多雷达与ADS数据融合的可变周期更新算法

白松浩

多雷达与ADS数据融合的可变周期更新算法

白松浩

空军装备研究院雷达所, 北京 100085

基金项目:

总装预研基金项目 413220402

详细信息

作者简介:
白松浩(1963-), 男, 河南新郑人, 空军装备研究院高级工程师, 工学博士, 从事空中交通管制自动化和新航行系统研究

中图分类号: V355.1
计量
- 文章访问数: 492
- HTML全文浏览量: 159
- PDF下载量: 353
- 被引次数: 0
出版历程
- 收稿日期: 2006-10-25
- 刊出日期: 2007-04-25

Variable period updating algorithm of multiradar and ADS data fusion

Bai Song-hao

Institute of Radar, Air Force Equipment Academy, Beijing 100085, China

More Information

Author Bio:
Bai Song-hao(1963-), male, PhD, senior engineer, +86-10-62933560, shbai@sohu.com

摘要

摘要: 为提高空中交通管制系统的整体监视精度, 在研究自动相关监视(automatic dependent surveillance简称ADS)信息与雷达监视信息构成和特征差异的基础上, 通过建立ADS目标与雷达目标之间的数据关联映射关系, 构造了一个将ADS数据与多雷达数据融合处理的过程模型, 提出了基于ADS报告周期调整ADS航迹与雷达航迹融合权重因子的可变周期更新算法。应用结果表明更新算法实现了两类信息的深度融合和对有效信息的综合利用, 既保证了当ADS报告更新率较高时ATC监视的整体精度, 又提高了ADS报告更新率较低时目标航迹的连续性, 降低雷达测量误差对系统监视精度的影响, 是一种用于空中交通管制系统监视数据处理的有效方法。
- 空中交通管制 /
- 数据融合 /
- 自动相关监视 /
- 更新算法
Abstract: In order to improve the surveillance performance of air traffic control system, the differences in contents and characters between ADS data and radar data were analyzed, the data mapping relation of multiradar target and ADS target was established, a new data fusion process model of multiradar data and ADS data was put forward, and a variable period updating algorithm was applied to determine the power factors of radar and ADS tracks in data fusion based on the position reporting period change of ADS information.Applied result shows that the algorithm can enhance information fusion depth and valid information utilization, ensure the whole accuracy of ATC surveillance when ADS data has a high updating rate, keep the smooth of target tracks when ADS report rate decreases, and decrease the influence of radar errors on surveillance system.It is an effective method for processing surveillance data in air traffic control system.
- air traffic control /
- data fusion /
- ADS /
- updating algorithm

HTML全文

图 1 多雷达数据融合的过程模型

Figure 1. Process model of multiradar data fusion

下载: 全尺寸图片幻灯片

图 2 ADS与多雷达数据融合的过程模型

Figure 2. Data fusion process model of ADS and multiradar

下载: 全尺寸图片幻灯片

图 3 目标关联映射关系

Figure 3. Target mapping relationship

下载: 全尺寸图片幻灯片

图 4 权重系数曲线

Figure 4. Curve of power factor

下载: 全尺寸图片幻灯片

表 1 信息差异

Table 1. Information difference

	ADS目标	雷达目标
信息获取	主动报告由卫星定位获取的位置信息	无线电探测或询问/应答获取的位置信息
信息获取	报告周期为1~600 s, 可变, 且不同目标可采用不同的报告周期	所有目标的获取周期固定, 且与天线的旋转周期(4~10 s)相同
信息内容	目标在WGS84坐标系中的经纬度	目标相对雷达站的方位距离
	统一编排目标地址	动态分配的二次代码
	导航不确定类型值	雷达航迹质量等级
	预计下一航路点的位置和到达时间	只有目标当前的探测信息, 没有计划信息
	飞行姿态信息, 如转弯、爬升状态等	无目标主动报告的姿态信息

下载: 导出CSV

表 2 周期分段

Table 2. Period segments

完好性	周期/s	融合方式
可用	< 5	单选ADS数据
	5~30	将ADS航迹和雷达航迹加权综合
	> 30	ADS数据只用于雷达测量误差的判别和配准, 不参加综合
不可用		丢弃ADS数据, 仅做多雷达数据的融合

下载: 导出CSV

参考文献(10)

[1]	Xu Yu, Jin Yi-hui, Zhou Yan. Several methods of radar datafusion[C]//IEEE. 2002 3rd International Symposium on Electromagnetic Compatibility IEEE. Beijing: IEEE, 2002.
[2]	白松浩. 自动相关监视技术综述[J]. 无线电工程, 2005, 35(10): 33-36. Bai Song-hao. Review of automatic dependent surveillance technology[J]. Radio Engineering of China, 2005, 35(10): 33-36. (in Chinese)
[3]	RTCA DO-212, Minimum Operational Performance Standards for Airborne Automatic Dependent Surveillance(ADS)Equipment[S].
[4]	白松浩, 吕善伟. 一种将自动相关监视目标转换为伪雷达目标的信息转换方法[J]. 电子学报, 2005, 33(3): 504-506. doi: 10.3321/j.issn:0372-2112.2005.03.030 Bai Song-hao, Lu Shan-wei. An information convert method of transforming ADS target to pseudo-radar target[J]. Acta Electronica Sinica, 2005, 33(3): 504-506. (in Chinese) doi: 10.3321/j.issn:0372-2112.2005.03.030
[5]	蒋乃欣, 张军, 罗喜伶, 等. ADS与雷达数据融合中的系统误差配准法[J]. 北京航空航天大学学报, 2005, 31(1): 78-81. https://www.cnki.com.cn/Article/CJFDTOTAL-BJHK200501018.htm Jiang Nai-xin, Zhang Jun, Luo Xi-ling, et al. ADS and multi-radar bias registration algorithm for ATC system[J]. Journal of Beijing University of Aeronautics and Astronautics, 2005, 31(1): 78-81. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-BJHK200501018.htm
[6]	徐肖豪, 杨国庆, 刘建国. 空管中轨迹预测的一种变结构IMM算法[J]. 交通运输工程与信息学报, 2003, 1(1): 48-52. https://www.cnki.com.cn/Article/CJFDTOTAL-JTGC200301010.htm Xu Xiao-hao, Yang Guo-qing, Liu Jian-guo. A variable structure IMM algorithmfor trajectory predictionin air traffic control[J]. Journal of Transportation Engineering and Information, 2003, 1(1): 48-52. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-JTGC200301010.htm
[7]	郑利龙, 曹志刚. GPS组合导航系统的数据融合[J]. 电子学报, 2002, 30(9): 1 384-1 386. doi: 10.3321/j.issn:0372-2112.2002.09.034 Zheng Li-long, Cao Zhi-gang. Data fusion of GPS integrated navigation system[J]. Acta Electronica Sinica, 2002, 30(9): 1 384-1 386. (in Chinese) doi: 10.3321/j.issn:0372-2112.2002.09.034
[8]	彭瑛, 胡明华, 张颖. 动态航迹推测方法[J]. 交通运输工程学报, 2005, 5(1): 61-65. http://transport.chd.edu.cn/article/id/200501015 Peng Ying, Hu Ming-hua, Zhang Ying. Conjecture method of dynamic flying track[J]. Journal of Traffic and Transportation Engineering, 2005, 5(1): 61-65. (in Chinese) http://transport.chd.edu.cn/article/id/200501015
[9]	刘同明, 夏祖勋, 解洪成. 数据融合技术及其应用[M]. 北京: 国防工业出版社, 1998.
[10]	田保国, 何友, 杨日杰. 人工神经网络在航迹关联中的应用研究[J]. 电子与信息学报, 2005, 27(2): 310-313. https://www.cnki.com.cn/Article/CJFDTOTAL-DZYX200502037.htm Tian Bao-guo, He You, Yang Ri-jie. Application of artificial neural network intrack correlation[J]. Journal of Electronics and Information Technology, 2005, 27(2): 310-313. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-DZYX200502037.htm