复杂性 复杂 1099 - 0526 1076 - 2787 Hindawi 10.1155 / 2021/9436589 9436589 研究文章 基于改进滤波算法的Ads-B航空目标监视雷达信道优化研究 https://orcid.org/0000-0002-9510-5301 郑 晓霞 1 2 唐 箱 1 2 PU. 洪平 3. 陈 惠华 1 成都航空职业技术学院 成都610100 中国 2 四川省校企联合航空电子创新基地 成都610100 中国 3. 四川科技大学 Zigong 643000. 中国 scu.edu.cn. 2021. 14 8 2021. 2021. 23 4 2021. 30. 6 2021. 14 8 2021. 2021. 版权所有©2021晓霞郑等人。 这是在Creative Commons归因许可下分发的开放式访问文章，其允许在任何介质中不受限制地使用，分发和再现，只要正确引用了原始工作。

为了提高航空目标监视雷达的监视效果，本文对传统滤波算法进行了改进，建立了基于改进滤波算法的ADS-B航空目标监视雷达信道优化系统。此外，本文采用改进算法，确保状态协方差为正定或半正定，并采用均方根体积卡尔曼滤波器，避免了矩阵非正定引起的滤波发散或跟踪中断;交互多模型的滤波原理是利用多个滤波器并行处理，通过调整平差算法中的一步预测协方差来实现自适应平差算法残差。此外，本文结合ADS-B航空目标监视雷达信道优化的实际需求，构建系统功能结构，并采用软件工程方法对需求进行建模和分析。最后，本文设计了实验来验证系统的性能。研究结果表明，本文所构建的系统性能满足实际需要。

 四川科技计划重点研发项目 2019YFG0309 1.介绍

通用航空是民用航空的重要组成部分，在国民经济和社会福利事业的发展中发挥着独特而不可替代的作用[ 1］．通用航空管制主要为通用航空飞行服务，使飞机在飞行过程中得到更好的控制和管理，得到更合理的飞行安排和应急措施。通用航空飞行动力学是指飞机在飞行过程中各时刻的位置信息、飞机的目标航迹信息、飞机的飞行角度等信息的通用术语。飞行器飞行动力学监测是获取飞行器飞行动力学监测数据，并从数据中提取所需信息。

早在许多年前，美国就开始在通用航空领域进行开发和研究。与美国等发达国家发展成熟的通用航空飞行服务站相比，我国在通用航空飞行服务保障建设方面严重滞后。发展落后的主要原因是在现行空中交通管制制度下，制约了我国通用航空的发展[ 2］．

近年来，我国逐渐认识到通用航空领域的不足，开始发展通用航空及其控制监控系统。通过在陕西浦城等多个城市建立低空试点项目，方便通用航空飞机在低空空域进行相关试验。同时,为了满足通用航空飞行服务的需要,更好地发展通用航空领域,提高通用航空飞行动力学的监测,我国不断发布相关政策,加快通用航空飞行服务站系统的建设。建立更加完善的通用航空控制系统，可以实现对通用航空飞行动力学的全面监控，可以更好地推动和发展通用航空领域的建设，可以加快经济发展速度，实现现代化，满足日益多样化的飞行需求，使通用航空真正进入我们的生活[ 3.］．同时，航空制造业属于高新技术产业，完整的通用航空飞行动力学控制与监控可以更好的促进通用航空飞机的使用，从而导致通用航空飞机数量的一定增加。而且，它将进一步促进我国飞机制造水平的提高，更好地推动民用飞机向更高水平发展，增强国防能力。研究通用航空的飞行服务需求，加快通用航空飞行管制运行流程建设，可以提高通用航空的服务效率，更好地为平民服务。

 2.相关工作

近几十年来，许多国内外专家和学者对多价追踪方法的相关理论和实践进行了深入研究，并取得了富有成效的结果。相关方法已广泛应用于防空安全侦察和预警，导弹防御，战场目标监测和民用航空，车辆自动驾驶系统和计算机视觉之类的公民领域 4］．多目标跟踪是利用传感器获取的观测数据对多个目标的状态进行连续估计和预测。通常，传感器在每时刻接收到的观测数据是由目标的观测数据和邻近干扰目标、气象、电磁、声干扰引起的杂波构成的，两者是不可区分的。杂波观测通常在数量、空间位置和密度上是随机的。在杂波环境中，由于随机因素的影响，单个目标通常会在任何时间产生多个有效回波。多目标跟踪综合运用统计估计与决策、最优控制、智能信息处理等现代科学理论，同时估计目标与杂波混合观测集中多个目标的数量和状态。多目标跟踪问题的研究涉及到很多方面[ 5[包括目标状态和运动模型，观察模型，坐标转换，跟踪门选择，数据关联算法和目标状态估计方法。诸如目标的数量和密度，目标动态特性，传感器性能，噪声和干扰源等因素，以及选择用于状态估计的过滤性能都对多靶案跟踪系统的性能产生影响。随着多价跟踪系统的发展，如多源信息融合理论[ 6]，非线性滤波理论[ 7[随机有限组理论[ 8]等新技术的应用，极大地提高了多目标跟踪系统的性能。目标不确定性和观测不确定性是多目标跟踪系统中需要解决的两个重要问题。由于新目标的产生、死亡或噪声和杂波干扰，以及传感器的漏检，使得目标在监视区域存在不确定性。由于跟踪环境中噪声、杂波等先验信息难以获取，回波观测与目标源对应存在各种不确定性和随机性。针对以上问题，目前主要有两种解决方案。一种是传统的基于数据关联的多目标跟踪方法[ 9］．该方法首先使用数据相关技术来确定传感器观测和目标源之间的相关性，然后单独估计每个目标的状态。另一个是非配置的多元靶跟踪算法，主要基于随机有限组理论[ 10］．

法国泰利斯公司成功研制出一种先进的水面导航制导和控制系统，已在许多机场投入使用[ 11］．在系统从多个监视设备接收信息并执行数据融合之后，定位精度可以达到10米。它通过相关接口与其他设备交换信息，使得场景中的多个系统可以协调操作。除了监控功能外，系统还具有冲突检测，路径规划和出租车指导等功能。它是目前最先进的场景监控和管理系统。由美国Transtech生产的智能机场系统也是一个典型的A-SMGCS系统[ 12］．该系统包括机场地面和低空警报监测，路径规划，地面出租车指导，导航照明监控，自动控制等的功能，可以实现飞行区域，围裙等盲点地面警报监测关键领域。A-SMGCS系统是一种设计理念，系统的实现可以依赖各种不同的监控设备。ADS-B是一种新型监视技术。由于其固有的监视特性，它已成为实现A-SMGCS的重要技术手段。ADS-B技术起源于欧洲。由于其价格低廉，部署灵活，因此已广泛用于欧洲，美国和澳大利亚。EuroControl于2004年实施了级联（欧洲集成空中交通管制）计划。两个关键技术是ADS-B和Link 2000+。ADS-B是FAA于2000年发起的“Capstone”项目的一部分[ 13］．目前，ADS-B发展计划已正式制定，并且ADS-B被视为下一代空运系统的基础[ 14］．美国大约安装了400个ADS-B地面基站。在未来20年，ADS-B将为FAA节省约10亿美元，为航空公司等系统用户节省13亿美元。澳大利亚航空服务公司总共建造了29个地面基站。2011年，中国民用航空局自主研制成功ADS-B监控设备，并于2012年制定了ADS-B实施方案。ADS-B的推广应用被认为是我国从民航大国向民航强国转型的关键[ 15］．

文献 [ 16]利用Petri网对A-SMGCS系统进行了更全面的研究，包括路径规划和冲突避免。文献 [ 17]根据A-SMGCS概念设计了相应的场景监控系统。在文献中设计的系统[ 18可以从表面监控雷达，接近雷达，多点定位系统和ADS-B系统接收监视信息。当有跑道入侵，滑行道冲突，围裙占用和其他场景冲突时，系统可以提醒和提示。文献 [ 19]使用ADS-B提供了实现机场表面监视的解决方案。文献 [ 20.]从功能设计、系统组成、系统布局、控制显示四个方面详细论述了ADS-B在实现地面监视中的作用。

 3.改进的滤波算法

在一个现实的环境中，目标的运动模型更复杂。如果我们只是依赖模型来跟踪目标，我们无法达到良好的跟踪结果。原因是当前统计模型还可以更好地跟踪操纵目标。然而，它对跟踪以均匀速度的直线移动移动的目标并不具有非常好的效果。因此，许多学术研究人员开始使用多种模型，可以准确地描述一段时间来研究目标的运动，然后提出IMM模型，交互式多模型，被认为是更好的跟踪模型。它具有更好的自适应性能。我们应用了过滤算法UKF和SCKF和SCKF的更新算法，在加工非线性系统中具有更好的性能，对IMM模型进行比较，并比较它们的跟踪效果，以获得更好的模型和算法组合。

交互式多模型的滤波原理是使用多个滤波器进行并行处理。其中，每个过滤器对应一个状态空间模型，每个状态空间模型所描述的操作模式是不同的。交互式多模型的基本思想是,在每一时刻,如果一个模型是有效的在当前的时刻,我们将使用所有的估计状态值过滤器前一刻此刻初始条件和替换成这个特定的模型,然后对每个模型执行并行滤波。具体步骤如图所示 1．

交互式多模型工作流图。

下面是IMM算法，我们以这两个模型为例说明如下:

如果假设有的话 r目标的各种运动状态，那么它就会对应 r运动模型(也就是说，有 r状态转换方程式）。我们假设目标所代表的目标的状态方程 我th模型如下[ 21]： （1） X 我 k + 1 ＝ φ. 我 k X 我 k + G 我 k W 我 k ．

目标的测量方程如下： （2） Z k ＝ H k X k + V k ．

在上式中， W 我 k 是一个均值为零的白噪声序列吗 问协方差矩阵。元素 p 我 j 表示目标从第一个下标所表示的运动模型转移到第二个下标所表示的运动模型的概率。概率转移矩阵如下[ 22]： （3） P ＝ p 11 ⋯ p 1 r ⋯ ⋯ ⋯ p r 1 ⋯ p r r ．

IMM算法采用递归的方式进行，每次递归分为以下四个步骤。

步骤1:输入交互(模型 j)．

混合估计 X o j k - 1 | k - 1 和协方差 P o j k - 1 | k - 1 州的估计 X ＾ j k - 1 | k - 1 目标和模型概率 u j k - 1 在上一步中的不同滤波器的情况用作当前值。在本文中，交互模型标记为模型 j和模型 我．上面提到的参数计算如下：

模型的预测概率（归一化常数） j如下: （4） c ¯ j ＝ σ. 我 ＝ 1 r p 我 j μ. 我 k - 1 ．

模型的混合概率 我模拟 j如下: （5） u j k - 1 | k - 1 ＝ σ. 我 ＝ 1 r p 我 j μ. 我 k - 1 c ¯ j ．

模型混合状态的估计 j如下: （6） X o j k - 1 | k - 1 ＝ σ. 我 ＝ 1 r X ＾ 我 k - 1 | k - 1 μ. 我 j k - 1 k - 1 ．

模型混合协方差的估计 j［ 23]的内容如下: （7） P o j k - 1 | k - 1 ＝ σ. 我 ＝ 1 r u 我 j k - 1 | k - 1 P 我 k - 1 | k - 1 + X ＾ 我 k - 1 | k - 1 - X ＾ o j k - 1 | k - 1 + X ＾ 我 k - 1 | k - 1 - X ＾ o j k - 1 | k - 1 T ．

的公式, p 我 j 从模型转移的概率是多少 我模拟 j, u j k - 1 模型的概率是多少 j在 k - 1 时间。

步骤2:SCKF (UKF)滤波模型 j．

X ＾ o j k - 1 | k - 1 ， P o j k - 1 | k - 1 和 Z k 作为SCKF或UKF滤波的输入，将输入代入算法更新预测状态 X ＾ j k | k 和滤波协方差 P j k | k ．

第3步：更新模型概率。

可能性函数用于更新每个模型的概率。每个模型的概率都代表 u j k ．模型的可能性功能 j如下: （8） λ. j k ＝ 1 2 π n / 2 年代 j k 1 / 2 - 1 2 v j T 年代 j - 1 k v j ．

的公式, （9） v j k ＝ Z k - h X ＾ j k | k - 1 ， （10） 年代 j k ＝ P z z ．

他们之中， h是测量方程式， v j k 是残，和 P z z 为对应的协方差。然后，模型的概率 j如下: （11） u j k ＝ λ. j k c ¯ j c ．

在上式中， c标准化常数是和吗 （12） c ＝ σ. j ＝ 1 r λ. j k c ¯ j ．

步骤4：输出交互。

更新每个模型的概率后，我们将每个滤波器的结果与相应的权值进行整合，然后将所有项相加，得到总的状态估计结果 X ＾ k | k 和总协方差估计 P k | k ．总的状态估计如下[ 24]： （13） X ＾ k | k ＝ σ. j ＝ 1 r X ＾ j k | k μ. j k ．

总协方差估计如下: （14） P k | k ＝ σ. j ＝ 1 r μ. j k P j k | k + X ＾ j k | k - X ＾ k | k ⋅ X ＾ j k | k - X ＾ k | k T ．

这样得到的结果比未更新的算法误差更小，更接近真实值。

SCKF-IMM测量更新算法的步骤如下[ 25]：

第1步：输入交互： (15） X ＾ o j k - 1 | k - 1 ＝ σ. 我 ＝ 1 r X ＾ 我 k - 1 | k - 1 μ. 我 j k - 1 | k - 1 ， （16） P o j k - 1 | k - 1 ＝ σ. 我 ＝ 1 r u 我 j k - 1 | k - 1 P 我 k - 1 | k - 1 + X ＾ 我 k - 1 | k - 1 - X o j k - 1 | k - 1 ⋅ X ＾ 我 k - 1 | k - 1 - X o j k - 1 | k - 1 T ．

步骤2:SCKF过滤。

算法需要 X ＾ o j k - 1 | k - 1 和 P o j k - 1 | k - 1 作为输入，进行体卡尔曼滤波并更新预测状态 X ＾ j k | k 和过滤协方差 P j k | k ．

第三步:更新模型概率。

计算模型的似函数 j如下所示[ 26]： （17） λ. j k ＝ 1 2 π n / 2 年代 j k 1 / 2 exp. - 1 2 v j T 年代 j - 1 k v j ， （18） u j k ＝ λ. j k c ¯ j c ．

的 n在该公式中表示观察载体的尺寸。

步骤4:输出交互并得到状态估计 X ＾ k | k 和总协方差估计 P k | k ： （19） X ＾ k | k ＝ σ. j ＝ 1 r X ＾ j k | k μ. j k | k ， （20） P k | k ＝ σ. j ＝ 1 r μ. j k P j k | k + X ＾ j k | k - X ＾ k | k ⋅ X ＾ j k | k - X ＾ k | k T ．

步骤5:输出测量更新。

我们根据观测值执行测量更新 z k 在时间 k，获得最终输出结果 X ＾ 更新 k | k 和 P 更新 k | k ．计算步骤如下[ 27]：

算法计算非线性观测矩阵: （21） H k ＝ ∂ h X ∂ X | X ＝ X ＾ k | k ．

算法计算创新协方差 R为观测噪声: （22） 年代 k ＝ H k P k | k H k T + R ．

该算法更新了卡尔曼滤波器增益： （23) K k ＝ P k | k H k T 年代 k - 1 ．

输出状态已更新： （24） X ＾ 更新 k | k ＝ X ＾ k | k + K k Z k - h X ＾ k | k ．

协方差已更新： (25） P 更新 k | k ＝ P k | k + K k H k P k | k ．

基于改进滤波算法的ADS-B航空目标监测分析

基于ADS-B的地面监视系统应分为机载(车)设备、机载(车)显示系统、接收基站和融合中心，如图所示 2［ 28］．

基于ADS-B的地面监控系统原理图。

ADS-B数据预处理包括ADS-B数据解码和ICAO地址关联，形成单个ADS-B轨道。根据Zone编码、Bin编码和CPR解码方法，计算出飞机所在的经纬度。ADS-B信息在传输过程中只传输Bin码，接收方需要根据Bin码计算经度和纬度。CPR译码有两种方法:全局译码和局部译码。当第一次接收到目标信息时，先使用全局译码，再使用局部译码更新目标位置。单通道ADS-B航迹通过航迹关联、跟踪、融合形成ADS-B系统航迹。数字 3.显示AD​​S-B数据处理系统视图。ADS-B数据处理接收多个ADS-B接地站发送的ADS-B信息，每个ADS-B数据预处理模块收集大量ADS-B轨道信息。ADS-B轨迹相关是确定来自不同ADS-B接地站的两个本地ADS-B轨迹是否表示相同的目标，最后执行ADS-B轨迹融合[ 29］．

ADS-B数据处理系统的视图。

数据帧结构如图所示 4［ 30.］．

ADS-B数据帧。

ADS-B轨迹跟踪过程是在形成的ADS-B轨迹表中更新飞机目标信息。ADS-B轨道更新周期是ADS-B位置报告的更新周期。在更新时也可以获得目标的存在，外推和消失，并且可以不同地处理不同的情况。数字 5主要包括以下内容:(1)系统获取ADS-B轨迹表中各ADS-B轨迹的性质，包括ADS-B轨迹的存在、外推和消失;(2)当目标性质存在时，更新飞机目标ADS-B轨迹信息，并更新现有信息;(3)当目标性质为外推时，系统生成外推ADS-B航迹，并在监控屏幕上对外推ADS-B航迹进行标识，以标识外推ADS-B航迹与真实ADS-B航迹的差异;(4)当飞机目标ADS-B轨迹外推次数达到系统指定的自适应参数时，系统判定ADS-B轨迹终止，发送ADS-B轨迹终止报告，在ADS-B轨迹表中取消ADS-B轨迹的存在，清除ADS-B轨道相关内容;(5)当飞机目标消失时，系统立即清除ADS-B弹道表中的飞机目标状态;(6)当系统收到来自雷达源的飞机目标ADS-B轨迹终止报告时，系统立即终止ADS-B轨迹。

ADS-B轨道跟踪处理原理图。

数字 6展示ADS-B飞行安全预警系统的处理视图。

ADS-B飞行安全警告系统的处理视图。

根据飞行器的飞行方向，将所采用飞行器目标的当前位置速度外推到自适应时间或自适应距离。如果飞机目标进入有效入侵预警区域或飞越有效入侵预警区域，则对飞机目标进行入侵预警，并在飞机目标标志上显示相应的入侵预警标志。入侵预警原理图如图所示 7．

空域入侵预警处理示意图。

在图 8，航空器A在当前模型中不产生入侵警告，在推测模式中也不产生入侵警告。飞机B在当前模型中不生成入侵警告，但在推测模式中生成入侵警告。飞机C在当前模式下不产生入侵警告，但在推测模式下产生入侵警告。

空域入侵预警详细处理示意图。

 5. ADS-B航空目标监控系统架构基于改进的过滤算法

系统操作的示意图如图所示 9．空中装备通过1090ES地到空中数据链路从飞机空气机设备和导航系统设备广播其位置和状态信息。ADS-B接地站负责接收ADS-B的广播数据并将其发送到ADS-B，用于监视数据处理。ADS-B监视数据处理负责完成ADS-B信息的解码，通过关联形成ADS-B轨迹，以及ADS-B轨迹的跟踪。此外，它执行短期冲突预警检测，最低安全高度警告检测，空域入侵警告检测以及飞机和飞机之间的其他飞行安全检测。与此同时，它为用户提供了实时，准确和安全的监控信息。

系统操作示意图。

从逻辑的角度来看，该软件采用分层体系结构。该软件使用四层模型，包括系统层，服务层，业务处理层和演示层。该软件根据分层结构组织，每层为其上层提供服务，同时是其下层的客户，每个层修改都不会影响其他层。除了相邻的层外，内部层隐藏在其他层中。软件内的交互仅限于相邻层，本文中的数据融合技术可以有效地避免软件交互的影响，并且根据某个协议执行交互，如图所示 10．系统层主要包括操作系统、数据库系统和基本图形库。服务层建立在系统层之上，提供与数据通信相关的服务，包括网络传输、数据库访问、系统时钟和基本软件功能库。

层次结构图。

ADS-B监控数据处理软件主要利用数据库和数据文件存储VSP参数，运行流程生成数据，通过数据库访问、基础数据服务、文件读取实现数据信息的访问和查询。为了保证软件中数据的高可靠性和高可用性，数据库组成及界面如图所示 11．

数据库结构图。

根据系统的需求分析和结构设计，系统的网络拓扑如图所示 12．

通用航空监视系统网络拓扑图。

同时，控制器工作站对数据进行处理后，也通过网络交换机将数据发送到飞行计划数据中心进行存储。根据转发规则，将位置数据信息发送到各相应的控制器工作平台，完成通用航空飞机的飞行动态监控和管理。

根据普通航空飞行动态监测系统在需求分析的情况下，系统可分为五大模块：数据通信模块，数据转发模块，数据处理模块，接口显示模块和报警提示模块。当系统检测到异常时，警报模块可以发出警报，并且控制中心在获得警报信息后可以执行相应的紧急操作。数据处理模块还包含两个在处理过程中的主要子模块，即存储模块和解析模块。各种模块共同努力，完成通用航空飞行动态的监控，实现业务支持。模块爆炸视图如图所示 13．

系统模块的分解视图。

数据通信模块主要负责系统中通信链路的维护和位置数据的发送和接收。数据处理模块主要负责接收到的位置数据的存储、分析和重放。数据转发模块主要负责源控制站与辅助控制站之间的数据转发，使辅助控制站能够正确接收到相关的位置数据。

 6.系统功能测试

该模拟器产生与实际工作环境相同的数据场景，主要包括模拟ADS-B地面站和模拟ADS-B数据，并以《国际民用航空公约附件10》为接口-B数据向ADS-B监控数据处理软件发送ADS，以验证软件功能的正确性。首先，本文主要从数据界面显示效果、方位和距离测量、航路显示数据、数据转发、数据分析、数据存储等几个方面进行测试数据处理和测试，并进行了40组数据测试和评分。结果如表所示 1和图 14．

基于改进滤波算法的ABS-B航空目标监视雷达信道优化系统数据处理效果评分统计表

数字 显示效果 方位距离测量 跟踪显示数据 数据转发 数据分析 数据存储
1 85.8 87.2 85.4 86.2 92.9 92.8
2 87.1 93.7 83.0 89.5 88.7 87.8
3. 93.8 83.7 94.9 90.8 92.3 84.6
4 89.5 86.5 90.5 85.6 92.4 93.5
5 91.2 91.8 87.8 85.9 91.0 93.4
6 93.9 84.0 89.8 94.8 93.4 86.3
7 88.4 84.7 89.3 87.9 89.6 89.7
8 89.3 83.2. 83.9 89.6 91.8 90.0
9 84.4 94.9 88.2 94.7 84.4 87.8
10 87.7 90.2 89.3 85.0 87.4 84.0
11 91.8 84．1 87.3 91.6 84.2 86.8
12 92.6 89.8 90.1 91.1 83.3. 92.1
13 84．8 94.3. 85.2. 95.0 91.5 88.2
14 93.9 83.8 93.4 84．1 88.9 93.6
15 87.9 94.9 94.7 88.3 94.4 91.4
16 91.6 85.7 94.2. 83.2. 91.1 86.1
17 90.2 92.2 93.4 89.9 90.5 93.9
18 89.1 87.5 86.5 93.8 94.9 89.0
19 86.4 93.2 89.6 85.2. 83.5 88.0
20. 88.6 88.3 92.8 85.9 86.3 83.2.
21 84.5 90.2 89.4 91.3 89.0 83.8
22 88.1. 86.5 89.2 87.8 94.4 88.0
23 89.1 95.0 93.7 90.7 83.0 92.7
24 91.9 92.3 91.0 90.8 87.6 84.7
25 92.5 84.3 92.4 90.7 91.7 87.3
26 89.7 90.3 88.8 84.2 93.7 93.5
27 84.4 92.8 89.7 92.5 86.8 83.7
28 86.2 85.6 90.0 83.4 89.7 92.8
29 90.7 85.9 84.5 87.7 94.4 89.2
30. 92.4 87.3 89.6 83.3. 84.4 84.3
31 90.9 86.6 94.1. 88.2 89.7 91.6
32 89.5 89.6 93.9 84.2 89.2 92.6
33 84.4 88.9 87.3 86.8 83.6 93.3
34 86.0 94.8 84．8 84.7 94.1. 89.9
35 84．1 83.2. 94.2. 87.1 83.4 83.4
36 92.7 90.3 89.6 89.2 86.4 90.9
37 84.0 94.3. 93.5 89.0 87.9 85.1.
38 88.6 89.5 94.2. 92.3 94.8 90.8
39 85.5 89.7 92.6 84.4 84.6 88.7

基于改进滤波算法的ABS-B航空目标监控雷达的信道优化系统的数据处理效果的统计图。

从上面的分析可以看出，基于本文构建的改进的滤波算法的ABS-B航空目标监视雷达的信道优化系统可以在处理雷达监控数据时满足预期的目标。因此，本文构建的系统基本上在数据处理中没有问题。接下来，本文对目标监测精度和飞行策略进行了实验分析，并通过100套数据进行实验研究。统计测试结果如表所示 2和图 15．

基于改进滤波算法的ABS-B航空目标监控雷达频道优化系统实际效应分析统计表。

数字 目标监控准确性 飞行战略评估 数字 目标监控准确性 飞行战略评估 数字 目标监控准确性 飞行战略评估 数字 目标监控准确性 飞行战略评估
1 97.6 93.7 26 97.8 94.4 51 97.4 93.0 76 97.3 94.4
2 97.7 92.3 27 98.1 93.5 52 97.2 91.0 77 97.6 91.7
3. 98.0 93.1 28 98.6 92.0 53 98.8 94.2. 78 98.1 92.9
4 97.9 94.7 29 97.6 91.9 54 98.9 91.2 79 98.0 93.8
5 97.2 94.3. 30. 98.4 94.5 55 97.2 94.0 80 97.8 91.2
6 98.9 91.6 31 98.4 91.0 56 98.4 93.4 81 97.1 93.1
7 97.4 94.1. 32 97.3 94.2. 57 97.6 91.8 82 99.0 92.8
8 98.8 93.1 33 98.5 91.3 58 98.8 91.5 83 97.8 93.3
9 97.5 92.0 34 98.1 93.5 59 97.8 92.8 84 97.8 94.6
10 97.5 91.1 35 98.7 91.7 60 98.0 93.4 85 97.7 94.7
11 97.9 92.8 36 98.4 93.9 61 99.0 94.0 86 98.8 93.0
12 98.9 92.9 37 98.9 92.6 62 97.5 94.1. 87 97.9 94.7
13 98.9 93.7 38 98.4 93.7 63 97.4 94.5 88 97.4 94.7
14 98.7 93.6 39 98.9 91.1 64 98.5 91.4 89 97.3 91.2
15 98.0 92.5 40 98.9 94.6 65 97.0 94.8 90 97.1 93.6
16 98.6 92.3 41 97.1 94.3. 66 97.6 93.8 91 98.8 93.3
17 97.2 92.8 42 98.5 92.2 67 97.8 94.0 92 97.6 94.9
18 98.5 91.7 43 97.2 93.2 68 98.0 92.1 93 98.2 93.2
19 97.4 91.5 44 98.2 93.8 69 98.4 92.9 94 98.9 94.9
20. 98.6 92.6 45 97.3 92.9 70 97.5 92.6 95 98.3. 93.1
21 98.1 94.1. 46 98.9 91.2 71 97.6 92.8 96 97.8 94.1.
22 98.9 93.8 47 98.4 91.3 72 97.3 92.6 97 98.6 93.2
23 97.6 92.0 48 98.1 93.7 73 97.1 93.1 98 98.5 93.5
24 98.0 91.5 49 97.5 92.9 74 97.5 93.8 99 97.4 92.4
25 97.9 94.4 50 97.1 92.5 75 98.0 94.1. One hundred. 97.3 91.5

基于改进滤波算法的ABS-B航空目标监控雷达频道优化系统实际效应分析统计表。

从上述分析结果可以看出，本文建造的系统基本上满足了预期的需求，所有功能测试都符合实际需求。

 7.结论

ADS-B监视数据处理技术是空中交通管制系统的核心技术。ADS-B监视数据处理的质量对空中交通管制系统有着重要的影响。ADS-B技术是新一代空中交通管制系统的重要监控技术之一。与雷达监视技术相比，它具有精度高、实时性强、成本低等特点。针对传统空中交通管制和通用航空领域的监视需求，本文重点研究ADS-B监视信息处理技术。本文对传统滤波算法进行了改进，对ADS-B航空目标监视雷达信道进行了优化，采用软件工程方法对需求进行建模和分析，了解了各功能模块之间的关系和所包含的内容。建立了系统的总体架构，选择了合适的软件开发技术来完成和实现这些业务功能。此外，本文还对系统功能进行了详细的设计，分析和描述了各个功能需要完成的过程，并通过流程图等各种模型配合业务功能的实现。最后，本文设计了一个实验来验证本文所构建的系统的性能。研究结果表明，本文所构建的系统具有一定的效果。

对于本文提到的噪声问题，我们一直假设测量噪声和系统噪声是相互独立的。实际环境非常复杂。运动目标的状态是不断变化的，环境也是不断变化的。在任何时刻，测量噪声和系统噪声都是相互独立的。我们应该在这一领域进行研究，使其得到更广泛的应用。

 数据可用性

用于支持本研究结果的数据可根据要求可从相应的作者获得。

 利益冲突

作者声明他们没有利益冲突。

 致谢

该项目获得了四川科技计划重点研发项目的财政支持，（基于ADS-B的非支持无人机监控技术研究），授予NO。2019YFG0309。

 Cherrukov. 答:一个。 梅尔·'Ruchuk Y. V. 松果体 N.Z. 利用雷达和飞机研究对流气氛中的湍流 无线电科学 2016年 4 12 1257 1259 10.1029 / RS004i012p01257 2 - s2.0 - 0006814362 Kožović. D. V. đurđević. D.ž 航空欺骗性：GPS和ADS-B系统上的安全威胁 Vojnotehnički glasnik/军事技术信使 2021. 69 2 461. 485. 10.5937 / vojtehg69 - 30119 Gui G。 周 Z。 王 J。 刘 F。 太阳 J。 基于航空大数据的机器学习辅助空中交通流分析 车辆技术的IEEE交易 2020. 69 5 4817. 4826. 10.1109 / tvt.2020.2981959 卡 B。 Saghi B。 从不同利益相关者的角度评估无人机的监视问题和实际解决方案 季节性多烟型运输工程 2021. 49 1 32 41 李 T。 王 B。 尚 F。 田 J。 曹 K. ADS - B攻击数据的威胁模型和构建策略 专业信息安全 2020. 14 5 542 552 10.1049 / iet-ifs.2018.5635 王 J。 Zou. Y。 丁 J。 基于LSTM的ADS-B欺骗攻击检测方法 无线通信与网络期刊 2020. 2020. 1 1 12 10.1186 / s13638-020-01756-8 刘 问：S. 裴 J. H. 刘 X. Y. 低分辨率雷达飞机回波的自仿射分形建模 国防科学杂志 2016年 66 2 151 155 10.14429 / dsj.66.8423 2 - s2.0 - 84962038955 Papageorgiou. 一个。 Tarkian m Amadori K. Ölvander. J。 考虑雷达特征、传感器和轨迹约束的无人机多学科优化 杂志上的飞机 2018年 55 4 1629 1640 10.2514/1. c034314 2 - s2.0 - 85050865062 佩尔森 B。 雷达目标建模使用飞行雷达横截面测量 杂志上的飞机 2017年 54 1 284 291 10.2514 / 1.c033932 2 - s2.0 - 85013657425 Boardman F. D. 雷达的基本原理，特别是关于飞机和导弹应用为非专业人士的介绍性讲座 皇家航空学会杂志 2016年 63 586 589 596 10.1017 / s0001924000092897 谢里丹 E。 兰多雷特 J。 Devault T. L. 雷达对鸟类行为的影响:对机场野生动物管理的启示 应用动物行为科学 2015年 171 241. 252 侯 问： 刘 Y。 陈 Z。 减少飞机使用有限脉冲压缩感知ISAR成像中的微多普勒效应 电子字母 2015年 51 12 937. 939. 10.1049 / EL.2015.0368 2-S2.0-84930732623 Khatavkar N。 Balasubramanian. K. 改进射频传输的超音速飞机天线罩用复合材料综述 RSC进步 2016年 6 8 6709 6718 10.1039 / c5ra18712e 2 - s2.0 - 84955459214 日元 s W。 GRAAS. f . V。 Haag m D。 用两个卫星和已知的接收器时钟定位，气压和雷达高度 GPS解决方案 2015年 20. 4 1 15 10.1007 / s10291-015-0497-6 2 - s2.0 - 84947426176 Mcaulay 答:D。 用于快速运输前途控制的轨迹引导雷达 杂志上的飞机 2015年 12 8 676. 681. 维克斯 W. W. López. 我。 由非兴奋的大气异常引起的低角度雷达跟踪误差 无线电科学 2016年 10 5 491 505. 10.1029 / rs010i005p00491 2 - s2.0 - 0016507414 优雅 L. R. 水分污染对X波段聚合物复合雷达保护结构相对介电常数的影响 复合结构 2015年 128 305 312 10.1016 / j.compstruct.2015.03.070 2 - s2.0 - 84926642884 Kropfli. R. A. 早间 W. R. Pasqualucci F。 在合作对流降水实验期间，用35GHz雷达圆形去极化比和多普勒速度测量 无线电科学 2016年 19 1 141 147 10.1029 / RS019i001p00141 2-S2.0-0019895280 Rabadan G. J. 施密特 n P。 Pistner T。 用于自动馈电控制的机载LIDAR湍流飞行现象 杂志上的飞机 2015年 47 2 392 403 10.2514 / 1.44950 2 - s2.0 - 77950589390 Kropfli. R. A. 希尔德布兰德 p . H。 用双多普勒雷达光学透明行星边界层的三维风测量 无线电科学 2016年 15 2 283 296 10.1029 / rs015i002p00283 2-S2.0-0001756678 樱桃 s M。 戈达德 J。 奥杜里奇 m 用机载散射计和双极化雷达同时测量降雨 无线电科学 2016年 19 1 169 176 10.1029 / RS019i001p00169 2 - s2.0 - 0019895160 Gerringer m B。 利马 s . L。 Devault T. L. 禽雷达系统在中西部景观中的评价 野生动物协会公报 2016年 40 1 150 159 10.1002 / wsb.614 2-S2.0-84962124753 kulikov g . Y。 Kulikova M. V. 用于雷达跟踪的精确连续离散扩展卡尔曼滤波器 信号处理上的IEEE交易 2016年 64 4 948. 958. 10.1109 / tsp.2015.2493985 2-S2.0-84962028225 Baxley. B. T. 威廉姆斯 D。 Consiglio m 小飞机运输系统，大运量作业的概念与研究综述 杂志上的飞机 2015年 45 6 1825 1834 10.2514/1.20493 2 - s2.0 - 57649087687 Muhlbauer 一个。 Kalesse H。 Kollias P. 中位于砧座圈中的垂直速度和湍流：原位飞机测量与基于地面多普勒云雷达检索的比较 《地球物理研究快报 2015年 41 22 7814 7821 10.1002/2014 gl062279 2 - s2.0 - 84923329824 约翰逊 c . L。 YF-12A拦截机的一些发展方面 杂志上的飞机 2015年 7 4 355 359 湾 S. A. 布鲁克斯 F. M. 约翰逊 S. C. 小型飞机运输系统项目的概述四启用操作能力 杂志上的飞机 2015年 43 6 1602 1612 10.2514/1.20595 2-S2.0-33846058202 Nastrom. g D。 计 K. S. 基于雷达剖面仪观测的中尺度风频谱增强 无线电科学 2016年 25 5 1039 1047 10.1029 / rs025i005p01039 2-S2.0-0025493633 伯利 F.T. 特别部分简介：过度地平线雷达的科学和技术 无线电科学 2016年 33 4 1043 1044 10.1029/98 rs02158 2-S2.0-0032117408 Consiglio m . C。 威廉姆斯 D. M. 默多克 J.L. 小型飞机运输系统高批量运行的概念验证实验 杂志上的飞机 2015年 45 2 359 365