TCAS II與ADS
—B數(shù)據(jù)融合新算法*

田士佳， 楊霄鵬， 姚　昆， 曹逸樵

(1.空軍工程大學 信息與導航學院，陜西 西安 710077；2．94710 部隊，江蘇 無錫 214141)

?

計算與測試

TCAS II與ADS
—B數(shù)據(jù)融合新算法*

田士佳1， 楊霄鵬1， 姚昆1， 曹逸樵2

(1.空軍工程大學 信息與導航學院，陜西 西安 710077；2．94710 部隊，江蘇 無錫 214141)

摘要:針對空中交通流量越來越大，TCAS II無法滿足日益增長的防撞需求，提出了根據(jù)估計誤差協(xié)方差最大特征值加權(quán)的數(shù)據(jù)融合算法。該算法首先分析TCAS II和ADS—B的原理和特點，闡述了結(jié)合ADS—B優(yōu)勢發(fā)展組合監(jiān)視的必要性，重點介紹組合監(jiān)視區(qū)域，采用Kalman濾波對飛機進行目標跟蹤，對局部濾波得到的航跡進行加權(quán)融合，得到最優(yōu)估計，對算法進行仿真，結(jié)果驗證該算法能夠得到較高精度數(shù)據(jù)，提高監(jiān)視能力，增強防撞性能。

關(guān)鍵詞：TCAS II； ADS—B； 組合監(jiān)視； 數(shù)據(jù)融合； 卡爾曼濾波

0引言

隨著世界航空業(yè)的發(fā)展，空中交通流量每年遞增10 %以上，飛機之間發(fā)生沖突的概率大大增加。交通警戒與防撞系統(tǒng)(traffic alert and collision avoidance system,TCAS)的出現(xiàn)更好地幫助飛行員了解飛機周圍的空域情況，提高了飛行的安全系數(shù)[1]。目前世界范圍內(nèi)使用的TCAS大多屬于TCAS II系統(tǒng)，它在實際應用過程中暴露出虛警和不必要的告警等問題，而且沖突預測能力隨著航路飛行復雜性的增加而大大降低[2]。廣播式自動相關(guān)監(jiān)視(automatic dependent surveillance-broadcast，ADS—B)具有更強的監(jiān)視能力、精度誤差更小、數(shù)據(jù)更新率快等優(yōu)勢，能夠更即時、更準確地進行沖突檢測[2]?，F(xiàn)階段直接用ADS—B主動監(jiān)視代替TCAS II被動監(jiān)視是不現(xiàn)實的，一旦衛(wèi)星定位系統(tǒng)出現(xiàn)問題，將導致監(jiān)視和沖突探測能力的喪失，而且ADS—B的性能需要大量測試和評估來驗證[3]。因此,將TCAS II信息與ADS—B信息進行數(shù)據(jù)融合，發(fā)展組合監(jiān)視是非常必要的。

本文提出了一種根據(jù)估計誤差協(xié)方差最大特征值加權(quán)的數(shù)據(jù)融合算法，對局部濾波得到的航跡進行加權(quán)融合，得到最優(yōu)估計。

1TCAS II與ADS—B相關(guān)理論

TCAS II是獨立運行的空中交通防撞系統(tǒng)，可以判定飛機相對運動過程中的正確行動過程，并且提供垂直的修正、預防措施的決斷告警，為裝備應答機的飛機提供保護。TCAS II通過機載設(shè)備主動探測附近的飛機，根據(jù)高度層的不同，在距沖突20～48s時產(chǎn)生交通告警(TA)，在距沖突15～35 s時發(fā)出解脫建議決斷告警(RA)[4]。

ADS—B是一種基于衛(wèi)星定位和利用空—地、空—空數(shù)據(jù)鏈通信完成交通監(jiān)視和信息傳遞的空管監(jiān)視新技術(shù)[5]。ADS—B系統(tǒng)包含機載和地面設(shè)備兩部分，機載設(shè)備以GPS進行實時定位后，周期性地將飛機的位置、速度、高度等數(shù)據(jù)信息向外廣播，其周圍的飛機和地面基站都能收到這些數(shù)據(jù)。

2TCAS II與ADS—B組合監(jiān)視區(qū)域

由TCAS II和ADS—B技術(shù)構(gòu)成的組合監(jiān)視系統(tǒng)[6]，是在TCAS II的基礎(chǔ)上，將TCAS II信息和ADS—B信息進行數(shù)據(jù)融合，將更精確的信息送入TCAS II決策模塊，進而提供監(jiān)視、警戒和避讓信息。由于TCAS II和ADS—B監(jiān)視范圍不同，所以，構(gòu)成的組合監(jiān)視區(qū)域不同的區(qū)域監(jiān)視手段不同，TCAS II的最大水平監(jiān)視范圍為40 n mile，主要是前向作用距離，在本機的側(cè)面和后面的監(jiān)視范圍更小[7]，ADS—B的水平監(jiān)視范圍為圓形，且大于100 n mile[8]，TCAS II和ADS—B的水平方向組合監(jiān)視區(qū)域和組合監(jiān)視流程示意圖分別如圖1、圖2所示。

圖1　水平方向組合監(jiān)視區(qū)域示意圖Fig 1　Schematic diagram of in horizontal direction ofcombined surveillance area

圖2　組合監(jiān)視流程示意圖Fig 2　Schematic diagram of combined surveillance process

3TCAS II與ADS—B數(shù)據(jù)融合算法

3.1數(shù)據(jù)融合結(jié)構(gòu)

針對TCAS II在實際應用中暴露出的問題，結(jié)合ADS—B具有更強監(jiān)視能力的特點，采用分布式融合方法[9]，由于部分任務(wù)在局部航跡估計中完成，大大減少了中央處理器的工作量，既提高了數(shù)據(jù)處理的效率，又提高了整個系統(tǒng)的精度和可靠性，融合結(jié)構(gòu)框圖如圖3所示。

圖3　分布式融合結(jié)構(gòu)原理圖Fig 3　Principle diagram of distributed fusion structure

3.2數(shù)據(jù)融合算法

將TCAS II和ADS—B當作兩個監(jiān)視子系統(tǒng)，分別利用Kalman濾波方法對子系統(tǒng)的監(jiān)視信息進行濾波，得到狀態(tài)估計信息，狀態(tài)方程和量測方程為

X(k+1)=F(k)X(k)+Γ(k)W(k),

(1)

Z(k)=H(k)X(k)+V(k),

(2)

式中X(k)為k時刻的系統(tǒng)狀態(tài)向量；F(k)為系統(tǒng)狀態(tài)轉(zhuǎn)移矩陣；Γ(k)為噪聲矩陣；W(k)為過程演化噪聲，為方差Q(k)的零均值、高斯白噪聲；Z(k)為k時刻對系統(tǒng)狀態(tài)的量測向量；H(k)為量測矩陣；V(k)為量測噪聲，為方差R(k)的零均值、高斯白噪聲。

若使用的是第i個濾波器，對局部狀態(tài)Xi(k)最優(yōu)估計的算法如下：

初始條件為

(3)

2)一步提前估計值和估計誤差的協(xié)方差陣分別是

(4)

Pi(k+1|k)=F(k)Pi(k|k)FT(k)+

Γ(k)Q(k)ΓT(k),

(5)

3)獲取新的量測Zi(k+1)后，濾波更新值和相應的濾波誤差的協(xié)方差陣分別為

(6)

Pi(k+1|k+1)=[1-Ki(k+1)Hi(k+1)]×

Pi(k+1|k),

(7)

(8)

考慮整體最優(yōu)狀態(tài)為局部估計的線性組合，本文采用加權(quán)平均的方法，因為兩個子系統(tǒng)的監(jiān)視是相互獨立且同時進行的，所以,認為兩個系統(tǒng)局部狀態(tài)估計之間的協(xié)方差為零，可以用單傳感器估計誤差協(xié)方差的最大特征值來確定局部狀態(tài)估計的權(quán)重，得到兩個特征值中較大的說明估計誤差較大，應該給一個較小的權(quán)重;相反，特征值較小所占的權(quán)重較大，整體最優(yōu)融合估計[10]為

(9)

(10)

(11)

式中λj(P1),λj(P2)分別為TCAS Ⅱ和ADS—B估計誤差協(xié)方差矩陣的第j個特征值。

由此可得，通過對TCAS Ⅱ信息和ADS—B信息進行按估計誤差協(xié)方差最大特征值加權(quán)，能夠得到目標飛機的最優(yōu)融合估計。

4數(shù)據(jù)融合仿真實驗

在驗證數(shù)據(jù)融合算法仿真實驗中，驗證的是組合監(jiān)視區(qū)域的仿真，TCAS II系統(tǒng)和ADS—B技術(shù)的采樣周期為1 s，假設(shè)TCAS II系統(tǒng)和ADS—B技術(shù)的觀測誤差分別為60 dB和40 dB，且均為高斯白噪聲，飛機在飛行階段垂直方向上均無速度和加速度，水平初始速度為300 m/s，按照此狀態(tài)飛行50 s，然后以5 m/s2的加速度飛行50 s，然后再按恒定速度飛行50 s,融合算法仿真結(jié)果如圖4、圖5、圖6和圖7所示。

圖4　位置估計誤差圖Fig 4　Position estimation error chart

圖5　估計位置與真實位置比較圖Fig 5　Comparison between estimated position and real position

圖6　估計速度與真實速度比較圖Fig 6　Comparison between estimated speed and real speed

圖7　估計加速度與真實加速度比較圖Fig 7　Comparison between estimated acceleration andreal acceleration

以上仿真結(jié)果表明，數(shù)據(jù)融合后的位置估計誤差比任何一個單獨傳感器估計都要小，并且融合之后的誤差變化更加穩(wěn)定。根據(jù)航空無線電技術(shù)委員會(RTCA)和歐洲民用航空設(shè)備組織(EUROCAE)文件對ADS—B監(jiān)視精度的要求，在航路5 n mile間隔和終端區(qū)域3 n mile內(nèi)位置精度要求分別為558 m和186 m，而且TCAS Ⅱ的位置精度要求更低，所以，數(shù)據(jù)融合后的狀態(tài)估計滿足要求[11]，取得了較好的效果。

5結(jié)束語

本文針對TCAS Ⅱ單一傳感器在實際應用中暴露出的問題，采用TCAS Ⅱ和ADS—B組合監(jiān)視的方法，以TCAS II原有的功能為基礎(chǔ)，將TCAS Ⅱ信息和ADS—B信息進行數(shù)據(jù)融合，利用提出的估計誤差特征值加權(quán)的算法對數(shù)據(jù)進行融合，通過仿真實驗驗證算法能夠減小目標飛機的狀態(tài)估計誤差。但是，本次實驗仿真未涉及TCAS Ⅱ信息和ADS—B信息的數(shù)據(jù)處理問題，目前ADS—B技術(shù)方興未艾，未來將會與TCAS Ⅱ更好地結(jié)合起來，為擴大飛機監(jiān)視區(qū)域、提高監(jiān)視精度和增強防撞性能開辟了廣闊的前景。

參考文獻:

[1]Yepes Javier Lovera,Hwang Inseok,Rotea Mario.New algorithms for aircraft intent inference and trajectory prediction[J].Journal of Guidance,Control and Dynamics Conference,2007,30(2)：370-382.

[2]張軍.現(xiàn)代空中交通管理[M].北京：北京航空航天大學出版社，2005.

[3]何桂萍.ADS—B與雷達組合監(jiān)視數(shù)據(jù)融合方法研究[D].廣漢：中國民用航空飛行學院，2011.

[4]RTCA DO—300.Minimum operational performance standards(MOPS)for traffic alert and collision avoidance system Ⅱ(TCAS Ⅱ)hybrid surveillance[S].

[5]顧春平.空中交通管制監(jiān)視新技術(shù)簡介[J].現(xiàn)代雷達，2010，32(9):1-5.

[6]何桂萍，徐亞軍.基于TCAS II和ADS—B的組合監(jiān)視防撞系統(tǒng)研究[J].電光與控制,2011,18(4):61-64.

[7]Aeroflex,XPDR/DME/TCAS/ADS—B/TIS/TIS—B test set IFR 6000 operation manual 1002—5800—290[S].2007.

[8]RTCA.Minimum operational performance standards for 1 090 MHz extended squitter automatic dependent surveillance-broadcast(ADS—B)and traffic information services-broadcast(TIS—B)volume 1[S].DO—260A,RTCA,Inc,2006.

[9]Vitale A,Corraro F,Bernard M,et al.Unscented Kalman filtering for reentry vehicle identification in the transonic regime[J].Journal of Aircraft,2009,46(5)：1649-1659.

[10] 申功勛，孫建峰.信息融合理論在慣性/天文/GPS組合導航系統(tǒng)中的應用[M].北京：國防工業(yè)出版社，1998.

[11] 李自俊.一種基于ADS—B、WAM和雷達的組合監(jiān)視方法及其架構(gòu)[J].航空電子技術(shù)，2008，39(1)：24-27.

A novel algorithm for TCAS II and ADS—B data fusion*

TIAN Shi-jia1， YANG Xiao-peng1， YAO Kun1， CAO Yi-qiao2

(1.College of Information and Navigation,Air Force Engineering University,Xi’an 710077,China；2.94710 Unit,PLA,Wuxi 214141,China)

Abstract:With increasing air traffic flow,TCAS II can’t meet growing demand for collision avoidance,data fusion algorithm based on the maximum eigenvalue weighting of estimation error covariance is proposed.Principle and characteristics of TCAS II and ADS—B are analyzed,the necessity of development of combining monitoring combined with advantages of ADS—B is expounded,and combined monitoring area is introduced.Kalman filtering is used for target tracking of aircraft,and the optimal estimation is obtained by weighted fusion of tracks obtained by local filtering.The algorithm is simulated and the results show that the algorithm can get higher precision of data,improve monitoring ability,and enhance performance of collision avoidance.

Key words:TCAS II； ADS—B； combined surveillance; data fusion; Kalman filtering

DOI:10.13873/J.1000—9787(2016)03—0130—03

收稿日期：2016—02—15

*基金項目：國家自然科學基金資助項目(61202490)；航空科學基金資助項目(20150896010)

中圖分類號：V 249

文獻標識碼：A

文章編號：1000—9787(2016)03—0130—03

作者簡介:

田士佳(1992-)，男，河北石家莊人，碩士研究生，主要研究方向為軍事航空通信。