飞行计划和雷达航迹关联目标识别算法
雷达机动目标航迹追踪数据关联问题算法研究
对系数 a j 进行最小二乘估计 a j ，可由下式求解：
A ( P T P ) 1 P T X
式中：
1 0 a a1 1 A , P a m 1 1 1 am
of adaptive window and prediction algorithm is put forward. Is the window of the region beginning, will be the first data to target a, the second data to target two, at the back of the data by using clustering analysis method of small scale, extract the classification of 6 sets of data as the initial data. Because the target path overlapping and separation, need to add window section analysis data trends. For the add window location and size, can be identified by the root mean square error of adaptive trajectory dots. At the same time, have to solve the data correlation data points are available, and forecast the data points movement trend, can be carried out on the next data classification. Programming to realize the algorithm, the classification effect is considerable. For different target trajectory, the target trajectory polynomial fitting, and the target track. Key words： polynomial prediction window multi-target tracking data association self-adaptive prediction algorithm by adding
空管自动化系统雷达航迹与飞行计划自动相关浅析
空管自动化系统雷达航迹与飞行计划自动相关浅析作者：刘鲁昊来源：《中小企业管理与科技·下旬刊》2015年第05期摘要：空管自动化系统是整个航空部门对空指挥的核心系统，能够实现对雷达监视数据的处理，为管制员提供飞行态势状况报告，对异常情况进行预警。
飞行数据的处理，能够实现雷达航迹与飞行计划相关。
此次研究的主要基于基本原理进行分析，在分析具体状况的同时，制定对策。
研究结果表明，能够为自动化系统维护人员提供便捷。
关键词：空管自动化雷达航迹飞行计划0 引言飞行数据处理是当前空管自动化系统的重要组成部分，与民航报警系统相连接，对AFTN 电报进行处理，满足飞行计划管理以及重复性飞行计划管理的指标，能够准确的分析流量管理以及静态数据字典管理的内容。
此次研究，针对航空领域的发展提出雷达航迹与飞行计划存在的集中状况，进而提出提高相关率的对策措施。
1 空管自动化系统雷达航迹与飞行计划相关基本原理1.1 建立雷达计划航迹针对未能够与雷达航迹配对的系统飞行计划，空管自动化管理系统则能够依据信息当中的不同航班，对其起飞机场、降落机场、起飞时间与降落时间进行具体的分析，将静态信息实现计划动态轨迹的轨迹与划分，进而估算出航空器自动计划生成的航班，通过此种方法实现对于飞行计划与雷达航迹的匹配，实现雷达航迹与飞行计划的自动相关。
1.2 匹配准则及关联分析在空管自动化系统中，飞行数据处理内容能够满足对于雷达系统方面的航迹数据，一定程度上能够满足航空器的动态飞行轨迹，其中主要包括航空飞行器的位置、速度等动态信息。
在管理方面，具有多个雷达航迹点，但每一个航迹点都处于不同的领域当中。
想要实现雷达航迹与飞行计划相关目标，则需要通过关联匹配度准则作为衡量标准，实现SSR代码层面的结合。
2 空管自动化系统雷达航迹与飞行计划几种状况雷达航迹与飞行计划之间的关系，通常存在不相关与相关性较差的状况，具体问题体现在以下几个方面：2.1 飞行计划问题在飞行计划方面的问题，主要体现在以下几个方面：第一，在进行电报派发的过程中，容易出现报文格式不正确的状况，内容、格式存在不规范，造成系统无法准确处理报文。
一种航迹与飞行计划自动关联方法
一种航迹与飞行计划自动关联方法摘要：空管自动化系统将监视源航迹与飞行计划相关后，可以将两者的信息进行综合后呈现给空中交通管制员，以便其准确掌握每架航班的具体信息，更好的提供高效和精准的指挥服务。
通过研究现有空管自动化系统中航迹与飞行计划自动关联的处理方法及存在的问题，结合各关联要素的特点，提出一种新的航迹与飞行计划自动关联方法，可有效提高自动关联的成功率，减少关联错误率。
关键词：航迹、飞行计划；自动关联、空管自动化0引言空管自动化系统中监视源航迹与飞行计划自动关联的作用是通过唯一性参数将监视设备探测到的空中航迹与在空管自动化系统中建立的飞行计划信息关联起来，使管制员随时掌握空中每一架航空器的详细信息，便于其开展航路规划、间隔调配、高效引导等，确保空中交通运行安全、高效、顺畅。
航迹与飞行计划之间关联主要通过航迹与飞行计划中共有的信息进行匹配，包括二代代码、地址码、航班号等[1]。
1现有航迹与飞行计划自动关联方法航迹信息主要包括：实时位置、高度、速度、SSR、24Bit Address Code、Target ID等，其中24Bit Address Code和Target ID仅在S模式雷达和ADS-B等信号的下传数据中包含。
在S模式雷达普及以前，自动化系统主要通过航迹和飞行计划的SSR来实现自动关联。
但因SSR数量较少，资源短缺，随着航班量的不断增加SSR已无法满足使用需求。
S模式雷达下传数据中的24Bit Address Code为全球唯一，可有效解决SSR资源短缺的问题，目前24Bit Address Code和Target ID也已作为关联要素使用。
目前空管单位使用的自动化系统中航迹与飞行计划自动关联的方法可以分为两类，这两类方法的原理和存在问题如下。
1.1根据关联要素的优先级判断根据关联要素关联的主要原理为：将三个关联要素24Bit Address Code、SSR和Target ID分别设置为不同的优先级，关联时只使用其中一个要素，各要素优先级为24Bit Address Code>SSR>Target ID（因资源短缺，目前已不推荐单独使用SSR作为最高优先级关联要素），可分别设置其优先级为3、2、1。
飞行器图像处理技术中的目标识别与跟踪算法研究
飞行器图像处理技术中的目标识别与跟踪算法研究近年来，随着无人机技术的快速发展，飞行器图像处理技术日益重要。
在飞行器的应用中，目标识别与跟踪算法是至关重要的一环。
本文将对飞行器图像处理技术中的目标识别与跟踪算法进行深入研究与探讨。
一、目标识别算法目标识别算法是飞行器图像处理的核心环节之一，其目的是从图像中准确地识别出所关注的目标。
在飞行器应用中，目标可以是人、车辆、建筑物等。
常用的目标识别算法包括：1. 模板匹配算法：该算法基于目标特征的统计模型，通过计算目标与模板之间的相似度来实现目标识别。
模板匹配算法简单直观，但对于目标的光照、尺度变化较为敏感。
2. Haar特征加速级联分类器：该算法通过构建一系列特征强度统计模型，快速检测目标的存在。
Haar特征加速级联分类器具有较快的检测速度和较高的准确率，在实时应用中得到广泛应用。
3. 卷积神经网络(CNN)：CNN是一种用于图像处理的深度学习算法，具有较强的特征提取和目标识别能力。
通过多层卷积和池化操作，CNN能够从图像中自动学习到复杂的特征表示，从而实现高效的目标识别。
二、目标跟踪算法目标跟踪算法是在目标被成功识别后，对其进行轨迹跟踪以及状态更新的过程。
在飞行器应用中，目标跟踪算法通常用于追踪运动中的目标，如行人、车辆等。
常用的目标跟踪算法有：1. 卡尔曼滤波器：卡尔曼滤波器是一种基于状态空间模型的动态模型预测和观测值修正的算法。
通过对目标的状态进行迭代更新，卡尔曼滤波器能够实现在预测轨迹中准确地跟踪目标。
2. 粒子滤波器：粒子滤波器是一种基于蒙特卡洛采样和重采样的随机算法。
通过在潜在状态空间中随机采样一组粒子，并根据每个粒子的权重进行重采样，粒子滤波器能够在复杂背景下准确地跟踪目标。
3. 深度学习目标跟踪算法：近年来，深度学习在目标跟踪领域取得了显著的进展。
通过使用卷积神经网络和循环神经网络，深度学习目标跟踪算法能够从历史帧中学习目标的运动模式，并在当前帧中进行目标跟踪。
航迹和飞行计划相关算法的改进
航迹和飞行计划相关算法的改进陈宇寒;程铭【摘要】针对航迹与飞行计划相关算法中出现的运算效率差和结果不稳定等问题,对航迹相关算法进行改进.减少了参与相关度计算的航线数量,提高了相关度计算的效率;采用遗传蚁群算法根据相关度对航迹与飞行计划进行整体匹配,解决了采用简单依次匹配所带来的结果不稳定性.通过仿真进行验证.%Aiming at some problems in the algorithm of associating with radar track and flight plan,for example,work efficiency is low, and the result is not stable, some improvements are taken to algorithm of track association.The number of tracks that is used for associating degree is decreased.lt improves on its efficiency.According to associating degree,using Genetic Algorithm and Ant Colony Algorithm(GAACA) totally matches the radar track and flight plan.This solves the stability of simply matching by turns.A simulation example is taken to validate these improvements.【期刊名称】《计算机工程与应用》【年(卷),期】2011(047)025【总页数】4页(P228-230,234)【关键词】飞行计划;航迹;相关;遗传算法;蚁群算法【作者】陈宇寒;程铭【作者单位】南京理工大学计算机科学与工程学院,南京210094;中国电子科技集团公司第二十八研究所,南京210007;海军指挥学院海战实验室,南京210016【正文语种】中文【中图分类】TP3191 引言在JDL的五级信息融合模型中，航迹与飞行计划相关的过程属于目标识别范畴[1]。
基于双门限准则的飞行计划与雷达航迹配对
一种雷达与AIS航迹关联算法的研究
一种雷达与AIS航迹关联算法的研究作者：张东良刘杰来源：《硅谷》2011年第16期摘要：在船舶交通管理系统（VTS）中，雷达与AIS航迹关联的精度很重要。
给出雷达与AIS航迹数据关联模型，讨论一种基于多义性处理并考虑航迹历史数据的航迹关联算法，并进行算法性能的推理，给出仿真结果，可以看到仿真在密集环境中取得很好的效果。
关键词：航迹关联；雷达；船载自动识别系统中图分类号：TN965.7+ 文献标识码：A 文章编号：1671－7597（2011）0820011－020 引言船舶交通管理系统（VTS）在保障船舶航行安全，提高航运效率和保护水域环境方面发挥了重要作用。
而船载自动识别系统（AIS）与VTS系统的结合，把他们的数据进行综合处理，增强了船舶识别能力和船舶动态跟踪能力。
VTS中不同传感器收集的船舶动态数据，或雷达与AIS不同类型的传感器收集的数据，要进行数据融合处理，让VTS中心得到正确的船舶位置、航速以及其他有用信息。
融合过程可分为以下几步：航迹滤波、坐标转换、航迹相关和信息融合。
对于VTS系统来说，为了确保航行的稳定与流畅，发现目标后，需要第一时间了解运动目标的当前状态并且快速判断目标下一时刻的运动规律。
但问题是雷达数据与AIS观测的数据是孤立的、离散的，因此VTS系统需要一种新的技术手段来实现当前的航迹进行滤波，以及对未来的航迹状态进行预测，包括目标的位置、速度、方位。
还要考虑噪声的影响，在信息融合前要对信息进行滤波，减少误差以得到精度更高的数据。
精度更高的航迹是航迹融合的基础。
多传感器环境下，每个传感器都有自己的信息处理系统，并且个系统中都收集了大量的目标航迹信息。
如何确定来自不同传感器系统（如AIS与雷达信号）所探测的物体是否是同一个物体，就是航迹关联主要处理的问题，实际上也就是解决多传感器空间区域中重复追踪问题。
在分布式多传感器融合系统中，每个传感器都有数据处理子系统。
航迹关联算法主要分为两类：一类是基于统计的方法，其中包括独立序贯法、相关序贯法、加权法、经典分配法等，如序贯航迹关联算法是把历史的结果数据与当前时刻航迹联系起来，并且赋予良好的航迹关联质量和多义性处理；另一类是基于模糊数学方法、模糊综合函数航迹关联算法、多局部节点模糊航迹关联算法等。
基于多层LSTM模型的雷达目标航迹快速识别算法
基于多层LSTM模型的雷达目标航迹快速识别算法李永;朱姝【期刊名称】《无线电工程》【年(卷),期】2023(53)2【摘要】雷达目标航迹的快速识别对指挥员战场决策具有重要的参考作用,传统雷达目标航迹识别算法对于目标特征分析效果差,导致航迹识别效果不理想,为此,设计了基于多层长短期记忆网络(Long Short-Term Memory, LSTM)模型的雷达目标航迹快速识别算法。
对雷达目标航迹信息进行采集与去噪处理;构建多层LSTM模型,提高对时间序列数据处理的性能,将采集的数据输入多层LSTM模型中;通过多层LSTM网络自主学习获取雷达目标航迹特征,并设计融合模块对多个特征进行融合处理,得到多特征子集,改善单一特征分析的不足;基于适应性矩估计(Adaptive Moment Estimation, Adam)算法优化模型超参数,训练损失函数,通过构建多层LSTM模型分类器完成雷达目标航迹快速识别。
仿真实验结果显示,该算法能够精准提取雷达目标的多特征信息,多特征融合效果良好,航迹识别结果精准,目标位置平均识别误差为0.31 m,雷达目标航迹识别时间平均值为0.56 s,说明该方法能够精准、快速完成航迹识别。
【总页数】8页(P325-332)【作者】李永;朱姝【作者单位】郑州西亚斯学院电子信息工程学院;国防科技大学计算机学院【正文语种】中文【中图分类】TP399【相关文献】1.飞行计划和雷达航迹关联目标识别算法2.基于稀疏雷达数据的空间目标快速识别算法3.基于局部航迹关联的多基地雷达多目标跟踪快速算法4.采用双向LSTM模型的雷达HRRP目标识别5.基于多层双向LSTM的雷达信号脉内调制识别因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
子 口 。定义航迹点 ｉ ］ 偏离 由 ｏ 两点确定 的航段 ｎ ａ ｂ 的 ６ （ ，）
１ 算 法模型
飞机 的飞行具有规律性 和计 划性 ， 必须 按照制定 的飞
行计划航路飞行 。但在实际 的飞行过 程 中， 产生 的雷达航
时差 因子 与该时 间差平方成反 比
方 向 因子
１３
．
， ｔｉ ）ｏ １ａ￣ （， ｃ ／ ｔ ｎ
２ （）
飞行计划 中 预计 经 过 的航 段 是顺 序 排 列 的 ， 也就 是 说， 可认为各航段是有方 向的 。当前 飞机航 迹点方 向与航 段方 向交 角 越小 ， 该 航迹点 与该航 段 的相关 可 能性 越 则 高， 否则越小 。为此 ， 可认 为他 也是 动态 航迹 点与 飞行 计
睾 收 稿 日期 ：０ ０— ３一Ｉ ２１ ０ １
基金项 目： 国防科技 “ 十一 五” 题（ １０ ０ ０ ０ ） 课 ５３ ６ ６ １ １ 作者简介 ： （９６ ）女 ， 程铭 １７一 ， 硕士 ， 师 ， 讲 主要从事军事运筹 、 作战仿真研究 。
１８ ０
四 川 兵 工 学 报
计 划相关 的一个 因子 ， 并称 之 为高度 因子 。定 义航迹 点 ｉ 偏 离由 ｏ 方 向的航段 ｎ Ⅱ ｂ 的高度 因子与二者高度差 的 ６ （ ，）
靠的相关度算法 ， 减少空中 目标较 多时 的 目标识别 错误 问 题， 在现代的信息化战场环境中是非 常有必要 的。
将动态航 迹点在该 航段上投影 ， 根据飞行 计划可 预 则 计飞机到达该投 影位 置 的时 间。该 预计 时 间与 当前时 间
的差值 △ 反映了该航迹点在时 间上 偏离计划 航段 的程
根据实际需要调整作战计划和方案。
分 ， 这种 偏离程度 代表了航迹点 偏离计划 航路 的距离程 则
度， 可认 为他是动 态航 迹点 与飞行 计划 相关 的一 个 因子 ，
并称之为偏航 因子 Ｊ 。定义航 迹点 ｉ 离 由 口 偏 ６两点 确定
的航段 （ ， ） ａ ６ 的偏航因子与该点到该航段的距离平方
ｄ ｉｎ ＣＣＳ ０ 一 ） （， ）。 Ｏ（ １ （） ３
１４ 高度因子 ．
飞行计划 中每个航段 的飞行 高度是 固定 的 ， 故航段 高 度和航迹点高度差值越小 ， 点和航段 的相关 可能性越 航迹 高， 否则越小。为此 ， 认 为高度 也是 动态航 迹 点与 飞行 可
动态航迹点与某航段 的距 离 ， 可反 映该航迹点 处于该 航段 的可 能性 大 小 ； 若该 航 段是 某 飞行计 划 航路 的 一部
划相 关的一个 因子 ， 并称 之 为方 向 因子 Ｊ 。定 义航 迹点 ｉ
迹与之前制定的飞行计划有 一定差别 。为此 ， 在空 中 目标 较多时 ， 为准确 判断 目标 ， 可将 雷达 航迹 与 飞行计 划进 行
相关度计算。首先 可 以使 用 雷达提 供 的 当前 航迹 点信 息
和飞行计划 当前时 间推 点 的信息 ， 算 出偏 航 因子 、 差 计 时 因子、 向因子 、 方 高度因子 、 速度 因子 、 架数 因子 、 机型 因子
和属性 因子 等 ， 然后构造一个关 于飞行计 划与航 迹点相关 度 的定量指标 ， 以最大相关度来 推 断航 迹与哪 个飞行计 并 划存在相关 ， 由此来进行敌 我 目标 的识别 。
１１ 偏 航 因子 ．
偏离 由 ａ 方 向的航段 （ ，） ６ ａ ｂ 的方向因子与二者方 向夹 角
的余 弦成 正 比
成 反 比
如果采用与飞机实时通信 的方式 ， 即将 飞机 自身 主动
提供 的导航信息与 指挥 系统 中 的飞行计 划信 息进 行 匹配 处理 ， 可以进行快速关 联。这种方 法 的优 点是精确 度 比 就
ｄ ｉ ）。 １《 （， ｃ ／ ｎ
１２ 时差 因子 ．Fra bibliotek（） １ 较好 ， 但是只适用 通信 状态 和 战场信 息 比较好 的情 况 ； 而 在现代的信息 化 战场环 境 中， 往会 出现 通信 不畅通 ， 往 空 中信息不准确 ， 无法匹配的情况 … 。因此研究一 种 比较 可
第３ １卷
第 ５期
四 川 兵 工 学 报
２１ ００年 ５月
【 其他研究】
飞行 计 划 和 雷达 航 迹 关 联 目标 识别 算 法
程 铭 ，陈 宇寒 ，
２ ００ ； １０ ７
２０９ ） １０ ４
（． １ 海军指挥学院 海战实验 室 ， 南京 ２ ０ １ ；．中国电子科技集 团公 司第二 十八研究所 ， １０ ６ ２ 南京
效性 。
关键 词 ： 飞行计划 ； 航迹 ； 划相 关 ； 计 相关度 中图分类号 ：Ｐ９ Ｔ３１ 文献标识码 ： Ａ 文章 编号 ：０６— ７ ７ ２ １ ０ ０ ０ ０ １０ ００ （０ ０）５— １７— ３
在现代作战指挥 自动化 系统 中， 进行 目标识别 的一种 途径是将雷达航迹与之前制定 的飞行 计划进行 关联判 断 ， 以便指挥人员能够实时准确地 掌握空 中的敌我 态势 ， 并可
平方成 反比
＾ｉ （ ， ｃｌ△ ）ｏ ／ １５ 其他 因子 ． （） ４
同理 ， 以得到速度 因子 、 型因子 、 可 机 架数 因子和属性 因子 ， 分别为 ：
３ 南京 理工 大学 计算机科学 与工程学 院 ， ． 南京
摘要 ： 针对空 中目标识别 ， 采用 了雷达航迹与飞行计划 比对 的方法 。在雷达 航迹与飞行计 划关联 时， 由于空 中信 息不准确 而出现的问题 ， 首先根据雷达航迹信息和飞行 计划信 息进行 了相关 因子计算 ， 然后计 算 了航 迹点 与飞 行计划 的相关 度 ， 并选择 了最 大相关 度 的飞行计 划作 为航迹 的飞行计 划 。最 后给 出了算例 ， 证 了算 法 的有 验