演是近年来新颖的风场探测手段之一。现有的反演算法在飞机小角度转弯情况下存在精度不高的问题,大面积空间风场重建也对风场探测提出了新的挑战。针对上述问题,利用数据的几何结构和Kullback-Leibler Divergence(KLD)采样对粒子滤波(Particle Filter,PF)算法进行改进,该算法通过结合ADS-B数据对航线上的固定位置不同高度层上风矢量进行反演,构造垂直风廓线,并与欧洲中期天气预报中心气象数据作对比,验证了算法的可行性与准确性;最后,利用气象粒子(Meteo-Particle,MP)模型对航线外大面积的风矢量进行估计。实验结果表明,该方法能够反映真实的风场。

一种基于深度生成模型的ADS-B信号增强和目标识别方法

自动相关监视广播数据(automatic dependent surveillance-broadcast,ADS-B)信号在航空领域通信中占据非常重要的地位,其检测、分析对航空运输安全保障意义重大。ADS-B信号常常带有噪声或干扰,这使得直接解码的准确性受到影响。为了更好地捕捉ADS-B信号的信息提升其准确性,提出了EASTR深度学习模型。所提模型首先使用基于非因果扩张卷积和残差网络结构的方法,对原始含噪ADS-B信号进行降噪与增强;随后,经过降噪处理的信号被转换为星群图像,再利用多层感知机进行分类识别。收集了5000条来自不同飞机的ADS-B信号数据,在此数据集上将EASTR与其他同类模型进行比较。实验结果表明:不同信噪比下EASTR均在准确率上优于其他模型。通过消融实验验证了数据增强模块的效能。

基于注意力机制的CNN-LSTM的ADS-B异常数据检测

广播式自动相关监视(ADS-B)是民航新一代空中交通管理系统的重要组成部分,由于协议没有数据加密和认证,导致容易受到数据攻击.为了准确检测ADS-B数据攻击,基于ADS-B数据的时序性,提出了一种基于注意力机制的卷积神经网络-长短期记忆网络(convolutional neural networks-long short-term memory,CNN-LSTM)异常数据检测模型.首先,利用CNN提取ADS-B数据的特征,然后以时序形式将特征向量输入到LSTM中,最后使用注意力机制进行网络参数优化,实现对ADS-B数据的预测,通过计算预测误差,来进行异常检测.实验表明,该模型能够很好地检测出模拟的4种类型的异常数据,与其他机器学习方法相比,具有更高的准确率和F1分数.

基于交替方向乘子法的单天线ADS-B信号分离

广播式自动相关监视(automatic dependent surveillance-broadcast,ADS-B)系统是一种针对空中交通管理的监视系统。然而,由于ADS-B信号传输的随机性不可避免地导致多个ADS-B信号之间的重叠。传统的单天线Capon算法由于频率估计误差导致算法性能下降,针对以上问题提出了一种非频率估计的ADS-B信号分离算法。首先,基于矩阵重构,将单天线ADS-B信号分离问题重新表述成一个与Capon算法类似,但是约束条件完全不同的非凸优化问题。然后,针对该非凸优化问题,使用了交替方向乘子法求解了该非凸优化问题。仿真结果表明,当非重叠的数据的长度大于1μs时,提出的算法就能有效地分离出重叠的单天线ADS-B信号。此外,即使在Capon算法已知重叠信号的频率精确而所提算法未知的情况下,所提算法的性能也优于Capon算法。

基于数字射频调制的ADS-B目标模拟器设计与实现

广播式自动相关监视器(ADS-B)是一种用于空中交通管制的监视设备,因为其优越的各项性能,在雷达监视领域被广泛推广。为了方便快捷地测试ADS-B设备的准确性、可靠性和及时性等技术指标,需要使用目标模拟器来生成各种场景的ADS-B射频测试信号,包括不同的衰减、时延、多普勒频移和交织情况等。文中给出了一种基于数字射频调制技术的目标模拟器设计与实现,阐明了其工作原理与具体实现方法。对该模拟器的测试和使用表明:该模拟器可按照设定产生多个ADS-B目标叠加信号,操作简单且运行稳定,能够实现对ADS-B接收系统性能和功能测试,具有很好的应用价值。

便携式ADS-B目标航迹信息采集及实时显示系统

为高效快捷地采集利用ADS-B数据,基于无线电接收机技术及数据融合处理技术,该文设计了一种便携式ADS-B航迹信息采集显示系统。系统可以接收飞行器发射的ADS-B广播数据,实时显示ADS-B目标的航迹信息、点迹信息,并可进行存储用于事后分析。系统运行结果表明,系统便携性好,显示处理速度快,可应用于室内外不同的ADS-B数据接收环境。

一种基于APES算法的弱ADS-B信号参数估计方法

星基广播式自动相关监视(ADS-B)是能够用于广域范围内飞行目标监视的新一代监视技术,是ADS-B系统的重要发展方向。相对于一般的陆基ADS-B系统,星基ADS-B系统信号需要更长距离链路传输,因此系统接收端接收到的信号较弱,会对信号处理和解码造成严重的影响。针对星基ADS-B信号的特点,介绍了一种基于幅度和相位估计(APES)算法的弱ADS-B信号参数估计方法:首先对信号进行非相干解调并译码,找到信号的高置信度码位,之后利用高置信度码位处的信号集合对信号使用改进后的APES算法进行频率和相位估计,估计值可用于对信号重新相干解调从而提高信噪比和正确译码概率。为了提高算法效率,该方法先利用快速傅里叶变换(FFT)对信号频率进行粗估计后,再使用APES算法进行精估计。仿真结果表明,在低信噪比和低采样率的情况下,算法达到了较高估计精度。

ADS-B中基于格的分层无证书消息可恢复认证方案

广播式自动相关监视(ADS-B)作为新一代空中交通管制的关键技术,已部署在全球大部分空域。已有的ADS-B消息认证方案主要利用传统的公钥密码系统来保证数据安全,计算负担较重且无法抵御量子攻击。首次将基于格的密码体制用于ADS-B通信安全,提出一种同时支持消息可恢复和批量验证的分层无证书消息认证方案。ADS-B机载设备不需要管理证书,也无密钥托管问题。ADS-B消息不需要与签名一起传输,可以在验证阶段进行恢复。利用拒绝采样和无陷门技术,该方案仅需执行计算复杂度较低的线性运算即可实现消息认证。在随机预言机模型和小整数解问题假设下,该方案是可证安全的。性能评价实验结果表明,在同等的比特安全级别下,该方案相比相关工作在节省计算开销方面有显著的提升,对于计算资源受限的航空电子设备十分适用。

一种基于ADS-B的雷达误差实时融合校正算法

针对我国中西部地区雷达未实现多重覆盖,大部分飞机未配备广播式自动相关监视(automatic dependentsurveillance-broadcast,ADS-B)机载设备,监视精度不高的问题,结合雷达误差模型理论,提出了基于ADS-B数据的雷达误差实时校正算法.该算法对同一时刻获得的多组ADS-B数据与雷达数据的差值进行数据融合,得到该时刻雷达误差的最优估计值,并对雷达进行误差校正.算例仿真结果表明:经该算法校正后,雷达测量的距离与真实距离之间的均方根误差约为50 m,测量的角度与真实角度之间的均方根误差约为0.04°,且校正后的航迹和真实飞行航迹基本重合.

基于累加分类的ADS-B交织信号处理方法

广播式自动相关监视作为国际民航组织主推的监视技术,近年来受到了广泛关注,越来越多的飞行器配备了ADS-B收发设备。介于ADS-B信号的广播体制以及空域流量的不断增加,不同的ADS-B信号之间不可避免会发生交织;而信号交织会给ADS-B信号的解码带来严重影响,进而造成信息的错误读取或丢失。针对上述问题,本文提出了一种单天线下基于累加判决的解交织算法:首先通过单天线下的有效脉冲位置检测以及基于希尔伯特变换的交织检测分别获得信号的起始位置以及信号交织位置,进而得到两条信号之间的相对时延,从而对数据进行累加并利用K-means方法进行分类,最终得到比特位判决结果以实现交织信号分离;针对已有的解交织算法进行了比较,验证本文所提算法在交织信号之间存在一定功率差时有着良好的分离效果。

基于ADS-B统计数据的航路安全间隔研究

通过研究航迹分布规律,制定合适的航路宽度标准是提高空域利用率的关键所在。运用Delphi,开发基于广播式自动相关监视(ADS-B)的航迹数据处理程序。在解析实时飞行数据的基础上,以A593航路为研究对象,统计其航迹位置点与航路中心线的偏离程度。运用Q-Q(Quantile-Quantile)图中位数检验法,对其进行正态分布检验。绘制各个航班的飞行轨迹,并对数据进行拟合,对航迹分布进行统计计算,得到在3个标准差可容度下的分布规律。提出新的航路宽度值。运用危险碰撞模型(CAP),评估航路安全间隔。结果表明,利用CAP模型验证的航路两侧各8km宽的碰撞风险概率值远小于国际民航组织规定的2×10-12安全目标水平,为进一步研究基于ADS-B的飞行安全间隔提供依据。