结合ADS-B的航管监视数据融合关键技术

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (14): 231-235.

结合ADS-B的航管监视数据融合关键技术

周雷1，2，辛晓娜1，2，陈川波1，2

1.中国电子科技集团公司第十五研究所航空信息系统部，北京 100083
2.国家空管科技自主创新基地，北京 100083

出版日期:2013-07-15 发布日期:2013-07-31

Key techniques of ATC surveillance data fusion with ADS-B

ZHOU Lei1，2, XIN Xiaona1，2, CHEN Chuanbo1，2

1.Department of Aviation Information System, China Electronics Technology Group Corporation No.15 Research Institute, Beijing 100083, China
2.National Air Traffic Management Science & Technology Independent Innovation Base, Beijing 100083, China

Online:2013-07-15 Published:2013-07-31

摘要/Abstract

摘要： 航管多雷达数据和ADS-B数据各有优缺点，在分析了两类数据异同基础上指出了ADS-B数据引入航管多雷达数据处理中需要解决的关键技术难题。基于此，从探测时序和处理周期两方面给出了时间对准方法，研究了空间对准中的坐标转换及其误差配准技术，提出以当前模型和无迹卡尔曼滤波应对目标机动，给出了波门设定、最近邻相关以及融合算法的完整数据融合方案。实际应用中两类数据实现了有效利用和深度融合，提高了航管监视数据处理系统的精度和稳定性，是一种有效的航管监视数据处理方法。

关键词: 多雷达, 广播式自动相关监视, 监视数据融合, 数据处理

Abstract: The key points of data process based on ADS-B and multi-radar data are summarized after analyzing and comparing the differences between the two categories of data. Considering of these key points, an alignment of time method is presented from points of time schedule and process cycle view, alignment of space method is studied including coordinate transformation and bias registration, current model and unscented Kalman filter algorithm is proposed for maneuvering targets, also the association gate method, global nearest neighbor algorithm and fusion algorithm are further presented. Application of surveillance data processing system using ADS-B and multi-radar data achieves great success, improves not only the track precision but also the stability.

Key words: multi-radar, Automatic Dependent Surveillance-Broadcasting（ADS-B）, surveillance data fusion, data process

周雷1，2，辛晓娜1，2，陈川波1，2. 结合ADS-B的航管监视数据融合关键技术[J]. 计算机工程与应用, 2013, 49(14): 231-235.

ZHOU Lei1，2, XIN Xiaona1，2, CHEN Chuanbo1，2. Key techniques of ATC surveillance data fusion with ADS-B[J]. Computer Engineering and Applications, 2013, 49(14): 231-235.

[1]	宋峣1，2，3，孙小涓1，2，3，胡玉新1，2，3，雷斌1，2，3，卢晓军4. 基于流式计算的遥感卫星数据快视处理方法[J]. 计算机工程与应用, 2019, 55(10): 77-82.
[2]	冯兴杰，吴稀钰，赵杰，贺阳，房戍. QAR数据仓库在Hive中的构建[J]. 计算机工程与应用, 2017, 53(11): 90-94.
[3]	阚文枭1，2，3，伍文静1，Andrei Tsaregorodtsev3，陈刚1. 支持多应用的桌面网格关键技术研究[J]. 计算机工程与应用, 2016, 52(23): 25-34.
[4]	张迪1，赵长勇2，金亮2. 机场地面飞机自动监视车载装置的设计与研究[J]. 计算机工程与应用, 2016, 52(18): 246-251.
[5]	倪育德，马宇申，刘萍. ADS-B与TCAS II数据融合算法研究[J]. 计算机工程与应用, 2015, 51(22): 218-221.
[6]	李金忠，汤鹏杰，夏洁武，谭云兰. 迭代式MapReduce研究进展[J]. 计算机工程与应用, 2015, 51(12): 123-132.
[7]	赵旭，王伟. 动态规划理论在DSAMDP方法中的优化研究[J]. 计算机工程与应用, 2014, 50(22): 83-87.
[8]	王永国1，胡娇娇1，季学枫2. 实时采集中异常值的自动甄别与纠错方法研究[J]. 计算机工程与应用, 2013, 49(9): 251-254.
[9]	段利泉，陈家琪. 发动机ECU标定系统的实时数据处理设计与应用[J]. 计算机工程与应用, 2013, 49(3): 243-246.
[10]	史园莉，申文明，熊文成，付卓，肖如林. 遥感数据集群处理作业调度管理系统研究[J]. 计算机工程与应用, 2012, 48(25): 77-82.
[11]	顾乐民. 对GM灰色模型及理论的质疑[J]. 计算机工程与应用, 2011, 47(30): 58-63.
[12]	李军,李艳辉,陈双平. CUDA架构下的快速图像去噪[J]. 计算机工程与应用, 2009, 45(11): 183-185.
[13]	廖平. 分割逼近法快速求解点到复杂平面曲线最小距离[J]. 计算机工程与应用, 2009, 45(10): 163-164.
[14]	胡雪琴¹,周昌乐²,李绍滋². 中医医案数据库的数据基础研究[J]. 计算机工程与应用, 2008, 44(35): 220-222.
[15]	周钦强,谭鉴荣,伍光胜,李建勇. 基于TCP多连接通信实时并发数据处理技术研究[J]. 计算机工程与应用, 2007, 43(18): 246-248.