基于航迹质量评估的雷达和ADS-B数据融合方法

雷达和广播式自动相关监视系统（ADS-B）的数据融合是监视“黑飞”无人机和飞鸟等目标的有效手段,然而两种传感器跟踪性能差异较大且易波动,会带来融合精度下降问题。提出一种基于航迹质量评估的雷达和ADS-B 数据融合方法,首先量化评估局部航迹精度、数据更新次数和传感器测量误差对局部航迹质量的影响,其次综合计算局部航迹的质量加权因子,最后基于分布式融合结构完成异步航迹融合处理。结果表明：本文提出的融合处理方法能有效提高融合跟踪精度,在传感器跟踪性能出现波动的情况下,跟踪误差均优于传统航迹融合方法。实际工程应用中的融合效果也验证了本文方法有助于实现对低空合作和非合作式目标的综合监视。     

ADS-B用于高精度雷达标定的方法

为了更好地解决高精度雷达标定的问题,提出了基于广播式自动相关监视系统(ADS-B)固定误差及目标回波中心动态修正的雷达标定新方法。首先分析了ADS-B位置数据误差的来源、类型及在雷达坐标系下的特征,同时对民航目标回波中心的变化作了分析建模,在此基础上进一步通过对雷达数据与ADS-B数据之差作动态联合修正,最终估算出雷达系统误差,提高了雷达系统误差标定的精度和稳定性。并利用多批次的实测数据对该标定新方法与其他方法进行了对比验证,结果表明,该方法有效提高了标定的精度和稳定性,并已成功应用于雷达标定设备中。     

基于CNN-LSTM-attention模型航迹预测研究

以航迹预测方法作为切入点,重庆-广州航路航空器记录的ADS-B数据作为研究内容,提出了一种融合注意力机制的长时序航迹预测方法(CNN-LSTM-attention)。研究运用一维卷积神经网络对航迹数据多维特征进行提取,并将经纬度、高度、速度、航向等的多维特征向量构造成时序形式作为LSTM网络输入,通过赋予LSTM网络隐含层的权重占比并区别不同时序点隐藏层信息对未来航迹预测的影响程度来达到优化预测模型的作用。构建好的CNN-LSTM-attention模型采用Adam优化算法进行训练,LSTM和CNN-LSTM作为实验对比模型,将决定系数R²作为模型评价标准来衡量航迹预测模型的准确性。实验结果表明加入注意力机制的神经网络预测模型CNN+LSTM+attention(卷积神经网络-长短期记忆网络-注意力机制)的方法相较于其他两种,其预测精确性更高。     

基于傅里叶变换的航迹对准关联算法

研究了在组网雷达存在系统误差情况下的目标航迹关联问题,理论分析了雷达系统误差对目标航迹的影响,并将该影响表示为目标航迹的旋转和平移量。在此基础上,提出了一种基于傅里叶变换的系统误差配准前航迹对准关联算法,该算法将组网雷达的航迹数据看做为一种整体信息,采用傅里叶变换理论来估计和补偿组网雷达目标航迹数据到融合中心航迹数据的相对旋转量和平移量,将雷达网中雷达上报的目标航迹数据对准到融合中心,从而不依赖于估计雷达网系统误差,实现了误差配准前的航迹准确关联,能够为后端的系统误差配准提供可靠的关联目标航迹数据。     

基于空间多特征综合推理的航迹航路关联

针对航迹分类问题,研究了基于空间多特征的综合推理在航路判读中的应用。首先根据空管系统对航路以及飞机飞行的要求,对航迹航路相关问题进行建模。然后根据已知的传感器系统输出的目标特性(位置,航向)与已知的多个航路信息分别进行相关度计算,构造基本信任函数,通过对其融合,得到目标单特征识别结果。其中,通过合理地引入复合类,实现了对目标类别的广义信任分类。建立了多特征折扣融合算法,对多特征基本信任函数进行折扣后再融合,得到目标多特征识别结果。仿真结果以及空管实际数据测试表明:该算法不仅可以实现航迹分类,同时可以有效地降低分类的错误率。     

雷达站站址误差对多机协同航迹欺骗干扰的影响分析

多机协同航迹欺骗干扰是专门针对雷达网的一种新的电子干扰手段。文章在介绍了多机协同航迹欺骗干扰基本原理的基础上,重点对雷达网内雷达站址误差对航迹欺骗干扰的影响进行了分析,推导了有关理论模型,并以融合中心采用K近似域(K-NN)航迹关联准则为背景,仿真分析了雷达站址误差对航迹欺骗干扰的影响,得出了雷达站址误差对航迹欺骗干扰性能有重要影响、但此影响随电子战飞机与雷达站间的距离增大而降低的结论。     

采用飞行流模拟方法的ADS-B平行航路纵向安全间隔评估

利用ADS-B监视下的PBN平行航路能够提高空域资源使用效率功能,设计了基于现有雷达数据的平行航路飞行流模拟方法。利用飞行动力学模型,建立了考虑ADS-B监视信号更新周期的PBN平行航路纵向安全间隔评估模型,进行飞行流运行特性仿真并得到飞机对的潜在冲突次数,验证了监视信号扫描周期对飞行流整体碰撞风险的影响。该方法实现了在飞行流整体运行下对平行航路进行风险评估。     

基于归一化互相关的系统误差配准算法

雷达组网中由于系统误差存在,航迹不能正确关联,因而无法进行有效的误差配准。为了解决这一问题,理论分析了系统误差对目标航迹的影响并将该影响表示为目标航迹的旋转和平移量,结合图像信号时频域特性,提出了一种基于归一化互相关的误差配准算法。该算法采用归一化互相关来估计和补偿组网雷达目标航迹到融合中心航迹的相对旋转参数和平移参数,从而为后面的系统误差配准提供可靠的航迹关联数据。     

海上目标雷达与 AIS航迹时空匹配方法

针对海上目标的雷达与船舶自动识别系统(Automatic Identification System,AIS)中,航迹之间存在的时空不匹配现象,提出了在空间对准之后结合海上航迹运动特点,对 AIS航迹数据进行插值对准雷达目标航迹的方法,在解决雷达与 AIS航迹之间时空不匹配问题的同时,最大程度减小插值误差。该方法根据船舶航向变化率,结合航速航向法和内插外推法的优势,针对不同航迹特点自动选择最佳的插值配准方法,实现海上目标的雷达与 AIS航迹点的自动插值和时空对齐。仿真实验结果表明,所提方法针对海上目标复杂运动,可以自动匹配选择最佳插值方法,有效降低误差,实现雷达与 AIS航迹之间的时空匹配。     

天津终端区ADS-B位置报告更新间隔的研究

广播式自动相关监视(ADS-B)是未来空中交通管理的主要监视手段。为了分析不同接收距离和接收空域内不同飞机密度对ADS-B位置报告更新间隔的影响,构建了一套地基ADS-B接收实验系统,通过采集天津滨海机场附近接收的DF17消息,并利用ADS-B接收实验系统统计分析出不同接收距离与不同飞机密度条件下的正确位置报告更新间隔。研究得出:该区域ADS-B位置报告更新间隔呈现多峰分布形态,且位置报告更新间隔随着接收距离与飞机密度的增加而增大;位置报告更新间隔能满足EUROCAE指定的终端区与航路区位置更新间隔监视性能要求。该研究为评估中低空密度空域ADS-B监视性能提供一定参考价值。     

Study of ADS-B Data Evaluation

In western China, the terrain and meteorological conditions are so complex that it is not suitable to construct new radar stations. Automatic dependent surveillance-broadcast (ADS-B) is a totally new surveillance method, so before practically applied and operated in China, abundant tests and evaluations are necessary to validate the performance of ADS-B and guarantee the operational security. During the flight tests, we collect the data of radar, ADS-B and high accuracy position and compare the performance of ADS-B with radar based on high accuracy position. To solve the asynchronous problem among radar data, ADS-B data and real-time kinematic (RTK) data caused by different update rates, this article proposes the technique of synchronizing multi-surveillance data by extrapolating from the data of low update rate to high update rate according to velocity and heading. Meanwhile, because radar data, ADS-B data and RTK data are expressed in different coordinates and cannot be compared each other, this article provides a method to unifying the coordinates of multi-surveillance data. By the analysis and evaluation, we can conclude that the performance of ADS-B is better than radar.     

基于BiGRU-SVDD的ADS-B异常数据检测模型

广播式自动相关监视（ADS-B）作为新一代空管监视技术,由于采用明文方式广播发送数据,因而存在易遭受网络攻击的安全问题。为了准确检测ADS-B数据攻击行为,在充分考虑时间相关性的基础上,提出了针对ADS-B数据的异常数据检测模型。首先利用双向门控循环单元（BiGRU）神经网络预测ADS-B数据,得到了ADS-B数据预测值。再将预测值和实际值作差,将差值放入支持向量数据描述（SVDD）训练,得到了能检测ADS-B异常数据的超球体分类器。并且,选择了合适的滑动窗口,在保证异常检测准确率的同时,缩短BiGRU神经网络的训练时长。实验结果表明,BiGRU-SVDD模型能检测出随机位置偏移攻击、高度偏差攻击、重放攻击、拒绝服务（DOS）等攻击下的ADS-B异常数据。并且,与其他机器学习和深度学习方法相比,BiGRU-SVDD异常检测模型的准确率更佳,适应性更优。     

基于深度学习的ADS-B异常数据检测模型

广播式自动相关监视（ADS-B）是下一代空中交通运输系统的重要组成部分，是新航行系统中非常重要的通信和监视技术，但其协议没有提供相关的信息认证和数据加密，因此极其容易受到欺骗干扰的影响。针对ADS-B报文数据特点，采用深度学习的seq2seq模型对ADS-B报文数据进行重构，通过重构误差来检测异常，并对数据进行特征扩展，使模型能更好的捕捉数据的时间依赖性。实验结果表明，所采用的方法优于传统的机器学习方法，且在数据特征扩展后，模型检测效果提升。相比于现有的欺骗干扰检测方法，该方法不需要改变ADS-B系统的协议，也不需要额外的节点或传感器参与，具有一定的适应性和灵活性。     

EBAA：An efficient broadcast authentication scheme for ADS-B communication based on IBS-MR

Automatic dependent surveillance-broadcast （ADS-B） systems can broadcast satellitebased aircraft position, identification, etc., periodically, and are now on track to replace radar to become the backbone of next-generation air traffic management （ATM） systems. However, ADS-B systems suffer severe cyber-security problems due to the broadcast-type data link and the lack of designed-in security measures. Especially, since ADS-B messages are unauthenticated, it is easy to insert fake aircraft into a system via spoofing or insertion of false messages. Unfortu- nately, the authentication for ADS-B messages has not yet been well studied. In this paper, based on identity-based signature with message recovery （IBS-MR）, an efficient broadcast authentication scheme for ADS-B messages is proposed. The security analysis demonstrates that the scheme can achieve authenticity and integrity of ADS-B broadcast messages, as well as adaptive evolution of broadcasters＇ private keys. The performance evaluation shows that the scheme is computationally efficient for typical avionics devices with limited resources. Furthermore, the scheme achieves low communication overhead since broadcast messages can be recovered from signatures, and thus it is suitable for low-bandwidth ADS-B data link.     

ADS-B监视下飞行间隔评估方法研究

广播式自动相关监视（ADS-B）技术推广使用的首要问题是间隔标准的确定,为此ADS-B下飞行间隔的评估就成为亟待解决的问题。采用与基准系统进行比较的方法,对ADS-B监视下的飞行间隔的安全评估方法进行了研究。建立了ADS-B监视下的危险接近概率模型,确定了ADS-B下飞行间隔的研究方法,对雷达监视和ADS-B监视下的危险接近概率进行比较分析,在不低于雷达监视的安全目标水平下确定出ADS-B监视下对应的最小间隔。研究结果表明：在不低于雷达监视的安全目标水平下,ADS-B监视下的飞行间隔标准更小,因此方法适用于国内ADS-B监视下的飞行间隔的评估。     

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 方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。     

Target Track Pulse Scheduling

The problem of scheduling radar tracking pulses in a dense target environment where the position estimation error must be constrained to avoid false return with track correlations is considered. The problem is to schedule n fixed energy pulses such that the rangerate error is minimized at some final time subject to the constraint that the position error will be smaller than some value for the whole time interval. For a fixed time interval, the problem of finding the minimum number of radar measurements required to satisfy the position estimation error constraint is solved. A closed-form solution for the optimum schedule is given in the case where the number of pulses is equal to the minimum number of pulses. For cases where one extra pulse is available, a solution method is described and an algorithm is derived.     

ADS-B监视数据质量分析研究

为了进一步推广ADS-B技术,提高ADS-B数据的质量,通过对ADS-B数据的分析,研发了一种ADS-B数据质量评估系统,该系统可以对CAT021报文进行解析,并对解析后的数据的完好性、漏点率和跳点率进行分析,以及航班轨迹的显示。论文中采用了广州＂大和章＂ADS-B台站数据对其进行了验证,其评估结果可靠有效,对ADS-B数据分析研究有一定的参考意义。