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。     

机载ADS-B OUT设备适航验证方法研究

ADS-B是广播式自动相关监视的缩写,是一种新兴的民航运行监视技术。ADS-B OUT是ADS-B的基本工作模式,其工作原理是基于全球导航卫星定位系统(GNSS)获取航空器位置信息,由飞机飞行管理系统自动地将飞机的位置、速度、姿态等关键信息使用ADS-B发射机,通过地空数据链以广播形式发送给相关的地面站/地面数据中心等。ADS-B OUT模式的功能由机载ADS-B设备和ADS-B地面设备共同实现,机载ADS-B设备作为机载监视设备,必须符合相关适航条款和规范的要求。本文概括地介绍了ADS-B技术,对ADS-B的背景、工作原理和优点进行了阐述,对与机载ADS-B设备相关的适航条款、规范进行了梳理和归纳,研究并整理了适用的主要的符合性验证方法,对试验中应重点关注的试验项目和重点关注的问题进行了总结,并对机载ADS-B设备的发展和相关的适航验证方法提出了设想。     

基于ADS仿真平台的双模式机载ADS-B接收机仿真

围绕机载ADS-B接收机组件的工作方式,研究1090ES和UAT两种类型数据链的技术指标,给出了机载ADS-B射频接收前端的系统架构,搭建了一款机载ADS-B接收机的仿真系统。仿真系统以ADS先进设计系统软件为仿真平台,基于RTCA DO-260B标准,实现了1090ES和UAT双模式数据链机载ADS-B接收机的构建。     

基于UAT数据链的ADS-B机载系统的设计与实现

介绍了UAT和ADS-B的含义及相互关系,详细描述了基于UAT的ADS—B机载系统的组成和工作原理,并在此基础上给出了UAT机载设备的处理流程和设计方法。     

ADS-B信息安全问题及对策

广播式自动相关监视系统（ADS-B）是目前国际民航界大力发展的一种新型监视技术。要顺利实施ADS—B,信息安全问题是关键因素。本文提出了几种影响ADS—B系统应用的信息安全问题,并据此提出了解决方案和建议。     

对ADS-B信号进行飞行校验的必要性及校验方法

<正>本文就ADS—B进行技术分析介绍,从技术和安全保障方面探讨对ADS—B进行飞行校验的必要性。同时研究了采用什么样的手段进行飞行校验,校验的科目和具体要求。由于民航对安全要求的不断提高,在空中交通领域出现了几种新技术,用于空域监视。ADS-B(广播式自动相关监视)就是其中之一,可用来监视所有的商业飞机和大多数的通用飞机的空中交通运输。作为未来主要的航空监视手段之一,ADS-B已     

英国FAA和航空公司在ADS-B使用上的分歧

出于减少航电成本的考虑，美国的航空公司希望FAA改变它所提议的ADS-B的一些要求。美国的航空公司和机场并不反对ADS-B的应用，但美国航空运输协会（ATA）却认为其成员在2020年前装备ADS-B会带来大量预付费用，FAA估计，美国全行业ADS-B的装备投入估计多达74亿美元，但航空公司认为，FAA要求2020年前安装ADS-B的“发出”和“接收”功能并不同步（所谓“发出”功能是一架飞机周期性地向地面空管和其他飞机广播其位置、速度和其他数据，但只有装备了ADS—B“接收”功能的飞机才能直接接收来自其他飞机的信号，然后其驾驶员才能在显示器上看到其附近装有ADS-B飞机的所在位置），因而，在FAA确定要求装备ADS-B“接收”功能之前，ATA不赞成其成员先装ADS-B“发出”功能。     

基于UAT数据链的ADS-B机载设备的安装及维护研究

数据链路是ADS-B技术的重要组成部分,以广播方式传输飞行器状态、位置、速度等重要监视信息,目前ADS-B技术可选的数据链技术有三种:Mode S 1090 ES、UAT和VDL MODE4.基于UAT数据链的ADS.9B机载系统包括美国Garmin公司生产的GDL-90系统,该系统能够通过UAT数据链传输数据,并且接收来自其他有UAT装备的飞机的数据以及FIS-B气象信息,接收到的数据还可以在显示器上显示.     

自动相关监视系统信息传输性能分析方法及测试平台构建

本研究目的在于提出一种在民用飞机机载自动相关监视系统(Automatic Dependent Surveillance,简称ADS)系统设计和试验过程中实时/非实时检测该系统端到端信息传输性能的分析方法,并进行相应的地面测试平台搭建设计。对口于飞机的机载系统,ADS监视系统信息传输性能分析平台能够快速准确定位ADS系统的试验故障,实现有效的排故和分析,直观地评估自相关监视系统的工作状态。这项研究的结果有助于推动机载合同式自动相关监视系统(Automatic Dependent Surveillance-Contract,简称ADS-C)和广播式自动相关监视系统(Automatic Dependent Surveillance-Broadcast,简称ADS-B)机上地面功能试验、民机机上地面试验、民机飞行试验等各项工作的开展。该平台在飞机交付以后,也有利于维护工作与客户支持工作的进行。     

一种ADS-B构型在"新舟"600上的应用

介绍了一种ADS-B构型在"新舟"600飞机上的应用和技术特点,阐述了该构型下编程模块的编程方法,为支线航空飞机应用ADS-B提供了一种可借鉴的实用加装方案.     

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。     

Large-scale real-world radio signal recognition with deep learning

In the past ten years, many high-quality datasets have been released to support the rapid development of deep learning in the fields of computer vision, voice, and natural language processing. Nowadays, deep learning has become a key research component of the Sixth-Generation wireless systems (6G) with numerous regulatory and defense applications. In order to facilitate the application of deep learning in radio signal recognition, in this work, a large-scale real-world radio signal dataset is created based on a special aeronautical monitoring system - Automatic Dependent Surveillance-Broadcast (ADS-B). This paper makes two main contributions. First, an automatic data collection and labeling system is designed to capture over-the-air ADS-B signals in the open and real-world scenario without human participation. Through data cleaning and sorting, a high-quality dataset of ADS-B signals is created for radio signal recognition. Second, we conduct an in-depth study on the performance of deep learning models using the new dataset, as well as comparison with a recognition benchmark using machine learning and deep learning methods. Finally, we conclude this paper with a discussion of open problems in this area.     

星基ADS-B接收机监视容量分析

星基广播式自动相关监视（ADS-B）系统是实现广域范围内航空器监视的重要技术手段。星基ADS-B系统内部存在严重的共信道干扰,共信道干扰限制了系统的监视性能。为了定量给出星基ADS-B接收机监视容量的计算方法,首先,给出了星基ADS-B系统的模型;随后,通过理论分析得到了星基ADS-B接收机报文冲突概率及报文正确接收概率,以此为基础理论,分析得出星基ADS-B接收机位置报文更新间隔及监视容量的计算方法;最后,构建了星基ADS-B仿真系统,仿真验证了理论计算公式的正确性。研究表明：星基ADS-B接收机的监视容量由飞机-卫星空天链路的误码率及ADS-B应用子系统所要求的位置报文更新间隔联合决定。     

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。     

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。     

共信道干扰环境下星基ADS-B系统监视性能

星基广播式自动相关监视系统（星基ADS-B）是实现广域范围内航空器监视的主要技术手段。为揭示星基ADS-B系统共信道干扰对系统监视性能的影响，提出了星基ADS-B系统监视容量的计算方法。首先给出了星基ADS-B系统模型，随后理论分析给出消息正确接收概率、位置消息更新间隔及位置报告更新间隔的计算公式，以此为基础给出了星基ADS-B系统监视容量的计算公式，最后基于SNS软件构建了星基ADS-B仿真系统，仿真验证了理论结果的正确性。研究表明：星基ADS-B系统的监视容量由ADS-B应用子系统所要求的航空器位置报告更新间隔、航空器-卫星链路的误码率、星-地面站链路的误码率及卫星数目联合确定。     

基于嵌入式系统的 ADS-B 接收机软件设计和关键技术分析

广播式自动相关监视(ADS-B)是基于 S 模式空-地、空-空数据链完成监视、信息传递和导航的一种空中交通管制(ATC)新技术.本文提出了基于 Vxworks 嵌人式操作系统的 ADS-B 接收机核心软件设计,论述了系统实现所需的邻机数据管理、格雷码解码以及位置信息处理等关键技术以及软件实现方法     

Actual TDoA-based augmentation system for enhancing cybersecurity in ADS-B

Currently, cybersecurity and cyber resilience are emerging and urgent issues in next-generation air traffic surveillance systems, which depend primarily on Automatic Dependent Surveillance-Broadcast (ADS-B) owing to its low cost and high accuracy. Unfortunately, ADS-B is prone to cyber-attacks. To verify the ADS-B positioning data of aircraft, multilateration (MLAT) techniques that use Time Differences of Arrivals (TDoAs) have been proposed. MLAT exhibits low accuracy in determining aircraft positions. Recently, a novel technique using a theoretically calculated TDoA fingerprint map has been proposed. This technique is less dependent on the geometry of sensor deployment and achieves better accuracy than MLAT. However, the accuracy of the existing technique is not sufficiently precise for determining aircraft positions and requires a long computation time. In contrast, this paper presents a reliable surveillance framework using an Actual TDoA-Based Augmentation System (ATBAS). It uses historically recorded real-data from the OpenSky network to train our TDoA fingerprint grid network. Our results show that the accuracy of the proposed ATBAS framework in determining the aircraft positions is significantly better than those of the MLAT and expected TDoA techniques by 56.93% and 48.86%, respectively. Additionally, the proposed framework reduced the computation time by 77% compared with the expected TDoA technique.     

ADS-B统计数据的位置导航不确定类别质量分析

为实现广播式自动相关监视(ADS-B)航迹与雷达航迹的高质量融合,必须对ADS-B航迹和雷达航迹数据质量进行分析。在分析实际ADS-B航迹数据的基础上,提出以航路为参考基准验证ADS-B航迹数据精度及完好性的方法。根据ADS-B报文中的位置导航不确定类别(NUCp)值,统计航迹点与航路中心线的水平偏差并将其作为位置实际误差,运用分位数-分位数图法对位置实际误差进行正态分布检验,得出置信水平为99%的实际误差置信区间,即在不同NUCp值下可信赖的位置误差范围。实验结果表明,在采用加权平均法进行航迹融合时,与传统权重分配相比,对于NUCp值为5或6的ADS-B航迹数据可增大权重,而对于NUCp值为7的数据则应减小权重。