面向终端区航空器飞行状态识别的HMM方法

为了准确掌握和预测终端区航空器飞行状态及其时序,为管制指挥提供参考,提出了一种基于隐马尔可夫模型的终端区飞行状态识别模型。通过对终端区雷达数据的一致化处理,形成符合隐马尔可夫模型的雷达航迹特征表示;采用雷达特征航迹训练隐马尔可夫模型,建立航空器飞行状态及其时序识别模型。实验表明:对于常规进场的航空器,方法快速有效,平均识别率高达91.53%;模型充分体现了管制意图信息与飞行意图信息;可以帮助管制员及时准确判断航空器的飞行状态。     

航空器飞行状态预测的混合模型研究

航空器的飞行状态预测是飞行冲突探测的核心问题,也是保障飞行安全的关键所在.为了准确、高效地预测航空器的飞行状态,提出了一种HMM-BP混合模型.首先深入分析了航空器的飞行特点,从不同角度定义飞行状态并建立几何判定方法;然后通过HMM模型分别对航空器的飞行高度、航向以及速度特征进行时序建模;最后利用BP神经网络对航空器的飞行状态进行了推理预测.研究结果表明,该方法通过分析航空器在扇区内最初5min的雷达航迹数据,能够准确地预测其在扇区剩余时间的飞行状态,且计算速度快、预测效率高,可以有效协助管制员正确掌握航空器的飞行状态.