基于ads-b数据的雷达跟踪精度分析

基于ads-b数据的雷达跟踪精度分析

0飞行航迹的测定有很多方法可以测量雷达的精度。在实际值的选择上，通常使用高精度测量雷达或全球定位系统（gps）作为实际值。测量结果的可靠性取决于实际值的稳定性和多次测量的一致性。因此，为了提高雷达测量的精度和可靠性，有必要多次测量。目前,组织雷达训练常用的方法是到民航机场附近驻训或者利用军用飞机作为合作目标,在飞机上加装差分GPS记录飞行航迹作为真值,这两种方法因兵力调动和空中管制因素的限制,需要大量的技术和后勤保障,耗费大、周期长,实施难度较大,会影响到试验进度和训练任务。本文提出一种基于广播式自动相关监视技术(automaticdependentsurveillancebroadcast,ADS-B)的新型雷达精度计算方法,利用ADS-B地面接收机实时接收民航飞机上ADS-B发射机发送的飞行数据作为真值来得出雷达测量精度。1ad-b技术原理和数据格式转换1.1监视信息的获取ADS-B是未来空中交通管制系统中的一种飞机运行监视技术。它首先通过全球卫星导航系统(globalnavigationsatellitesystem,GNSS)接收实时精确的飞机位置等监视信息,然后由数据链系统广播发送给其他装备ADS-B设备的飞机和ADS-B地面站用户接收和显示。ADS-B包含了以下4层含义:自动,数据传送无需人工干预;相关,航空器的设备决定了数据的可用性,数据发送依赖于机载系统,系统须依靠飞机提供的各种飞行信息才能完成;监视,提供的状态数据(飞机位置、高度、速度、航向、识别号和其他信息等)适用于监视的任务;广播,采用广播方式发送数据,在适当的传输范围内,所有用户都可以接收这些数据。1.2坐标系变换方法ADS-B数据的数据格式主要为经度、纬度和高度,雷达数据格式为斜距、方位角、高度或者相对于雷达中心点坐标和高度,两种数据格式不一致。要以ADS-B数据为真值来计算雷达测量数据精度,首先要将ADS-B的WGS-84数据转化为雷达的球面坐标系数据,具体坐标变换方法如下:(1)由WGS-84大地坐标系转换为地心直角坐标系。由目标的大地坐标(Lk,Bk,Hk)转换为地心直角坐标系(xwk,ywk,zwk),即e2=(a2-b2)/a2———第一偏心率,a为地球的长半轴,b为短半轴,采用WGS-84坐标系,则a=6378137m,b=6356752m。(2)WGS-84地心直角坐标系坐标到地面直角坐标系转换。假设雷达站的经度、纬度、高度为(Lr,Br,Hr),它在地心直角坐标中的位置为(xor,yor,zor),则坐标转移矩阵定义为故WGS-84地心直角坐标系坐标转换到地面直角坐标系坐标(xrk,yrk,zrk)为2基于阿什布测量精度的计算方法2.1多目标跟踪的研究装备ADS-B设备的目标飞机并不一定会提供有保障的无间断的状态和意图信息,数据丢失、错误输入、电子欺骗以及其他信号的干扰都可能降低数据的完整性。对ADS-B系统进行多目标跟踪算法的研究将是解决这些问题的关键点。数据关联和状态估计是多目标跟踪中的两个核心问题。2.1.1基于pda算法的多目标跟踪多目标数据关联是一个在探测到目标关联区域内有多个观测回波时,将多目标数据和观测回波进行关联的过程,其准确性将直接影响多目标跟踪系统的性能。目前最常用的数据关联算法是概率数据关联(probabilisticdataassociation,PDA)和联合概率数据关联(jointprobabilisticdataassociation,JPDA)。PDA算法实时性较好,计算量小,但是它未能准确考虑处在多个目标关联门相交区域中的公共回波对航迹更新的影响;JPDA算法在目标交叉或相距较近时能够给出良好的关联结果,目标跟踪成功率在各种环境下都很高,但是在目标和回波密集时,对关联解进行搜索的计算量将随目标和回波数的增加呈现“组合爆炸”现象,在实际应用中将受到限制。针对这些问题,本文将采用一种改进的概率数据关联算法(MPDA)来对多目标的ADS-B数据进行关联,重点对跟踪门相交区域中的测量值进行分析,不仅考虑测量值与跟踪门中心的距离,同时考虑跟踪门内候选测量值的数目对航迹更新的影响。它保持了PDA算法计算量小的特点,同时又提高了跟踪性能。它是一种近似最优的算法,计算速度快,适用于对多个目标进行跟踪。具体算法如下:对于第k次测量,假设有T个目标,得到m个回波。(1)通过目标跟踪门构造确认矩阵。以这T个目标航迹的量测预测为中心建立波门,根据量测值的分布位置,建立确认矩阵为其中当t=0时,表示所有的量测都可能来自干扰信号。(2)计算所有事件的后验概率。定义εjt(t=1,2,…,T;j=0,1,…,m)为第j个量测值来源于目标t的事件,j=0表示目标t没有量测值与之相关。计算所有事件的后验概率P(j,t)=P{εjt/Zk},组成(m+1)×T维矩阵。(3)找出所有公共量测值集合M。定义公共量测值集合为M,即再通过Ω找到M中的每一个量测值分别来自哪些目标,它们组成集合Tj,即(4)计算公共量测值Zj的修正因子。首先计算公共量测值Zj属于各目标t的概率Bjt,即然后考虑拥有公共量测值的目标跟踪门内的其余候选量测值对修正概率的影响,定义影响因子为式中:zj∈M时,P赞(j,t)=BjtP(j,t),否则P赞(j,t)=P(j,t)。综上所述,可得出公共量测值的修正因子Kjt为(5)对P(j,t)进行修正并计算加权系数βjt。修正的P(j,t)为加权系数为2.1.2基于波算法的目标响应跟踪飞机在飞行过程中一般沿预订航线飞行,以巡航速度作匀速或匀加速直线运动,但也可能出现某些机动,如缓慢转弯、机动回避其他飞机或障碍物、遇到阵风或大气湍流等,引入机动加速度。为提高ADS-B接收机的跟踪精度,本文将基于“当前”统计模型的自适应卡尔曼滤波算法用于ADS-B数据处理。该算法在估计目标状态的同时估计机动加速度均值,并对加速度分布进行实时修正,通过状态估计协方差反馈到下一时刻的滤波增益中,实现闭环自适应跟踪。当“当前”加速度x咬^(k/k)为正时,有σa2=π4-π[amax-x咬^(k/k)]2;当“当前”加速度x咬^(k/k)为负时,有σa2=π4-π[a-max-x咬^(k/k)]2。设采样周期为T,离散化处理后可得状态方程为式中:X(k+1)——k+1时刻目标的全局状态向量;F(k)——状态转移矩阵;ā——k时刻的加速度输入;U(k)——加速度转移矩阵;W(k)——离散时间白噪声序列。且Q(k)=E[W(k)WT(k)]=式中:α——飞机机动频率;———目标加速度方差。量测方程可表示为式中:V(k)——零均值,方差为P(k)的高斯观测噪声。滤波方程如下:2.2跟踪模型的参数估计和验证设k时刻雷达跟踪T个目标飞机的量测值分别为X赞r;ADS-B接收机对T个目标飞机的的滤波估计值分别为。由于空中的目标飞机和雷达是非合作的,要计算雷达跟踪每个目标飞机的精度,首先必须将雷达量测值和ADS-B估计值正确配对,本文运用最近邻思想解决这个问题。定义:dij=X赞ri(k|k)-X赞Ai(k|k)(i,j=1,2,…,T),计算出所有dij的值,对于每个X赞Ai(k|k),选择T个dij中的最小值的那个X赞ri(k|k)和X赞Ai(k|k)进行配对,而这个最小值就是t时刻以ADS-B数据为基准的雷达跟踪目标i(i=j=1,2,…,T)的位置精度值。3模拟结果分析3.1x方向的加速度分别用ADS-B接收机和某型雷达对空中交叉飞行的两架飞机进行跟踪观测。目标a的初始位置为:(500m,1500m,1000m),x,y,z方向的速度分别为300,400,100m/s,x方向的加速度为20m/s2;目标b的初始位置为:(1500m,500m,1000m),x,y,z方向的速度分别为400,300,100m/s,y方向的加速度为10m/s2。采样时间间隔T=1s,仿真步数step=50,仿真次数num=50。3.2android-b参数设置波门内平均杂波数为2,服从泊松分布,检测概率Pd=1,门限γ=9,正确回波落入跟踪门的概率为0.99,接收机测距标准差为30m。3.3雷达跟踪误差图1为ADS-B接收机和雷达对两架目标飞机的跟踪轨迹。可以看出,即使在杂波比较密集的环境中,ADS-B接收机也能精确地跟踪目标飞机,而雷达的误差则要大的多。图2为ADS-B接收机跟踪两目标的均方根位置误差。通过计算,跟踪目标a的平均误差为28.6720m,跟踪目标b的平均误差为28.5109m,这个误差相比雷达跟踪误差来说非常小,因此可以把ADS-B跟踪数据作为基准来计算雷达跟踪精度。仿真结果如图3所示。4仿真及结果分析针对传统雷达训练中精度测量的弊端,本文合理利用ADS-B数据易于观测、准确的优点,提出了