多雷达与ADS数据融合的可变周期更新算法

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 dependentsurveillance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。     

基于方位合成的异类传感器航迹数据融合算法

针对纯方位传感器与二维雷达量测空间不一致的航迹数据融合问题,提出了一种基于方位合成的异类传感器航迹数据融合算法.该算法以纯方位传感器承载平台为融合中心,计算雷达和纯方位传感器探测的目标航迹相对于同一坐标系的方位量测,并用一种近似方法计算方位精度;采用基于最优权值分配原则的加权平均法对方位进行合成,用合成的方位对雷达探测的目标航迹进行修正,并将修正后的航迹作为融合航迹.该算法在获得融合航迹的同时,给出了融合航迹的精度.仿真结果表明,与雷达航迹精度相比,融合航迹的精度平均提高25.23%.     

基于BADA及航空器意图的四维航迹预测

为了提高航空器四维轨迹预测的准确性,提出了基于航空器性能数据以及航空器意图的四维航迹预测方法.通过统计分析航空器实际雷达轨迹数据,根据水平轨迹、高度和速度剖面等构建了航空器意图模型.采用航空器意图模型与航空器动力与运动学模型相结合的方法,考虑气象因素,基于性能数据设计了四维航迹预测模型.以国内某机场进场航班ACA025与CES2161为例进行了模拟,将预计到达时刻与实际到达时刻的误差作为评价指标,结果表明:本文提出的算法可以将通过航路点时刻的误差控制在30 s以内.      

基于贪心策略下混合蚁群算法的无人机航迹规划

针对复杂环境下无人机航迹规划中航行误差的校正问题,提出一种改进的蚁群算法.该算法在蚁群算法的基础上,首先将粒子群算法中的适应度作为启发值引入信息素更新中,改进了原始的信息素更新模型;其次使用贪心策略在选择校正点时进行剪枝运算,优化了算法的选择策略;最后使用A*算法替代原始算法的随机初始化,修改了信息素的更新方式,优化了生成路径的质量.对规划路径,使用Dubins曲线对航迹进行光滑,光滑后航迹既能满足航迹约束,也能满足飞行器的性能约束.研究结果表明:在参数设置上,当蚁群数量较大时,设置较小的启发值常数能获得更好的结果;对贪心蚁群算法使用A*算法进行初始化,能有效加速蚁群算法收敛速度,提高解的质量,实验显示改进后航迹长度减少了约6％,时间减少了约25％.     

ADS-B历史飞行轨迹数据清洗方法

为有效解决广播式自动相关监视(ADS-B)历史飞行轨迹数据受地面站分布广度、地形阻挡、电磁干扰等影响而出现的各种字段数据异常情况, 建立了ADS-B数据清洗方法, 并将其分为确定清洗对象、字段去重、异常点清理和时间戳修正这4个步骤; 根据已有样本ADS-B历史数据各字段建立了航迹模型并进行有效性分析, 将时间戳、经度、纬度、气压高度和地速等字段定义为特征字段, 并作为清洗对象; 对ADS-B航迹点序列的时间戳、经度和纬度进行去重, 删除数据重复的相邻航迹点; 为提高清洗效率, 使用有噪声的密度聚类(DBSCAN)方法找出特征字段中的离群点, 并进行异常检测与修正; 为使航迹点状态变化符合质点运动学规律, 使用ADS-B航迹点的经度、纬度、气压高度和地速等字段数据修正时间戳, 并存入已扩展的修正后时间戳字段。研究结果表明: 516个样本航班中有97.58%的异常航迹点被有效识别并清理, 清洗后的航迹点状态更具有渐变性特征; 修正前后的总飞行历时存在10~600 s的差异; 时间戳修正效果主要依赖于地速的准确度, 在实际工程中可根据样本航迹的数据特点有选择地使用时间戳修正值; 建立的ADS-B数据清洗方法可为民用航空工程项目中的飞行轨迹分析、评估与计算等方面提供前期数据处理平台。      

动态航迹推测方法

应用大圆航迹和等角航迹原理,融合雷达、电报等动态数据,研究了动态航迹推测算法,以及该算法在航空器飞行轨迹预测、航空器过航路点时间预测和空中交通流量动态统计预测等方面的应用。利用广州机场的实际航班数据,将动态航迹推测算法与经验时间累加法进行了对比研究,发现动态航迹推测算法符合航空器运行规则,其误差在±0 5 min之内,能及时修正航空器的飞行轨迹,反应灵敏。结果表明动态航迹推测方法能更好地预测未来短时期内空域使用情况,是一种为空中交通战术流量管理提供准确数据的有效方法。     

ADS-B空管监视系统误差分析与研究

在空中交通管制中,利用监视设备提供的航空器飞行动态,管制员就可以为航空器配备飞行间隔,防止航空器与航空器相撞.监视设备存在的误差会对飞行间隔产生较大的影响.对比二次雷达系统,基于ADS-B的侧向间隔研究是当前的重点.文中通过分析监视系统信号处理流程,得出ADS-B监视误差主要有GPS接收机误差、数据链误差和系统延时误差组成,并阐述了各部分对于侧向间隔的影响.     

着陆阶段航空器航迹检测与风险识别方法

进近着陆是整个飞行过程中最易发生危险的阶段.目前着陆阶段的风险识别 只能依靠塔台管制员的目视观察.在飞行员技术不熟练、起降频繁的通用航空飞行训练 中,目视观察很难准确掌握情况,也因此蕴含了巨大的安全风险.利用视频监视航空器着 陆行为,同时提出了一种适合复杂背景下小目标分割算法,从视频中提取航空器着陆航 迹;并以此为基础进一步识别降落过程中的运行风险.通过对多组不同角度的视频监视数 据验证,该算法可在复杂背景下实现航空器着陆航迹的跟踪、落地时刻的判断及危险滑 行航迹的准确识别,对于保障飞行安全具有重要的现实意义.     

面向车联网的高速路OD矩阵估计模型

针对高速路OD矩阵的采集与估计,提出采用RFID技术的车联网进行部署,建立有缺失数据的OD矩阵采集方法.用拉格朗日乘数法求解OD矩阵元素概率的极大似然估计,给出基于EM算法的OD矩阵估计算法.通过912节点规模的仿真实验结果表明,提出的算法相比模拟采集准确性更高,真实数据的均方根误差降低了77.7%,验证了算法流程和模型的有效性.      

干扰对FMCW雷达测量精度的影响研究

搭建基于调频连续波雷达测距精度分析的实验平台,用于研究雷达在对钢板的检测过程中环境干扰对调频连续波雷达系统测量精度的影响.采用中心频率为77GHz、带宽为7GHz的调频连续波雷达(FMCW)系统,对雷达的调频连续波测距原理进行推导,通过采集实际雷达系统的测量数据,提取目标距离信息,分析系统的距离测量精度.并在雷达与目标之间增加干扰,如雾气、水滴等,分析环境变化对该雷达系统的测距精度影响.该研究可为雷达系统的开发提供前期验证,也可为雷达系统各项参数的修正及优化提供参考依据.     

基于有限测量信息的加权最小二乘法在配电网状态估计中的应用

为了适应测量装置数量受限的配电网控制的需要,提出一种基于有限测量信息的配电网状态估计方法.模型中将区域配电网节点电压幅值和相角作为状态变量,测量节点电量、负荷规划数据分别作为实际测量量和伪测量量,利用加权最小二乘法权重参数的合理配置保证模型的合理性并求解.通过对英国某区域配电网实例仿真计算,结果表明：本文状态估计模型能够根据有限测量量进行网络全节点的状态估计,且平均估计误差满足实际应用要求;同时,定性描述了测量点数量、估计初值与状态估计误差的关系,为进一步探索测量点优化配置和最优状态估计求解奠定基础.     

基于轨迹谱聚类的终端区盛行交通流识别方法

为了改善终端空域扇区和进离场航线对实际空中交通的流量及空间分布的适用性,研究了从大量航空器飞行轨迹中识别主要交通流的方法.在分析飞行轨迹空间特征的基础上,建立了基于3D网格的轨迹间相似性模型.利用谱聚类算法对终端区飞行轨迹样本进行聚类划分,提出了一种基于轨迹聚类核密度估计的盛行交通流和异常轨迹的识别方法,用于从空管雷达记录的飞行轨迹中识别出盛行交通流的实验.实验研究结果表明:该方法将1 476条轨迹划分为5个聚类,识别出5个盛行交通流,且识别结果未受到异常轨迹的影响.      

����BRT���ź���ʱ�ĸɵ�ͨ����������

由于城市道路交通行为的复杂性以及高质量交通数据的缺乏,实时估计城市主干道的旅行时间具有一定的难度.基于实时的快速公交（BRT）以及信号配时数据,作了一系列研究,用以估计主干道旅行时间以及交通服务水平（LOS）.本文通过将公交车的排队延误时间、平均信号灯等待时间和自由流旅行时间综合在一起来实现旅行时间的估计.并以Valley Transportation Authority（VTA） BRT和智能驾驶系统作为数据源进行实验.实验结果表明,本文提出的估计主干道性能的方法非常有效.其中根均方误差（RMSE）和根均方百分比误差（RMSPE）分别为49s和9%,LOS估计的精度高达73%.     

基于卡尔曼滤波的交叉口排队长度实时估计模型

为解决现有排队长度估计方法不能对排队长度进行实时秒级估计的问题，本文采用车联网实时数据，构建基于卡尔曼滤波的实时排队长度估计模型。首先，以当前时刻加入和离开排队队列的车辆数为输入变量构建状态转移方程，以当前排队网联车的数量和渗透率构建观测方程；其次，采用回归模型估计状态转移方程和观测方程的噪声协方差矩阵；然后，提出基于卡尔曼滤波方法估计排队长度的流程算法和模型性能评价指标；最后，基于实际数据构建仿真环境验证模型的有效性。结果表明：当网联车渗透率为30％时，平均绝对误差(MAE)，平均绝对百分比误差 (MAPE)和均方根误差(RMSE)的平均值分别为1.6辆，20.9％和2.5辆；当渗透率大于20%时，与基准方法相比，本文模型估计效果更优。     

面向群体行驶场景的时空信息融合车辆轨迹预测…

将车辆间时空交互信息融入卷积社会池化网络中，提出了一种面向群体行驶场景的有人驾驶车辆轨迹预测模型；使用长短时记忆(LSTM)网络预测群体车辆速度，基于此预测值计算群体车辆间的速度差；构造LSTM编码器捕捉群体车辆行驶轨迹的时间序列特征，设计卷积社会池化网络提取群体车辆间的空间依赖关系，使用LSTM解码器预测未来车辆各种动作的出现概率和相应轨迹，将具有最高出现概率的动作及其轨迹作为最终轨迹预测结果；使用真实轨迹数据集对所构建模型进行了参数标定和性能验证，测试了不同轨迹编解码与速度预测方法对模型性能的影响，确定了最优模型结构。计算结果表明:相较于历史速度，使用预测速度计算速度差作为模型输入可将均方根误差(RMSE)降低19.45%；相较于门控循环神经网络，使用LSTM进行速度预测可将RMSE降低4.91%；相较于原始卷积社会池化网络，所提出模型的轨迹预测误差在RMSE与负似然对数2个指标上分别降低了20.32%和21.04%，明显优于其他卷积社会池化网络变体；所提出模型与原始卷积社会池化网络计算耗时差距约3 ms，能够满足实时应用要求。      

������ع�-BP ������Ĺ��ƹ�������Ԥ�ⷽ��

基于空中交通复杂程度刻画管制工作负荷是当前空中交通管理领域的研究热点。本文采集了厦门空管站的雷达数据,计算得出10个空中交通复杂性评价指标数值,通过共线性诊断发现复杂性指标间存在较强的多重共线性。在利用岭迹图对复杂性评价指标进行筛选的基础上,建立岭回归—BP神经网络组合模型对管制员工作负荷进行预测,并通过实测陆空通话数据进行验证。结果表明,本文提出的岭回归—BP神经网络组合模型收敛速度快、训练时间少;组合模型的均方误差、均方根误差、平均绝对误差、平均绝对相对误差等4项性能指标都相对较小,预测精度较高。     

Mean shift registration algorithm for dissimilar sensors

The mean shift registration (MSR) algorithm is proposed to accurately estimate the biases for multiple dissimilar sensors. The new algorithm is a batch optimization procedure. The maximum likelihood estimator is used to estimate the target states, and then the mean shift algorithm is implemented to estimate the sensor biases. Monte Carlo simulations show that the MSR algorithm has significant improvement in performance with reducing the standard deviation and mean of sensor biased estimation error compared with the maximum likelihood registration algorithm. The quantitative analysis and the qualitative analysis show that the MSR algorithm has less computation than the maximum likelihood registration method.     

自适应冗余字典学习的高光谱混合像元解混

针对线性稀疏解混模型无法准确识别真实端元造成丰度估计误差较大的问题,本文提出一种基于自适应冗余字典的高光谱混合像元解混算法.该算法根据地物在空间上的连续性,以及高光谱数据中信号成分与光谱库中物质光谱的强相关性,首先保留每个像元在光谱库上投影系数大于设定阈值所对应的光谱,将其作为与每个像元信号成分最匹配的光谱集合;然后合并该集合以构建高光谱数据的自适应冗余字典;最后利用ADMM算法求解高光谱数据在该字典上的丰度矩阵.仿真和实际高光谱数据实验结果表明,本文所提出的算法可减小丰度估计误差,在信噪比为15~35 dB时,其丰度估计准确性高于性能较优的SUnSAL算法约1~2 dB.