基于MLAT定位解析算法研究综述

为切实提高航空安全水平,提高机场利用率、减轻管制人员的工作负荷,实现准确及时地监视目标飞机位置是维持机场内部安全有效运行的基础。多点定位系统(MLAT)作为新兴场面监视技术,可对监视点精准实时可靠定位,对MLAT的研究已经成为国际民航界的一个研究热点。综述了多点定位算法的研究现状;重点分析了基于到达时间差(TDOA)下的定位解析算法,依据算法特性将其分为基于迭代形式、解析转化形式及智能混合算法形式,对存在的问题进行归纳总结,并对多点定位技术的潜在发展方向做出展望。     

多点定位系统在民用航空中的应用

一、多点定位系统简介 multilateration（MLAT）系统是国外提出的一种新的机场场面监视手段,multilateration一词在国内还找不到确切的翻译,民航界根据其工作原理翻译为“多点定位”,也有称为“分布式二次雷达监视”和“多站相关监视（MDS）”的。     

机场场面监视雷达系统应用示范方案

正机场场面监视雷达是一种主动式微波监视设备,系统对机场场面目标的监视不需要被监视目标的合作,是一种重要的非合作目标监视设备。同时,该雷达的工作性能不受外部光照的影响,具备全天时监视的能力;基于电磁波具有的云、雨、雾等介质穿透能力,而具备全天候监视的能力。基于以上特性,机场场面监视雷达不仅在机场场面导航与控制系统(SMGCS)中得到了广泛的     

基于A-SMGCS的航空器场面运行冲突探测研究

通过对目前机场场面航空器运行过程冲突探测的研究,结合A-SMGCS系统场面MLAT监视技术及TDOA定位技术,重点分析航空器跑道运行冲突和滑行道运行冲突两种类型,并建立数学网络模型。利用A-SMGCS系统监视模块与路由规划模块的结合,构建冲突探测系统框架,结合具体机场冲突探测告警参数,选择网格冲突探测法,并运用全局搜索算法,确定了航空器跑道冲突探测和滑行道冲突探测方案,对提升机场运行安全和运行效率具有重要意义。     

基于无线传感器网络的机场特种车定位算法研究

机场停机坪内特种车辆的定位是机场场面监控的重要部分,基于无线传感器网络实现对机场特种车辆的实时定位。针对RSSI值易受环境影响问题,采用高斯模型对采集的RSSI值进行筛选,通过空间补偿模型将节点映射到同一平面,并提出了修正加权质心定位算法,修正权重系数,提高定位精度。仿真结果表明,该算法能够满足机场特种车定位精度的要求。     

基于视频识别数据融合的场面监视增强方法

针对场面监视雷达、多点等传统机场场面监视传感器探测机场场面航空器、车辆等目标,出现目标虚假、分裂等现象,造成空管系统目标航迹不可靠影响机场管制运行安全问题。提出了一种基于视频识别数据融合的机场场面目标监视增强方法,方法采用YOLO v5网络模型的深度学习智能视频识别技术识别场面航空器、车辆、行人目标,并对存疑目标再利用云台相机捕捉特写,对初次比对分析的结果进行二次对比分析确认,然后与A-SMGCS系统中传统监视数据融合对比处理,自动对场面目标做真伪、增减处理,剔除虚假目标、弥补丢失目标,增加场面目标监视的可信度、可靠性。为塔台管制员提供真实、可靠、全面的场面航空器、车辆、人员运行态势“一幅图”,提高航班管制运行安全。     

MRF模型去雾算法在机场场面监视中的应用

面对日益严峻的雾霾天气对民航业的影响,在雾霾天气下的机场场面监视方面,文章提出了一种基于MRF模型的去雾霾算法,并利用CNC去雾霾效果评价体系与Retinex、He等传统去雾霾算法的去雾效果进行了对比,可以看出,MRF模型去雾霾算法对场面监视的雾霾图像具有较好的效果性和鲁棒性。     

传感器位置误差条件下的约束总体最小二乘时差定位算法

 现代定位系统中,传感器往往被安放在运动平台上,其位置无法精确得知,存在估计误差,将严重影响对目标的定位精度。针对这一问题,提出基于约束总体最小二乘(CTLS)的到达时差(TDOA)定位算法。首先通过引入中间变量,将非线性TDOA定位方程转化为伪线性方程,再利用CTLS技术,全面考虑伪线性方程所有系数中的噪声。在此基础上推导了定位方程的目标函数,再根据牛顿迭代方法,进行数值迭代,快速得到精确解。采用一阶小噪声扰动分析方法,对该算法的理论性能进行了分析,证明了算法的无偏性和逼近克拉美-罗下限(CRLB)。仿真实验表明,该算法克服了现有总体最小二乘(TLS)算法不能达到CRLB、两步加权最小二乘(two-step WLS)算法在较高噪声时性能发散的缺陷,在较高噪声时定位精度仍然能达到CRLB。     

面向视觉着陆的高精度结构化约束特征点研究

为提高视觉着陆过程中无人机的相对定位精度,选取视觉图像中的直线交点作为结构化约束特征点,设计了基于梯度一致性的边缘检测算法,并结合Shi-Tomasi角点检测算法进行结构化约束特征点的粗定位。对LSD直线检测算法进行改进并设计了亚像素角点定位精度改进算法,在结构化约束特征点粗定位的基础上,将其精度提高到亚像素级。基于实际场景中固有约束的结构化约束特征点具有鲁棒性、旋转和尺度不变性,抗干扰能力更强,其高精度定位有利于提高视觉着陆相对定位的精度与可靠性。     

面向视觉着陆的高精度结构化约束特征点研究

为提高视觉着陆过程中无人机的相对定位精度,选取视觉图像中的直线交点作为结构化约束特征点,设计了基于梯度一致性的边缘检测算法,并结合Shi-Tomasi角点检测算法进行结构化约束特征点的粗定位。对LSD直线检测算法进行改进并设计了亚像素角点定位精度改进算法,在结构化约束特征点粗定位的基础上,将其精度提高到亚像素级。基于实际场景中固有约束的结构化约束特征点具有鲁棒性、旋转和尺度不变性,抗干扰能力更强,其高精度定位有利于提高视觉着陆相对定位的精度与可靠性。